Allen-Bradley ControlLogix 및 CompactLogix 컨트롤러의 명령어 세트는 매우 광범위합니다. 따라서 일반 사용자가 전혀 사용하지 않거나 인식하지 못하는 지침이 많다는 것은 놀라운 일이 아닙니다. SRTP로 축약되는 Split-Range Time-Proportioning 명령어도 예외는 아닙니다. 저는 Allen-Bradley ControlLogix 제품이 출시된 지 20년이 넘은 이후로 사용하고 있으며 몇 년 전에 ControlLogix 및 CompactLogix 명령어 세트의 프로세스 제어 명령어 그

디지털 혁신에 적응하는 방법 제조 분야에는 많은 디지털 트랜스포메이션 트렌드가 있습니다. 적층 제조, 연결된 장치, 클라우드 서비스 등은 기업이 끊임없이 변화하는 세상에서 통제력을 확보하는 데 도움이 됩니다. 많은 기업이 디지털 혁신에 대해 이야기하고 있지만 최근의 사건에 따르면 기술은 여전히 ​​천연 자원, 인구, 질병과 같은 전통적인 요인에 의해 주도되고 있습니다. 우리는 이미 3D 프린팅이 디지털 혁신을 주도하는 방법을 다루었습니다. 다음은 제조를 발전시키는 예측 기술과 현재 디지털 미래를 향한 산업의 추진을 가속화하는 동

디지털 혁신에 적응하는 방법 제조 분야에는 많은 디지털 트랜스포메이션 트렌드가 있습니다. 적층 제조, 연결된 장치, 클라우드 서비스 등은 기업이 끊임없이 변화하는 세상에서 통제력을 확보하는 데 도움이 됩니다. 많은 기업이 디지털 혁신에 대해 이야기하고 있지만 최근 사건에 따르면 기술은 여전히 ​​천연 자원, 인구, 질병과 같은 전통적인 요인에 의해 좌우된다는 사실이 밝혀졌습니다. 우리는 이미 3D 프린팅이 디지털 혁신을 주도하는 방법을 다루었습니다. 다음은 제조를 발전시키는 예측 기술과 현재 디지털 미래를 향한 산업의 추진을 가

컴퓨터의 초기 시대에 과학자들은 주로 간단한 수학 및 논리 연산을 수행하는 데 컴퓨터를 사용했습니다. 그 후 컴퓨터는 복잡한 계산을 수행하고 문제를 정교하게 해결하며 세계의 정보 중추를 형성하도록 천천히 진화했습니다. 기존 컴퓨팅의 범위를 넘어서는 것은 컴퓨터에 지능이 필요하다는 것을 의미했습니다. 연구원과 컴퓨터 엔지니어는 인간의 지능을 모방하기 시작했습니다. 인공 지능(AI)은 인간만큼 지능적인 컴퓨팅 시스템을 만드는 데 전념하는 컴퓨터 과학 분야입니다. 초기 AI 모델은 복잡한 논리 연산을 수행하는 컴퓨팅 시스템이었습니다.

산업용 모터 시작 산업용 모터 스타터는 3상 유도 전동기가 시동되는 데 필요한 전력을 용이하게 하는 장치입니다. 모든 전기 모터는 모터가 정지할 때 가장 많은 전류(공칭 전류의 5~6배)를 소비합니다. 시동 단계에서 전원이 인가되면 모터가 정지되고 모터가 막 회전하려고 합니다. 이론상으로는 간단해 보이지만 설계자나 엔지니어가 교류(AC) 유도 전동기를 시작하고 보호할 수 있는 다양한 방법이 있습니다. 어떤 방법은 다른 방법보다 더 효율적입니다. 그림 1. 수동/스위치 모터 스타터. 이미지 사용:Siemens 제공

이 짧은 시리즈는 디지털 혁신의 동인을 다룹니다. 아래는 시리즈의 이전 기사에 대한 링크입니다. 3D 인쇄가 계속해서 디지털 혁신을 주도합니까? 예측 유지보수와 디지털 혁신 간의 관계 데이터를 사용하여 디지털 혁신을 주도하는 방법(현재 위치) 많은 회사에서 모니터링, 원격 액세스, 기계 학습 등과 같은 디지털 도구를 확장하려고 합니다. 이 기사에서는 이러한 기술이 제조의 미래를 주도하는 데 어떻게 도움이 되는지 살펴볼 것입니다. 올바른 데이터 사용 엔지니어는 일반적으로 통계와 수학을 사용하여 의사 결정을 내리는 방법을 배

