PP845 3BSE042235R1 Электрический фильтр 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.

T8310 ICS TRIPLEX Communication module
T8311 ICS TRIPLEX Motion control module
T8312-4 ICS TRIPLEX Simulator module
T8403 ICS TRIPLEX Signal module
T8403C ICS TRIPLEX Analog quantity expansion module
T8403CX ICS TRIPLEX Switching quantity output module
T8431 ICS TRIPLEX Input interface module
T8461C ICS TRIPLEX Communication expansion module
T8480C ICS TRIPLEX Communication processor module
T9110 ICS TRIPLEX Redundant system module
T9310-02 ICS TRIPLEX Electric energy measuring module
T9402 ICS TRIPLEX Digital signal board module
T9431 ICS TRIPLEX CPU controller
T9432 ICS TRIPLEX Digital quantity output module
3500-20-01  Frame interface module
3500-15-02-02-00  3500/15 AC and DC Power Supplies
1900/65A  vibration monitor
T9451 ICS TRIPLEX Control system module
3500/33  16 Channel Relay Module
3500/50   Tachometer Module
1900/27   single-channel, stand-alone, locally mounted vibration monitor
T9481  ICS  tRIPLEX AADvance Controller
3500/34  half height module
146031-01 Transient Data Interface I/O Module
149992-01 3500/33 Spare 16-Channel Relay Output Module
9199-00002 A6120 EMERSON Control card piece
135489-01 3500/42M  I/O module
125840-01 3500/15  High Voltage AC Power Input Module
330130-045-00-00  3300 XL Extension Cable
135489-03 3500/42M  I/O Module with Internal Barriers (4 Velomitor channels) and Internal Terminations
9199-00003 A6210 EMERSON I/O/DO module
125840-01 3500/15  High Voltage AC Power Input Module
125768-01 3500/20  RIM I/O Module
149992-01  Spare 16-Channel Relay Output Module
A3120/022-000 CSI3120 EMERSON Bearing-Vibration Monitor
3500/60  Resistance temperature detector
1900/55  General Purpose Equipment Monitor
3500/33 16 Channel Relay Module
330101-00-25-10-02-00  3300 XL 8 mm Proximity Probes, Metric
330130-040-00-00 3300 XL Standard Extension Cable
330130-085-00-05 3300 XL Standard Extension Cable
330180-X1-05 Modified Proximitor Sensor
A6110 9199-00001 EMERSON I/O/DO module
3500/25 Enhanced Keyphasor Module
3500/20 Rack Interface Module
3500/93 series system display
3500/42M Position Monitor