この新しい分析ソリューションが、デバイスレベルでの1つの答を提供します。プラグイン機器で納品されるこのソリューションは、産業ネットワークに接続してACドライブや状態センサなどの資産を発見します。生成されたデータを、構成済みの健全性ダッシュボードと診断ダッシュボードで使えるデータに変換して、分析を行ないます。
故障の因果関係などのデバイスの相互関連性に関する情報が機器によって明らかにされると、配備されているシステムの理解が進み、規範的な推奨事項を提示できるようになります。例えば、最適なパフォーマンスを維持するためにドライブの再設定が必要な場合は、ユーザのスマホやタブレットに「アクションカード」を送信します。
最終的には、この規範的なアプローチにより、メンテナンスチームがより先を見越した保守を行ない、潜在的なダウンタイムを最小限に抑えることができます。
自動車製造の大変革
スケーラブルな分析は、ディスクリート自動車アプリケーションのゲームチェンジャーです。また、この変換アプローチでは、マシンラーニングが製品の品質と生産速度に大きな影響を及ぼす複雑な連続プロセスに不可欠になることが見込まれます。
一例をあげましょう。角柱形ポーチセルバッテリの生産です。角柱形ポーチセルは提供できる体積当たりのエネルギーが円筒形バッテリよりも大きく、電気自動車市場でのけん引力を獲得しつつあります。
ただし、角柱形ポーチセルの生産には、高度なモーション、精度、連続プロセスが必要です。このタイプの動的な多変数環境では、プロセスの最適化が課題です。しかし、これは真に、スケーラブルな分析およびマシンラーニングのための課題です。
動的な数学的モデルを使用して、システムは学習によって1つの変数が別の変数に及ぼす影響を認識し、最適な結果を得るためにその後の動作を自動的に調整します。それと同時に、システムは継続的な品質のモニタと先を見越した調整を可能にする、SPCチャートなどの重要な分析結果をオペレータに提供できます。
スケーラブルなアプローチがデバイスを越えて拡大し、マシンレベルとプロセスレベルで適用できることを頭に入れておいてください。また、このプラットフォームをMES (製造実行システム)、OEE (総合設備効率)、およびその他の製造業務および分析システムと統合し、生産スケジュールやエネルギー管理などの多様なエリアで、企業全体の最適化を簡単に推進することができます。
スケーラブルな分析と、データソースでどのようにしてより最適な決定を始めるかについては、こちらをご覧ください。
共著: トッド･モンパス、製品マネージャ、情報ソフトウェア、ロックウェル･オートメーション
