AO02 Использование параметров ABB

3 Case Studies on Reducing Scrap Rates

Any product assembled or produced in a factory goes through a series of quality tests to determine whether it needs to be scrapped.
High scrap rates are caused by the opportunity cost of not delivering products to customers in a timely manner, wasted personnel time, wasted
non-reusable parts, and equipment overhead expenses. Reducing scrap rates is one of the main issues manufacturers need to address. Ways to
reduce scrap include identifying the root causes of low product quality.

3.1 Data processing

Root cause analysis begins by integrating all available data on the production line. Assembly lines, workstations, and machines make up the industrial
production unit and can be considered equivalent to IoT sensor networks. During the manufacturing process, information about process status,
machine status, tools and components is constantly transferred and stored. The volume, scale, and frequency of factory production considered in
this case study necessitated the use of a big data tool stack similar to the one shown in Figure 2 for streaming, storing, preprocessing, and
connecting data. This data pipeline helps build machine learning models on batch historical data and streaming real-time data. While batch
data analytics helps identify issues in the manufacturing process, streaming data analytics gives factory engineers regular access to the latest
issues and their root causes. Use Kafka (https://kafka.apache.org) and Spark streaming (http://spark.apache.org/streaming) to transmit real-time
data from different data sources; use Hadoo (http://hadoop.apache.org ) and HBase (https://hbase.apache.org) to store data efficiently; use
Spark (http://spark.apache.org) and MapReduce framework to analyze data. The two main reasons to use these tools are their availability as open
source products, and their large and active developer network through which these tools are constantly updated.

YOKOGAWA  AIP601
YOKOGAWA  EP1A
YOKOGAWA  VM2D
YOKOGAWA  EX1A
YOKOGAWA  ADV559-P00
ABB  CPU  3BHE041343R0102
ABB  CPU  PCD530A102
ABB   PCD530A102 3BHE041343R0102
YOKOGAWA  AIP503
YOKOGAWA  AIP121
YOKOGAWA  ESCA
YOKOGAWA  ADV159-P00
YOKOGAWA  APM11
YOKOGAWA  ADM52-2
YOKOGAWA  ADM51
YOKOGAWA  LCSC
YOKOGAWA  AS-S949IBJ-0
YOKOGAWA  AIP562 S1
YOKOGAWA  AIP413
YOKOGAWA  ET5B
YOKOGAWA  NP54C
YOKOGAWA  ADV561-P00 S2
YOKOGAWA  ADV169-P00 S1
YOKOGAWA  AAI141-H00
YOKOGAWA  ADM52C
YOKOGAWA  MX2D
YOKOGAWA  ST3D
YOKOGAWA  ST4D
YOKOGAWA  ATD5A-00-S1
YOKOGAWA  VC401-10
YOKOGAWA  NC4B
YOKOGAWA  EC0A
YOKOGAWA  ADM52
YOKOGAWA  SL1400 701240-R-J0-HE
YOKOGAWA  RS2C
YOKOGAWA  RS2C
YOKOGAWA  AAI141-S00 S2
YOKOGAWA  VM1B
YOKOGAWA  CNB-22A
YOKOGAWA  AAP149-S00 S1
YOKOGAWA  NP2A
YOKOGAWA  NP53C
YOKOGAWA  EB402-10 S1
YOKOGAWA  F3BU040N
YOKOGAWA  CP345
YOKOGAWA  EB501-10 S2
YOKOGAWA  CP451-10 S2
YOKOGAWA  EA2A
YOKOGAWA  EN71A
YOKOGAWA  AIP181
YOKOGAWA  IP91A
YOKOGAWA  PW482-10 S2
KEBA   FB201
YOKOGAWA  AAM50
YOKOGAWA  CP21A
YOKOGAWA  AIP502
YOKOGAWA  PS62A
YOKOGAWA  AAM11B
YOKOGAWA  ANR11D-420S1
YOKOGAWA   AAR181-S50S2
YOKOGAWA   VF311
YOKOGAWA   DX11A
YOKOGAWA   ADM11C
YOKOGAWA   EH1A
YOKOGAWA   PW302S4
YOKOGAWA   ADM11
YOKOGAWA   AIP512
YOKOGAWA   AIP532
YOKOGAWA   AVR10D-Q22020-S2
YOKOGAWA   FC82B
YOKOGAWA   PW404
YOKOGAWA   SI11B
YOKOGAWA   SDBS-140A