RDCU-12C 3AUA0000036521 Модуль ввода / вывода ABB

0 Preface

Germany”s “Industry 4.0″ and the United States” “Industrial Internet” will
restructure the world”s industrial layout and economic structure, bringing different challenges and
opportunities to countries around the world. The State Council of China issued “Made in China 2025” as an action plan
for the first ten years of implementing the strategy of manufacturing a strong country, which will accelerate the integrated
development of IoT technology and manufacturing technology [1]. IoT collects data on machine operations, material usage
, facility logistics, etc., bringing transparency to operators. This transparency is brought about by the application of data analytics,
which refers to the use of statistical and machine learning methods to discover different data characteristics and patterns. Machine
learning technology is increasingly used in various manufacturing applications, such as predictive maintenance, test time reduction,
supply chain optimization, and process optimization, etc. [2-4]. The manufacturing process of enterprises has gradually developed from
the traditional “black box” model to the “multi-dimensional, transparent and ubiquitous perception” model [5].

1 Challenges facing manufacturing analysis

The goal of manufacturing analytics is to increase productivity by reducing costs without compromising quality:

(1) Reduce test time and calibration, including predicting test results and calibration parameters;

(2) Improve quality and reduce the cost of producing scrap (bad parts) by identifying the root causes of scrap and optimizing
the production line on its own;

(3) Reduce warranty costs, use quality testing and process data to predict field failures, and cross-value stream analysis;

(4) Increase throughput, benchmark across production lines and plants, improve first-pass rates, improve first-pass throughput,
and identify the cause of performance bottlenecks such as overall equipment effectiveness (OEE) or cycle time;

SPSOE01 SOE Server Node Kit
SPSET01 DI and Time Synch Module
SPSED01 Digital input module
SPRIO22 Harmony Remote Rack I/O Module
SPQRS22 I/O module
SPFEC12 analog input module
SPDSO15 Digital output module
SPDSO14 digital output module
SPDSM04  Pulse In Module
SPDSI22 Digital input module
SPDSI14 Digital input module
SPDSI13 Digital Slave Input Module
SPCIS22 Control I/O Module
SPASO11 AO Module 14 CH, Supports 4-20mA, 1-5V
SPASI23 AI Module
SPTKM01 SOE Time Keeper Master
SPSEM11 SOE Master Module
SPNPM22 Network Processor Module
SPNIS21 Network Interface Module
SPIPT800 PN800 Transfer Module
SPIIT13 Local Transfer Mod
SPIIT12 Remote Transfer Mod
SPIIL02-L Local interface suite
SPIET800 Ethernet CIU Transfer Module
SPICT13A S+ Infi-net to Computer Interface Module
SPICI800 Ethernet CIU Kit
SPCPM02 RS-232 Serial interface
SPBRC410 Modbus Indicates the controller of the TCP interface
SPBRC400 Controller with Expanded Memory
SPBRC300 Controller module
SPBLK01 Control System module
PBA800 Process Bus Adaptor HN800
INTKM01 time Keeper Master Module
INSEM11 Sequence of Events Master Module
INNPM22 Network Processor Module
INNIS21 Network Interface Slave module
INIET800 Communication Module
INICT13A HR series controller
IMBLK01 Blank Faceplate HR Series
KEBA FM 265/A Profibus Interface module of the slave station
FC-TSHART-1620M Analog input module
FC-TSAI-1620M Analog input module
F7553 Coupling Module HIMA
HIMA 8-Channel Output Module F3330
HIMA F3236 igital Input Module
Flowserve F5-MEC-420 Feedback unit valve positioner
Mark V DS200DCFBG1BLC Power Supply Board
D674A906U01 FET3251COP1B4COH2 Automatic spare parts
GE D20 EME  10BASE-T  Media Interfase Card
GE Multilin D20 EME Substation controller module
CML40.2-SP-330-NA-NNNN-NW  Drive Controller