시행 착오주기를 단축하고 생산 효율을 높입니다.
R & D 배경
제품 품질은 원재료 품질의 변동 및 제조 장비의 노화와 같은 요소의 영향을받습니다. 이러한 문제를 해결하기 위해 제조업체는 AI, Big Data 및 Industrial Internet of Things (IIOT)와 같은 기술을 통해 디지털 방식으로 변환하고 있습니다.
Yokogawa의 공정 데이터 분석 소프트웨어는 MahalanobisTaguchi (MT) 방법 *을 사용하여 PIMS로부터 온도, 압력, 유량, 레벨 및 기타 공정 데이터를 신속하고 효율적으로 수집하고, 설비 작동 및 유지 보수 상태 정보를 분석하고, 이력 데이터를 실행합니다. Yokogawa의 분석 서비스와 함께 사용하면 소프트웨어가 효과적으로 제품 품질을 향상시킬 수 있습니다.
요코가와 (Yokogawa)는 2017 년 5 월에 R1.01 프로세스 데이터 분석이 발표 된 후 고객 프로세스 엔지니어 및 데이터 전문가와 협력하여 제품을 개선했습니다. 그들의 노력 덕분에 다른 벤더의 PIMS 데이터를 가져와 분석하고 설정 변경 및 계산을 간소화하고 가속화하며 보고서를보다 쉽게 만들 수 있도록 소프트웨어가 개선되었습니다. 소프트웨어의 이러한 향상된 기능은 운영 효율성과 데이터 분석 품질을 향상시키고 시행 착오주기를 단축시킵니다.
특징 : OPC 표준을 지원하는 PIMS에서 데이터 가져 오기
전 세계 여러 공장에서 다양한 공급 업체의 다양한 데이터 수집 시스템이 사용됩니다. 효과적인 분석을 위해서는 이러한 시스템에서 수집 한 모든 데이터에 액세스하는 것이 중요합니다. 프로세스 데이터 분석 소프트웨어는 Windows® PC에서 실행되며 PIMS, DCS 및 PLC에서 CSV 형식으로 변환 된 파일에 액세스 할 수 있습니다. 프로세스 데이터 분석 R1.02에는 산업 자동화 및 기타 분야의 데이터 교환을위한 글로벌 표준 인 OPC HDA (Historical Data Access) 인터페이스가 함께 제공됩니다. 이 기능 덕분에 소프트웨어는 PIMS에서 표준을 지원하는 데이터를 쉽게 가져올 수 있습니다.
향상된 조작성
데이터 분석을 용이하게하기 위해 데이터 분석 R1.02는 여러 프로세스에 대한 데이터 차트의 오버레이를 허용합니다. 제조 조건에 따라 데이터 시작점 및 표시 색과 같은 설정을 쉽게 수정할 수 있습니다. 요코가와 분석가가 수행 한 벤치 마크 결과에 따르면 이러한 기능을 통해 데이터 분석 시간이 80 % 단축되었습니다.
분석 결과 캡처 / 공유
엔지니어 간의 데이터 분석 결과 교환을 용이하게하기 위해 Process Data Analysis R1.02에는 엔지니어가 분석 결과를 보여주는 차트를 캡처하고 일반적인보고 소프트웨어에 데이터를 붙여 넣을 수있는 새로운 기능이 추가되었습니다. 이렇게하면 차트를 만드는 데 필요한 작업량이 줄어들고 분석가는 연구에 집중하고 결과를 토론 할 수 있습니다.
미래 발전
제조업체는 현장 데이터에 액세스하고 분석하여 품질과 생산성을 향상시키고 클라우드 컴퓨팅, 인공 지능, 대형 데이터, IIoT 및 기타 첨단 기술과 솔루션으로 전환하여 이러한 필요를 해결해야합니다. 이러한 요구를 충족시키고 고객이 제품 품질을 향상시킬 수 있도록 Yokogawa는 이러한 기술과 솔루션을 사용하는 제품을 계속 개발할 것입니다.
Mahalanobis Taguchi (MT) Method * : PC Mahalanobis 박사의 이름을 따서 명명 한 패턴 인식 기법. 마할 라 노비스 (Mahalanobis) 박사는 마할 라 노비스 (Mahalanobis) 거리 (변수 간의 상관 관계를 기반으로 한 다 변수 측정법)를 제안했으며, 다구치 박사는 품질 공학의 발전을 주도하는 핵심 인물 중 하나입니다. 기준 데이터와 샘플 데이터 사이의 거리에 기초하여,이 방법은 목표 데이터로부터의 편차를 정량적으로 결정할 수있다.
식품 가공 프로세서 모터를 구매하려면 커피 메이커 모터에주의하십시오.
