Forkorte trial and error cykler og øge produktionseffektiviteten
R&D baggrund
Produktkvalitet er påvirket af faktorer såsom udsving i råmaterialet kvalitet og ældning af fremstilling udstyr. For at hjælpe med at løse disse problemer, transformerer fabrikanter digitalt via teknologier såsom AI, Big Data og industrielle Internet af ting (IIOT).
Yokogawas proces dataanalyse software bruger MahalanobisTaguchi (MT) metode * til hurtigt og effektivt samle temperatur, tryk, flow, niveau og andre procesdata fra PIMS, analysere facilitet drift og vedligeholdelse statusoplysninger, og køre historiske data. Bruges sammen med Yokogawas analytiske services, kan softwaren effektivt forbedre produkternes kvalitet.
Siden udgivelsen af processen dataanalyse R1.01 i maj 2017 arbejdet Yokogawa med kunden proces ingeniører og data eksperter til at forbedre produktet. Takket være deres indsats, er softwaren blevet forbedret for at importere og analysere PIMS data fra andre leverandører, forenkle og fremskynde opsætning ændringer og beregninger og gøre rapporter lettere. Disse forbedringer af softwaren forbedre driftseffektivitet og kvaliteten af dataanalyse, og forkorte retssag og fejl cyklussen.
Features: Importere data fra PIMS understøtter OPC standard
En bred vifte af dataindsamlingssystemer bruges i forskellige fabrikker rundt om i verden, fra forskellige leverandører. For effektiv analyse er det vigtigt at have adgang til alle data indsamlet af disse systemer. Process data analyse software kører på en Windows® PC og kan få adgang til filer konverteret fra PIMS, DCS og PLC til CSV-format. Proces Data analyse R1.02 kommer med en OPC historiske Data adgang (HDA) grænseflade, en global standard for udveksling af data i industriel automation og andre felter. Takket være denne funktion, kan softwaren nemt importere data, der understøtter standarden fra PIMS.
Forbedret brugervenlighed
For at lette analyse af data, proces dataanalyse R1.02 giver mulighed for overlay data diagrammer for flere processer. Det er nu også muligt at nemt ændre indstillinger, såsom data startpunkt og vise farve afhængig af fremstilling betingelser. Benchmarks udført af Yokogawa analytikere viser, at disse funktioner reducere data analyse tid med 80%.
Capture/share analyseresultater
For at lette udvekslingen af data-analyseresultater mellem ingeniører, tilføjer proces Data analyse R1.02 nye funktioner, giver ingeniører til at fange diagrammer viser resultaterne af analysen og indsætte dataene i enhver generel rapportering software. Dette eliminerer mængden arbejde, der kræves for at oprette et diagram, og analytikere kan fokusere på forskning og diskutere resultaterne.
fremtidige udvikling
Producenterne har brug for at få adgang til og analysere feltdata for at forbedre kvaliteten og produktiviteten, og Flyt til cloud computing, kunstig intelligens, big data, IIoT og andre avancerede teknologier og løsninger for at løse dette behov. For at opfylde disse behov og hjælpe kunder med at forbedre produkternes kvalitet, vil Yokogawa fortsætte med at udvikle produkter, der udnytter disse teknologier og løsninger.
Mahalanobis Taguchi (MT) metode *: Et mønster anerkendelse teknik opkaldt efter Dr. P.C. Mahalanobis. Dr. Mahalanobis foreslog Mahalanobis afstanden (en flerdimensional foranstaltning baseret på sammenhængen mellem variabler), og Dr. Genichi Taguchi er en af de nøgletal, kørsel udvikling af kvalitet engineering. Baseret på afstanden mellem referencedata og eksempeldataene, kan metoden kvantitativt bestemme afvigelsen fra målet data.
Hvis du ønsker at købe en fødevareforarbejdning processor motor, bedes du være opmærksom på kaffemaskine motor.
