På dagens globala marknad är konkurrensen stor för industriella företag.För att öka sin konkurrenskraft används olika typer av produktövervakning i allt större utsträckning.Ett exempel är Overall Equipment Effectiveness (OEE) som mäter i hur hög utsträckning maskinen utnyttjas.Äldre maskiner saknar dock de sensorer som krävs för att samla in tillräcklig data.Genom att retrofitta en maskin kan man börja samla in den data som krävs för att räkna fram ett OEE-tal utan att behöva investera i en ny maskin.Utmaningen med projektet som ska implementera OEE på en 3217 GEKA-stansmaskin var vilka sensorer som skulle installeras och vart så att man både får ett korrekt OEE-tal samtidigt som man inte riskerade att påverka maskinens drift.Genom analys av maskinens olika operativa moment och i samtal med företaget togs en plan fram som kopplades upp i maskinens arbetsområde.Sensorerna kopplades via en IO-Link master till en CloudRail.Box som skickade datan till Microsoft Fabric.Data lagras i KQL-databas och Realtidsinstrumentpanel användes för att bearbeta och visualisera relevant data så som OEE-talet.Resultatet blev en lösning som med minimal påverkan av driften presenterar ett OEE-tal samt andra tider i Microsoft Fabric på ett lättöverskådligt sätt.Projektet uppnår de krav som ställdes i början av arbetet och kan ligga till grund för vidare installationer av OEE i fabriken.Den nya maskinens unika förutsättningar och alternativa lösningar behöver dock tas i beaktande.

In today's global market, industrial companies face intense competition.To increase competitiveness, various types of production monitoring are increasingly being used.One example is Overall Equipment Effectiveness (OEE), which measures how effectively a machine is utilized.However, older machines often lack the sensors required to collect sufficient data.By retrofitting a machine, it is possible to begin gathering the necessary data to calculate an OEE score without investing in a new machine.The challenge of this project, which aimed to implement OEE on a 3217 GEKA punching machine, was determining which sensors to install and where, to ensure both accurate OEE data and uninterrupted machine operation.Through analysis of the machine's operational stages and discussions with the company, a plan was developed and implemented within the machine's working area.The sensors were connected via an IO-Link master to a CloudRail.Box, which transmitted the data to Microsoft Fabric.The data was stored in a KQL-database, and a real-time dashboard was used to process and visualize relevant metrics, such as the OEE score.The result was a solution that, with minimal operational impact, clearly presents the OEE score and other metrics in Microsoft Fabric.The project met the initial requirements and can serve as a foundation for further OEE implementations in the factory.However, the unique conditions of each new machine and alternative solutions should be considered.