วิเคราะห์
รูปแบบการหยุดทำงาน
ตรวจจับพฤติกรรมและความผิดปกติของเครื่องจักรในสายการผลิต
Uptime เฉลี่ย
94.2%
เหตุการณ์รวม
128 ครั้ง
เวลาหยุดรวม
timer_off318h
ในช่วงที่เลือก
MTTR
build_circle27m
เวลาแก้ไขเฉลี่ย
MTBF
schedule142h
เวลาระหว่างความเสีย
เทียบเดือนที่แล้ว
trending_down-14.2%
Unscheduled Downtime
เครื่องไหนเสียบ่อยที่สุด?
5 อันดับตามความถี่
สายการผลิต 2
อาคาร A · LINE-02
28
ครั้ง/สัปดาห์
สายการผลิต 5
อาคาร C · LINE-05
19
ครั้ง/สัปดาห์
สายการผลิต 3
อาคาร B · LINE-03
14
ครั้ง/สัปดาห์
สายการผลิต 6
อาคาร C · LINE-06
11
ครั้ง/สัปดาห์
สายการผลิต 1
อาคาร A · LINE-01
9
ครั้ง/สัปดาห์
เสียช่วงเวลาไหน?
แผนภูมิความร้อนตามวันและชั่วโมง (7 วัน × 24 ชม.)
พบรูปแบบ: การหยุดทำงานเกิดขึ้นสูงสุดในช่วงเปลี่ยนกะ (08:00–09:00 และ 16:00–17:00) สัมพันธ์กับข้อผิดพลาดในการเตรียมเครื่องมือ
เสียเพราะอะไรซ้ำๆ?
แผนภูมิพาเรโต (กฎ 80/20)
79%
ของปัญหามาจาก 2 สาเหตุแรก
Error
5 อันดับสาเหตุหลัก
คำแนะนำ AI
เพิ่มความถี่การ Calibrate เซ็นเซอร์เป็นทุก 2 สัปดาห์ และตรวจสอบระบบระบายความร้อนมอเตอร์ก่อนเปลี่ยนกะ
การกระจายตัวตามช่วงเวลา
Timeline Analysis — ความถี่การหยุดทำงานรายชั่วโมงย้อนหลัง 24 ชม.
การกระจายตามระดับความรุนแรง
เปรียบเทียบรายกะ
ชั่วโมงหยุดทำงานรวมต่อกะ
กะ B มีเวลาหยุดสูงสุด — แนะนำเพิ่มการตรวจเช็กก่อนเริ่มกะ
AI-Powered Insight
สรุปการวิเคราะห์รูปแบบ
-14.2% ลดลงจากเดือนที่แล้ว แต่ยังพบ 79% ของเหตุการณ์มาจาก 2 สาเหตุหลัก การแก้ไขเชิงป้องกัน (Predictive Maintenance) สำหรับ สายการผลิต 2 คาดจะลด Downtime ได้อีก ~35%
MTBF ปัจจุบัน
142h
MTTR เฉลี่ย
27m