Производственный цех с большими данными: получить больше информации от машин и производственного процесса. | OMRON, Россия

Войти в систему

Возникли технические проблемы. Ваша форма не была отправлена. Примите наши извинения и повторите попытку позже. Детали: [details]

Download

Зарегистрируйтесь

Возникли технические проблемы. Ваша форма не была отправлена. Примите наши извинения и повторите попытку позже. Детали: [details]

Download

Спасибо за регистрацию на сайте компании Omron

На ваш электронный ящик отправлено письмо для завершения регистрации учетной записи

Вернуться на вебсайт

получите прямой доступ

Ниже укажите ваши личные данные и получите прямой доступ к информации на данной странице

Text error notification

Text error notification

Checkbox error notification

Checkbox error notification

Возникли технические проблемы. Ваша форма не была отправлена. Примите наши извинения и повторите попытку позже. Детали: [details]

Download

Благодарим вас за проявленный интерес

Теперь у вас есть доступ к Производственный цех с большими данными: получить больше информации от машин и производственного процесса.

Письмо с подтверждением отправлено на адрес

Перейти к странице

Пожалуйста, или получите прямой доступ к скачиванию данного документа

AI
Индустрия 4.0
Блог по Автоматизации

Производственный цех с большими данными: получить больше информации от машин и производственного процесса.

Опубликовано в 2020-09-25 16:00:00 UTC в AI

Стратегическое изучения данных – это обязательный элемент любого сценария внедрения Индустрии 4.0. Успешные проекты сопровождает четырёхэтапный подход к интеллектуальному анализу данных на основе CRISP-DM.
Упоминание «больших данных», в первую очередь, ассоциируется с анализом социальной среды или изучением предпочтений покупателей в онлайн коммерции. Но не только. Стратегический анализ данных – это, также, движущая сила и в промышленности. Frost & Sullivan верят, что анализ данных имеет бесконечный потенциал в производстве продукции. Эксперты установили, что эффективность производства может быть увеличена до 10%, операционные затраты могут быть снижены более, чем на 20% и затраты на обслуживание могут быть снижены до 50% при работе с данными, которые уже существуют в производственном процессе. Хотя существует проблема: несмотря на то, что данные могут быть относительно легко получены и сохранены, с ними мало что происходит после этого и все неявное, что содержится в этой доступной информации, теряется. Кроме того, часто нет бюджета и персонала, специализирующегося на этой задаче. Но те, кто переступает эти трудности и фокусируется на промышленном изучении данных, вскоре получают новое видение. Они трансформируют своё производство в наполненное данными.

Проект изучения данных включает: подготовку, анализ и разработку приложения, оценку и обслуживание.

Изучение данных – относительно новая дисциплина. Поэтому, пока не существует общего решения, подходящего для любого предприятия. Каждое применение требуется персонализированного анализа данных и моделирования для достижения наилучшего результата. Однако, стандартное решение, также полезно. Модель CRISP-DM (Cross-Industry Standard Process for Data Mining) (перев. Кросс-Индустриальный Стандартный Процесс Сбора Данных) – это наиболее адаптированная основа. OMRON упростил и адаптировал CRISP-DM в новый подход.  Четыре шага этого подхода: подготовка, анализ и разработка приложения, оценка и обслуживание.

Фаза 1: Подготовка

Фаза подготовки – наиболее важная фаза. Проект анализа данных никогда не будет успешным, если не понятна его цель. Поэтому, на этой важной первой фазе, все участники и эксперты в областях разбираются с проблемой или специфическими требованиями с целью чёткого определения целей проекта. Они детально анализируют оборудование и производственные процессы, чтобы получить представление какие данные уже имеются, а кие необходимо дополнительно собирать. Во время этого процесса могут собраны начальные данные и проведён их анализ для проведения технико-экономического обоснования. В результате подготовительной фазы создаётся отчёт, который позволяет показать ожидаемую результативность и реальный показатель возврата инвестиций (ROI).

Фаза 2: Анализ и разработка приложения

Далее, данные собираются в течение длительного промежутка времени, чтобы получить репрезентативную картину характера оборудования или процесса. В зависимости от исследуемого объекта, сбор данных состоит из следующих стадий:
  • Сбор данных: Данные собираются из различных источников - от первичных данных с датчиков до информации из MES систем.
  • Предобработка данных: Собранные данные подготавливаются для стадии анализа, трансформируются, объединяются и чистятся.
  • Анализ данных: применяются разработанные алгоритмы анализа и машинные модели.
  • Применение: становятся доступными результаты и заключения анализа. Таким примером являются визуализации, адаптированные к ситуации, целевой группе или в качестве обратной связи для машины.
Необходимые модели машин могут быть обучены и проверены на данных из других производственных этапов. Если проверка данных прошла успешно, приложение может быть разработано на основе этих данных, а затем запущено в применение.

Фаза 3: Оценка

Приложение используется в производственной среде, оцениваются эффективность и бизнес-результаты. Если эффективность не соответствует ожиданиям, возвращаются к предыдущим фазам проекта.

Фаза 4: Сервис и обслуживание

Производственные процессы меняются и поведение оборудования также становится предметом изменений. Причиной этого могут быть обновление машин, а также износ. Поэтому, регулярная перепроверка решения является необходимой, чтобы быть уверенным, что решение реально работает и обеспечивает эффективность. Кроме того, количество доступных данных также растёт и на основе их можно улучшать или разработать новую модель. Поэтому, необходимо регулярно делать ревизию модели машинного обучения.

Практический пример – линия поверхностного монтажа.

Решения на основе больших данных не всегда обязаны включать таинственные модели машинного обучения или искусственный интеллект. Иногда, эффективная обработка данных и предоставление достоверной информации в нужное время – достаточно правильный путь. Наглядный пример такого проекта анализа данных можно найти в статье «Сервисы Data Science от OMRON – Как получить полную отдачу от данных в Вашем цеху», которую можно скачать свободно. Проект был реализован на производственном предприятии OMRON Нидерланды (OMN) на линии поверхностного монтажа, в задачи которой входит монтаж и пайка электронных компонентов на печатных платах.

Только проекты, реализующие наиболее полный охват, отдают максимальный потенциал.

Разработка проектов на основе больших данных в Ваших производственных условиях не простая задача, но она того стоит. Не достаточно просто собирать данные и построить несколько графиков. Необходимо отфильтровывать в данных информацию, относящуюся к производственному процессу, и преподносить её правильным образом правильной аудитории. Цель – трансформировать данные в полезную информацию. Это должно происходить в сотрудничестве аналитиков данных и специалистов в производственном процессе. Только таким образом возможно создать решение, генерирующее долговременный результат.

Связаться со специалистом Omron

У вас есть вопросы или вы хотите получить персональные рекомендации? Свяжитесь с одним из наших специалистов.
  • Omron Europe

    Omron Europe