← 返回实验室

AI产线节拍瓶颈定位定制:动作切分与等待归因

产线瓶颈常被简单归因于“某个工位太慢”,但人工掐表只能看到结果,难以区分是作业动作本身耗时,还是等料、等上游、等设备复位。本实验在一条装配线上部署固定视角相机,先用时序动作分割把每个工位的作业周期切成取件、装配、检测、放行等动作段,再与PLC节拍信号、MES过站记录做时间对齐,将超出标准工时的部分拆为动作超时、等待上游、等待物料、设备停顿四类,输出工位级的等待归因,而非笼统的节拍数字。

进展:首轮在两班次、八个工位的样本上,六类动作的分割F1约0.86;对单工位主要等待原因的Top-3归因命中率约78%。原本被判为瓶颈的工位,实际有近三成等待来自上游批量供料节奏,而非作业动作慢。

下一步将补充换型与小批量场景样本,接入PLC停机码,并尝试把归因结果转成可执行的节拍改善建议。

评论

更多研究动态

查看全部实验室 →