USB030AE02 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.

IOP353 METSO  DIGITAL INPUT MODULE
MPL-B540K-SJ24AA A  Allen-Bradley  Low inertia AC motor
IOP345 METSO  DIGITAL INPUT MODULE
IOP341  METSO  POSITIONER MODULE
DI93a HESG440355R3 ABB  Processor Unit
IOP320  METSO  ANALOG OUTPUT MODULE
IOP303  METSO  RTD INPUT DETECTOR MODULE
IOP302  METSO  Analog Input Card
125768-01 Bently Nevada RIM I/O Module with RS232/RS422 Interface
IOP111  METSO  PAT Output Module
136719-01 Bently Nevada  Barrier Earth Module
KUC711AE 3BHB004661R0001 ABB Excitation controller module
DPU-MR  METSO  Processing unit
3500-20 125744-02 Bently Nevada Rack Interface Module
KUC711AE101 3BHB004661R0101 ABB  Excitation controller module
07KT98C GJR5253100R028 ABB  central processing unit
07KT98 GJR5253100R4278  ABB  central processing unit
07KT98 H2 GJR5253100R0278 ABB  central processing unit
07KT97 GJR5253000R4270 ABB central processing unit
2GK180K ORIENTAL MOTOR  GEAR HEAD
S-0000 REV.C SUGAHARA Printed Circuit Board
BALEXT-SMP KOKUSAI i/o board
SCXI-1193 NI  RF Multiplexer Switch Module
1C31227G01  WESTINGHOUSE  ANALOG INPUT
DS200DCFBG1BLC GE  Power Supply Board Mark V Series
SR469-P5-HI-A1-E GE Motor Management Relay
700-PKT B  Allen-Bradley  INDUSTRIAL RELAY
3625C1  TRICONEX  Digital Output
MVME5500-0163 MOTOROLA VMEbus Single-Board Computer
IC695CPE310-ABAD GE PACSystems RX3i mid-range controller module
USIO21 TOSHIBA  Temperature Measurement Module
1797-PS2E2A  Allen-Bradley  power supply
05701-A-0361 HONEYWELL  Engineering Card
6186-M15ALTRB Allen-Bradley  15-inch industrial monitors
MVI56-PDPMV1  ProSoft  PROFIBUS DPV1 Master Communication Module
API4380G  ABSOLUTE PROCESS INSTRUMENTS
SST-1500-YCX-3-1-0  Teknic  SERVO DRIVE
3500/33 149986-01 Bently Nevada Spare 16-Channel Relay Control Module
A404K  BASLER  INDUSTRIAL CAMERA
3500/60  Bently Nevada  Temperature Monitor
9753-1 Triconex  ANALOG INPUT MODULE
9853-610 Triconex  ANALOG INPUT MODULE
125388-01H Bently Nevada Half-height Module Internal Chassis
44A751101-G01  GE
UFC760BE41 3BHE004573R0041 ABB INTERFACE BOARD
SD-98762 101-098762-001 GE control module
PW01  SIS  power-supply module
SCM040 940860010011 PHILIPS Processor module