Rút ngắn chu kỳ thử nghiệm và lỗi và tăng hiệu quả sản xuất
Nền R & D
Chất lượng sản phẩm bị ảnh hưởng bởi các yếu tố như biến động về chất lượng nguyên liệu và sự lão hóa của thiết bị sản xuất. Để giúp giải quyết những vấn đề này, các nhà sản xuất đang chuyển đổi kỹ thuật số thông qua các công nghệ như AI, Dữ liệu lớn và Internet vạn vật công nghiệp (IIOT).
Phần mềm phân tích dữ liệu quy trình của Yokogawa sử dụng phương pháp MahalanobisTaguchi (MT) * để thu thập nhanh chóng và hiệu quả nhiệt độ, áp suất, lưu lượng, mức và các dữ liệu quy trình khác từ PIMS, phân tích thông tin trạng thái vận hành và bảo trì của cơ sở và chạy dữ liệu lịch sử. Được sử dụng cùng với các dịch vụ phân tích của Yokogawa, phần mềm có thể cải thiện chất lượng sản phẩm một cách hiệu quả.
Kể từ khi phát hành phân tích dữ liệu quy trình R1.01 vào tháng 5 năm 2017, Yokogawa đã làm việc với các kỹ sư quy trình khách hàng và các chuyên gia dữ liệu để cải tiến sản phẩm. Nhờ những nỗ lực của họ, phần mềm đã được cải thiện để nhập và phân tích dữ liệu PIMS từ các nhà cung cấp khác, đơn giản hóa và tăng tốc các thay đổi và tính toán thiết lập và giúp báo cáo dễ dàng hơn. Những cải tiến trong phần mềm cải thiện hiệu quả hoạt động và chất lượng phân tích dữ liệu và rút ngắn chu kỳ thử nghiệm và lỗi.
Tính năng: Nhập dữ liệu từ PIMS hỗ trợ chuẩn OPC
Trong các nhà máy khác nhau trên thế giới, rất nhiều hệ thống thu thập dữ liệu được sử dụng từ các nhà cung cấp khác nhau. Để phân tích hiệu quả, điều quan trọng là có quyền truy cập vào tất cả dữ liệu được thu thập bởi các hệ thống này. Phần mềm phân tích dữ liệu quy trình chạy trên PC Windows® và có thể truy cập các tệp được chuyển đổi từ PIMS, DCS và PLC sang định dạng CSV. Phân tích dữ liệu quá trình R1.02 đi kèm với giao diện truy cập dữ liệu lịch sử OPC (HDA), một tiêu chuẩn toàn cầu để trao đổi dữ liệu trong tự động hóa công nghiệp và các lĩnh vực khác. Nhờ tính năng này, phần mềm có thể dễ dàng nhập dữ liệu hỗ trợ tiêu chuẩn từ PIMS.
Cải thiện khả năng hoạt động
Để thuận tiện cho việc phân tích dữ liệu, quá trình phân tích dữ liệu R1.02 cho phép lớp phủ biểu đồ dữ liệu cho nhiều quy trình. Bây giờ cũng có thể dễ dàng sửa đổi các cài đặt như điểm bắt đầu dữ liệu và màu hiển thị tùy thuộc vào điều kiện sản xuất. Điểm chuẩn được thực hiện bởi các nhà phân tích của Yokogawa cho thấy các tính năng này giúp giảm 80% thời gian phân tích dữ liệu.
Nắm bắt / chia sẻ kết quả phân tích
Để tạo điều kiện trao đổi kết quả phân tích dữ liệu giữa các kỹ sư, Phân tích dữ liệu quy trình R1.02 bổ sung các tính năng mới, cho phép các kỹ sư nắm bắt các biểu đồ hiển thị kết quả phân tích và dán dữ liệu vào bất kỳ phần mềm báo cáo chung nào. Điều này giúp loại bỏ khối lượng công việc cần thiết để tạo biểu đồ và các nhà phân tích có thể tập trung vào nghiên cứu và thảo luận về kết quả.
Sự phát triển tương lai
Các nhà sản xuất cần truy cập và phân tích dữ liệu thực địa để cải thiện chất lượng và năng suất, và chuyển sang điện toán đám mây, trí tuệ nhân tạo, dữ liệu lớn, IIoT và các công nghệ và giải pháp tiên tiến khác để giải quyết nhu cầu này. Để đáp ứng những nhu cầu này và giúp khách hàng cải thiện chất lượng sản phẩm, Yokogawa sẽ tiếp tục phát triển các sản phẩm sử dụng các công nghệ và giải pháp này.
Phương pháp Mahalanobis Taguchi (MT) *: Một kỹ thuật nhận dạng mẫu được đặt theo tên của Tiến sĩ PC Mahalanobis. Tiến sĩ Mahalanobis đề xuất khoảng cách Mahalanobis (một biện pháp đa biến dựa trên mối tương quan giữa các biến) và Tiến sĩ Genichi Taguchi là một trong những nhân vật quan trọng thúc đẩy sự phát triển của kỹ thuật chất lượng. Dựa trên khoảng cách giữa dữ liệu tham chiếu và dữ liệu mẫu, phương pháp có thể xác định định lượng độ lệch so với dữ liệu đích.
Nếu bạn muốn mua một động cơ xử lý chế biến thực phẩm, hãy chú ý đến động cơ máy pha cà phê.
