نظام تحليل أعطال خطوط الإنتاج (Machine Downtime) والخرائط الحرارية لتشخيص الأداء
تفاصيل العمل
قمت بتطوير لوحة تحكم تفاعلية متقدمة متخصصة في تحليل أعطال الماكينات (Downtime Analysis) وفترات التوقف في بيئة صناعية. المشروع لا يكتفي بعرض الأرقام، بل يقدم محاكاة بصرية (Heatmap) لأجزاء الماكينة المختلفة لربط الأعطال بمكان حدوثها بدقة، مما يسهل على فرق الصيانة والتشغيل اتخاذ قرارات وقائية سريعة.
أبرز التحديات التي تم حلها:
تحليل بيانات لحظية: معالجة توقيتات الأعطال بالساعة والدقيقة وربطها بوردية العمل (Shift) والمنتج.
تنسيب الأعطال مكانيًا: ابتكار طريقة بصرية لتوزيع الأعطال على "سكاشن" الماكينة المختلفة لتحديد الجزء الأكثر تكراراً للعطل.
الربط الزمني: تتبع نمط الأعطال على مدار اليوم لاكتشاف الفترات الحرجة.
المميزات التقنية في الداشبورد:
الخريطة الحرارية للماكينة (Machine Section Heatmap): استخدام جدول بيانات تفاعلي يعمل كخريطة حرارية (Heatmap) تُنسّب الأعطال لكل "سكشن" برمز لوني، حيث يوضح الجدول عدد التوقفات، الكميات المفقودة (Q Lost)، ونسبة الكفاءة المفقودة (Eff% Lost).
تحليل أسباب الأعطال (Pareto of Reasons): مخطط بياني يوضح الأسباب الرئيسية للتوقف (مثل: Neck Ring Change, Section Electrical Alarm) مرتبة حسب مدة التعطل بالدقائق.
التوزيع الزمني (Downtime by Hour): خط زمني يوضح ذروة الأعطال خلال ساعات اليوم، مما يساعد في تحليل كفاءة فرق الصيانة في الورديات المختلفة.
نظام التوزيع الدائري (Total Stops by Sections): مخطط دائري (Donut Chart) يوضح النسبة المئوية لمساهمة كل سكشن في إجمالي التوقفات (مثل سكشن 7 الذي ساهم بنسبة 39.18%).
فلاتر ذكية وعميقة: إمكانية البحث والفلترة حسب الماكينة، الوردية (Day/Night)، الساعة، ونوع التوقف (Stop Reason).
الأدوات والتقنيات المستخدمة:
Power BI Desktop: لتصميم الواجهة وتجربة المستخدم.
DAX Measures: لحساب مؤشرات معقدة مثل "نسبة الكفاءة المفقودة" وتنسيبها زمنياً ومكانياً.
Conditional Formatting: لإنشاء الخريطة الحرارية الذكية التي تتغير ألوانها بناءً على شدة العطل.
Data Modeling: لربط جداول الماكينات بجداول المنتجات وسجلات الأعطال التاريخية.
النتائج المحققة:
رؤية واضحة وشاملة لأداء الماكينة من النظرة الأولى (At a Glance) عبر الخريطة الحرارية.
تقليل زمن تشخيص الأعطال (MTTR) عبر تحديد السكشن والسبب الأكثر تكراراً بدقة.
تحسين التخطيط للصيانة الوقائية بناءً على البيانات التاريخية للأعطال المتكررة.