IoTとデータの理解

データのコンパイルに伴うクラウドベースのセンシングとアクチュエーションが拡大するにつれて、私たちは理解における共通性の欠如を認識する必要があります。使用する言葉だけの場合もあれば、セマンティクスの場合もありますが、期待される結果の混乱が生じる場合もあります。

機械では、毎分RPM回転数、毎分SPMストローク、スピンドル速度、毎分IPMインチなどについて説明します。これらの用語はすべて、機械に関連しています。 1分あたりの部品数（PPM）は、私たちが本当に気にかけていることです。 IoTと私たちが望む結果を見るとき、それは私たちがデータを曇らせ、私たちの情報を混乱させる測定と測定基準です。したがって、情報を明確にする必要があります、とジョセフ・ズリックは MRO Electric and Supply のライター兼マネージャーであると言います。 。

製造現場では、製品に対する新たな高い需要を達成するため、または期限を達成するために、機械を「スピードアップ」できるかどうかを監督者が尋ねるのをよく耳にします。これは物事が曇るところです。監督者は、どのように部品を増やすかを特に気にしません。監督者の目標は、需要を満たすことです。

オプションの解決策は、マシンをより高速に実行することです。これもあいまいです。モーターの速度または1分あたりのストロークを上げると、品質の問題が発生する可能性があるためです。スタンピングでは、スライド速度を上げると、成形時に材料が引き裂かれる可能性があります。機械加工では、1回のパスでより多くの材料を取り除こうとしているため、熱が発生し、制御が失われ、仕上がりが悪くなる可能性があります。プレスブレーキを使用すると、スプリングバックが大きくなる可能性があります。

したがって、問題は、同じ部品品質をより高いレートでどのように達成できるかということです。センサーは、ますます多くを監視できるようになりました。多くのシステムで人工知能を使用すると、過去のIoTフィードバックと予想される結果に基づいていくつかのシナリオを提供できます。一例として、プレスで部品をあるステーションから別のステーションに転送する場合、一定の時間がかかります。

実行速度が速いと、自動シングルストロークでの操作を余儀なくされる場合があります。これは、マシンが上部で停止し、パーツが1つのステーションまたは操作から次のステーションに移動するのを待機するモードです。驚いたことに、あなたはより遅く走り、決して上で止まらないことによってより速い速度を達成することができます。純粋な連続モードを維持することで、作成できるパーツの数は、マシンをより高速に実行して自動化を待つことで作成できる数よりも多くなります。これは部分的に、ボトルネックの決定に焦点を当てた制約理論の焦点です。また、リーン生産方式およびこれらの製造コンセプトを採用するシステムの一部になることもあります。

これらの理論は、需要を満たすのに十分な部品である目標を達成するための最良の方法を監視および証明しているIoT側に組み込まれています。油圧機械やサーボ技術に見られるもう1つの解決策は、ストローク長の制限です。部品を作るのにかかる時間を決定するものの一部は、ストロークあたりの時間です。単純な計算では、何かが1分あたり60ストロークで実行されているかどうかが決まり、1ストロークには1秒かかります。では、どうすれば生産を改善できるでしょうか。油圧およびサーボマシンでは、ストロークの長さを変えることができます。

1秒あたり1ストロークのマシンを見て、ストロークの長さが4インチの場合、ストロークの無駄な時間を取り除くことができるかもしれません。自動化が行われているときを除いて、すべての返品時間はある程度無駄になり、とにかく生産することはできません。おそらく、ストロークの長さを3インチに制限できます。今回はその秒の1/4を節約できるかもしれません。これにより、1分間にさらに15個の部品が生産される可能性があります！

これは、リンクモーションプレスがスライド速度プロファイルを変更することで使用するのと同じ哲学です。素人の言葉で言えば、生産が行われていないアップストローク中はより速く動作します。

サーボマシンは、油圧マシンと同様にストローク長の調整を利用します。これはすべてのタイプの機械に当てはまります。これの副次的なボーナスは、これらの領域がより長いストロークのマシンでより長くさらされるので、リスクと危険への露出を減らすことです。

IoTは生産数を監視し、機械の最適化を証明し、情報を理解するのに役立ちます。私たちは、達成しようとしていることを明確にする必要があります。上に示したように、より速く実行するように依頼することは間違った解決策である可能性があります。

センサーは、間違ったことを感知するために使用される場合にも誤用される可能性があります。部品が機械から外れたと感じたからといって、それが良い部品、実際に仕上げられた、または梱包された部品であるという保証はありません。不良部品の除去は、検知された不良部品を最後に通過させて廃棄する時間よりもコストがかかる可能性があるため、より多くのシステムで、操作を通じて良好部品と不良部品を追跡できるようになりました。もちろん、これは悪い部分が異常であり、失敗ではないことを条件としています。このデータはダイバータを起動し、不良部品を拒否して排出する可能性があります。

データが問題を変更または解決しないため、または収集したものが違いを生むために行動する必要のある結果をもたらさないために、データをあきらめることがよくあります。センサーは解決策を提供しますが、データ収集のないセンサーであり、比較は単なるデータポイントであると私たちは感じています。

私があなたに6番を与えて、問題を解決するように頼んだら、あなたはそれをすることができません。トレンドを決定するための数式または他のデータポイントが必要です。それが違いを生む方法です。改善が期待できるのは、この情報と知識だけです。

この情報のコンテキストを取得したら、変更を加えるために必要な制限を作成できます。主要業績評価指標を分析および解釈するAIシステムがいくつかありますが、問題は、入力コンテキストのないデータが出力コンテキストのない出力推奨を提供することだけです。ことわざにあるように…GarbageIn =GarbageOut。

私たちはデータシステムを改善しており、特にアナログセンシングでは、表記法がその大きな部分を占めています。アナログセンシングに関連する値を知る必要があります。同様に重要なのは、役に立たないコード値ではなく、実際のメッセージです。視覚的な手がかりは、オペレーターがメッセージとアクションを解釈するために上司や保守担当者にエスカレーションして待つ必要なしに、メッセージを理解してそれに基づいて行動できる場合にも非常に役立ちます。

製造の運命はデータに依存しています。私たちは現在、進歩の中間段階を進んでいます。 AlexaやSiriのようなシステムを全知のシステムとして扱うこともありますが、実際には、プログラムやスキルを実行するためのキーワードのカタログがあります。

エキサイティングな部分は、次に来ることです。これは、システムが、私たちが求めていることと実際に知りたいことの欠点を理解する程度は低いです。私たちの失敗は、私たちが思っているよりも近い、よりスマートな明日のシステムにつながります！

著者はJosephZulickで、MRO Electric andSupplyのマネージャーです。