Implementing an automated OEE monitoring system for production robots

Abstract

This thesis examines the implementation of an automated overall equipment effectiveness (OEE) dashboard for production robots in a medical technology manufacturing environment. The research assesses the lack of operational visibility into robot performance by developing a dashboard artefact that uses data collected from production robots to support performance monitoring, problem identification, and continuous improvement. The research applies design science research (DSR) methodology, combining literature from OEE, automated data collection, and dashboard visualization principles with empirical findings from semi-structured interviews.

Empirical findings show that robot performance reporting should be based on automated data collection, clear visualization of target status, prioritization of losses based on production impact, flexible time filtering, robot-level analysis, and simple usability. Based on these requirements, an OEE dashboard was developed using data collected from production robots and visualized in a business intelligence environment. The implementation connects shop floor data to Power BI and transforms raw data into OEE-related measures, including availability, performance, and quality.

The results demonstrate that automated OEE reporting can improve operational visibility by providing a structured overview of robot performance, enabling users to identify underperforming robots and the main causes of losses. The dashboard is designed with a hierarchical structure, consisting of a plant overview page and a robot detail page. This structure supports both high-level situational awareness and more detailed root cause analysis.

Tämä diplomityö tarkastelee automatisoidun kokonaisvaltaisen laitteistotehokkuuden (OEE) dashboardin käyttöönottoa tuotantoroboteille terveysteknologian tuotantoympäristössä. Tutkimus vastaa robottien suorituskyvyn läpinäkyvyyden puutteeseen kehittämällä dashboard-artefaktin, joka hyödyntää robottien tuottamaa dataa suorituskyvyn seurantaan, ongelmien tunnistamiseen ja jatkuvaan parantamiseen. Tutkimuksessa sovelletaan konstruktiivista tutkimusotetta, jossa yhdistetään kirjallisuus OEE:sta, automatisoidusta tiedonkeruusta ja dashboardin visualisointiperiaatteista puolistruktuuristen haastatteluiden empiirisiin havaintoihin.

Empiiriset havainnot osoittavat, että robottien suorituskyvyn raportoinnin tulisi perustua automatisoituun tiedonkeruuseen, tavoitetilan selkeään visualisointiin, tuotantovaikutusten mukaiseen häviöiden priorisointiin, joustavaan aikasuodatukseen, robottikohtaiseen analyysiin sekä helppokäyttöisyyteen. Näiden vaatimusten pohjalta kehitettiin OEE-dashboard, joka hyödyntää tuotantoroboteista kerättyä dataa ja visualisoi sen liiketoimintatiedon ympäristössä. Ratkaisu yhdistää tuotantotason datan Power BI:hin ja muuntaa raakadatan OEE-mittareiksi, kuten käytettävyydeksi, suorituskyvyksi ja laaduksi.

Tulokset osoittavat, että automatisoitu OEE-raportointi voi parantaa toiminnan läpinäkyvyyttä tarjoamalla jäsennellyn yleiskuvan robottien suorituskyvystä. Tämän avulla käyttäjät voivat tunnistaa heikosti suoriutuvat robotit ja tuotantohäviöiden pääsyyt. Dashboard on suunniteltu hierarkiseksi rakenteeksi, joka koostuu tehtaan yleiskuvasta ja robottikohtaisesta sivusta. Rakenne tukee sekä yleistä tilannekuvaa että yksityiskohtaisempaa juurisyyanalyysiä.