探索數據如何支援您下一次的製程變更

探索數據可以支援您下一次的製程變更

數位時代改變了公司和客戶互動、產品製作,以及將新想法付諸實行的方式。促成這一切改變的就是數據。許多工業生產商為了利用和瞭解持續增加的數據數量與可用性,持續投資軟體。

隨著更多數據出現,通知工程師和工廠經理要在其設施中部署哪些應用(以及部署在什麼位置)的潛在機會不可估量。不過,他們將面臨巨大的挑戰:整理和釐清這麼多數據,可能要花費更多精力與時間。

若要有效利用這些優勢,首先使用者需要排除不相關的數據,並專注在對其作業以及目前關鍵業務目標最重要的數據。工業生產商應尋求可以從數據中獲得更多價值的能力。

察覺作業的差異

當人們能夠以圖形化方式和數據互動,以及在連線作業中探索數據時,通常會可以更輕鬆處理資訊。建立長條圖,或是能夠以圖像呈現限制行為的XY分布圖,可以在尋找問題的答案時提供更大的脈絡,例如:我該如何將工廠的某個區域最佳化?或是我應該將哪個區域最佳化?

製造商有機會可以決定應用MPC (模型預測控制)的最佳位置,以及可以達到的改善程度。一旦部署之後,以圖形化方式和數據互動的能力,可以在MPC監測品質、數量和效能之間的關聯性時提供支援。若作業始終偏離理想狀態,可以使用MPC持續促使其回到該理想狀態。

例如,圖像呈現數據的能力有助於找出減緩容量與產量的瓶頸所在。工廠的哪個區域因為生產低於應有水準,而有利潤流失?具備這些知識,工廠的決策制定者便能知道要應用MPC或其他機器學習技術的位置,並提高效能。

在尋找可協助以圖形化方式和數據互動的工具時,若有能將手動實驗室數據或是製造執行系統等其他製造資料庫和即時製程數據合併的技術,可事半功倍。使用者能比較並整合來自不同系統的數據。

那麼,這在實際設施有什麼意義?

Data Explorer預計在2019年3月底發佈。屆時我們將提供60天免費試用,因此您可以確認此項技術是否為您的作業提供預期價值。

讓食品和飲料業因此改變

對食品和飲料生產商而言,以圖形化方式和數據互動並探索數據是非常重要的,主要是因為製造業生產商普遍存在相同數據品質及相關等問題。

無論您正在試圖解決什麼問題,都將需要探索和篩選數據,以便移除樣本中的不良數據並專注在相關數據上。例如,如果您正在研究清潔設備所需的時間,原位清洗(CIP)數據為相關數據,但如果您正在研究是哪些製程變更會導致延長必要CIP清潔時間的,製成相關的數據才是相關數據。

對於面臨的挑戰有清楚的認識,便能更妥善利用MPC等技術。若是著重在產能和原料產量,生產線某個部分的大幅度變更,後續通常需要進行多次調整。在這些情況下,MPC可以預測變更將適當維持成品品質的時機,以協助協調和執行調整。

例如,和數據互動可協助設施中的人員將炸薯條生產線中的熱燙機、乾燥機、油炸機和其他裝置辨識為可以因MPC獲益的問題區域。通過執行生產線的限制範圍,即可讓員工確保工廠生產最多的薯條,而不會犧牲品質或是影響生產線的各個部分。

即使產量或原料馬鈴薯的品質有所改變,MPC也可以協調工廠的各個區域(例如裝置溫度)排除干擾的影響。其他的干擾可能包括蒸氣壓力或冷媒溫度,MPC可以在感測到這些干擾後,利用其油炸品質的模型進行適當修正。

 

從哪裡開始探索您的數據

在探索和瞭解數據之前,使用者必須先篩選和清理資訊。透過篩選移除不相關的外離和異常狀況,使用者即可專注在對每條生產線和挑戰最重要的數據。

將所有這些功能整合在一起,可以簡化數據的探索以及尋找解決方案的過程。另外,洛克威爾自動化即將發佈的FactoryTalk® Analytics™ Data Explorer解決方案可以滿足此項需求。

Data Explorer預計在2019年3月底發佈。屆時我們將提供60天免費試用,您可以確認此項技術是否為您的作業提供預期價值。

如果您想要進一步瞭解或開始試用,請在此深入瞭解。

Michael Tay
2019--13 Michael Tay, Advanced Analytics Product Manager, Rockwell Automation

部落格

Rockwell Automation部落格是一個分享科技新知與產業訊息的平台,持續為您提供業界第一手動態消息,與潮流接軌。