3BHE024577R0101 Использование параметров ABB

(5) Perform predictive maintenance, analyze machine operating conditions, determine the main
causes of failures, and predict component failures to avoid unplanned downtime.

Traditional quality improvement programs include Six Sigma, Deming Cycle, Total Quality Management (TQM), and Dorian Scheinin’s
Statistical Engineering (SE) [6]. Methods developed in the 1980s and 1990s are typically applied to small amounts
of data and find univariate relationships between participating factors. The use of the MapReduce paradigm to simplify data processing in
large data sets and its further development have led to the mainstream proliferation of big data analytics [7]. Along with the development of
machine learning technology, the development of big data analytics has provided a series of new tools that can be applied to manufacturing
analysis. These capabilities include the ability to analyze gigabytes of data in batch and streaming modes, the ability to find complex multivariate
nonlinear relationships among many variables, and machine learning algorithms that separate causation from correlation.

Millions of parts are produced on production lines, and data on thousands of process and quality measurements are collected for them, which is
important for improving quality and reducing costs. Design of experiments (DoE), which repeatedly explores thousands of causes through
controlled experiments, is often too time-consuming and costly. Manufacturing experts rely on their domain knowledge to detect key
factors that may affect quality and then run
DoEs based on these factors. Advances in big data analytics and machine learning enable the detection of critical factors that effectively
impact quality and yield. This, combined with domain knowledge, enables rapid detection of root causes of failures. However,
there are some unique data science challenges in manufacturing.

(1) Unequal costs of false alarms and false negatives. When calculating accuracy, it must be recognized that false alarms
and false negatives may have unequal costs. Suppose a false negative is a bad part/instance that was wrongly predicted to
be good. Additionally, assume that a false alarm is a good part that was incorrectly predicted as bad. Assuming further that
the parts produced are safety critical, incorrectly predicting that bad parts are good (false negatives) can put human lives
at risk. Therefore, false negatives can be much more costly than false alarms. This trade-off needs to be considered when
translating business goals into technical goals and candidate evaluation methods.

IS220PDIAH1B gas turbine control systems
IS220PDOAH1A Analog output module
IS220PDIOH1B  Analog output module
IS220PPDAH1B  Single-socket CPU module
IS220PPROH1A  control gas turbine operation
IS215UCVEH2AE Expand digital input and output
IS200VVIBH1CAC Vibration monitoring panel
IS215UCVEM06A  Analog input controller board
IS215UCVGH1A Digital analog controller
IS215VCMIH2C VME communication card
IS200TREGH1B Rack mounted power supply board
IS200TREGH1BDC Gas turbine system clamp
IMHSS03 Hydraulic servo module
IC800SSI228RD2-CE-2  AC motor drive module
IS200TPROS1CBB-IS230TSPRH1C-MRP680538 module
IC754VSF12CTD Robot highly integrated system
IC693CPU374  programmable logic controller
HYDRAN-M2  enhanced transformer
HVC-02B robot control board produced
HP-5517B sensor  durable maximum
3500/15 127610-01 Industrial automation system
AI895 3BSC690089R1  intelligent motor
AO2000 LS25 Analog output module
CI627A 3BSE017457R1   power electronic product
TB852 3BSC950263R1   Frequency changer
0090-07135 Chip mounter machine
RED670 Line differential protection equipment
TU890 3BSC690075R1 Efficient, intelligent motor
KJ4001X1-BE1 12P0818X072 REV:L   controller
KJ2201X1-JA1  isolation protection function
3500/25 149369-01 automation control system
CE4002S1T2B5    refrigeration compressor model
CE4005S2B4  Compressor product line
PCI-4462 Data acquisition board   converter
PCIE-6321 I/O devices Digital timing engine
PCI-6733  Analog output device
3ASC25H209 DATX110 Controller module
MTL5517   high-speed Ethernet controller
05701-A-0361  thermistor High precision
136188-02 I/O module Communication interface
DS200SIOBH1ABA  I/O board  include discrete
DSQC639  performance industrial control board
ETT-VGA  display   Cost effective
5SHX1445H0002  IGCT SCR produced
5SHX1445H0002  IGCT SCR produced
5X00070G01  multiple communication interfaces
5SHY3545L0020-2  voltage inverter control board
5SHY4045L0001  Semiconductor spare parts
5SHX08F4502-2  Mainstream switch module
5SHX0660F0002 Dc speed  medium pressure plate