딥 러닝은 산업 응용 프로그램을 포함하여 다양한 영역에서 새로운 응용 프로그램을 사용하는 데이터 분석가의 무기고에서 귀중한 도구입니다. 딥 러닝의 기본 작동 원리는 대용량 데이터를 사용하여 정확한 예측을 할 수 있는 모델을 구축하는 것입니다. 산업 자동화 엔지니어가 두 가지 딥 러닝 모델을 결합해야 하는 경우에 대한 작은 예를 살펴보겠습니다. 스마트폰 회사는 여러 모델의 스마트폰을 제조하는 생산 라인을 사용합니다. 딥 러닝 알고리즘을 사용하는 컴퓨터화된 비전은 생산 라인의 품질 관리를 수행합니다. 현재 생산 라인에서는 Phon

제조 자동화 수준이 증가함에 따라 제어 시스템 및 데이터의 원격 액세스에 대한 필요성과 이점도 증가합니다. 공정 제조 산업에서 운영자와 엔지니어는 원격 액세스를 통해 사무실, 가정 또는 커피숍에서 랩톱, 스마트폰 또는 태블릿에서 장비를 제어하고 데이터를 분석하고 시스템 문제를 해결할 수 있습니다. 원격 액세스란 무엇입니까? 원격 액세스는 데이터 및 제어 시스템이 전자적으로 실행되고 인터넷(또는 회사의 사설 인트라넷)을 통해 액세스되는 곳입니다. 이렇게 하면 엔지니어와 기술자가 공정 데이터나 제어 시스템을 수집하기 위해 산업 시

자율 유지 보수는 실제 기계 작동이 제조의 기초 수준에서 관련된 다양한 산업에서 따르는 개념입니다. 기본적으로 이러한 유형의 유지보수는 기계가 잠재적인 고장 원인을 감지하고 필요한 유지보수를 자체적으로 완료함으로써 작동합니다. 예측 유지 보수와 예방 유지 보수의 중요성 사이에 논쟁이 있을 수 있지만 자율 유지 보수를 통해 운영자는 예측 및 예방 유지 보수 활동을 모두 수행할 수 있습니다. 자율 유지보수 전략은 유지보수 담당자의 책임을 덜어주지 않습니다. 그러나 일반적이고 기본적인 기능 대신 더 복잡하고 고급 활동을 수행할 수 있

평균 복구 시간(MTTR)이란 무엇입니까? 자동화 소프트웨어에서 MTTR(평균 복구 시간)은 장비를 얼마나 쉽게 진단하고 자동 작동으로 복원할 수 있는지 결정하는 데 사용되는 메트릭입니다. MTTR은 기계를 생산적인 상태로 복원하는 데 걸리는 평균 시간이며 기계 효율성을 위한 좋은 기준을 제공합니다. 다른 표시기와 함께 사용하면 제어 엔지니어와 유지 관리 직원이 줄일 수 있는 성가신 오류를 지적할 수 있습니다. 그림 1. 산업 기계. 기계 고장 모든 기계에는 기계를 멈추고 작업자 또는 유지보수 직원에게 알리는

데이터 레이크와 빅 데이터는 종종 잘못 이해되고 잘못 사용되는 두 가지 현대적인 용어입니다. 내재된 대용량 데이터로 인해 이러한 용어는 때때로 같은 의미로 사용됩니다. 그러나 데이터 레이크와 빅 데이터는 현재 정의가 아직 완전히 확립되지는 않았지만 다릅니다. 그림 1. 최신 데이터는 다양한 소스와 다양한 유형에서 가져올 수 있습니다. Analytics Vidhya 제공 이미지 사용 먼저 간략한 역사적 맥락을 살펴보자. 2000년대 후반, Facebook 및 Twitter와 같은 소셜 미디어 플랫폼의 폭발적인 성장과 함께

전산 유체 역학(종종 CFD로 축약됨)은 다양한 산업 및 응용 분야에서 사용됩니다. SoC(System on Chip)를 적절히 작동할 수 있을 만큼 냉각시키는 효율적인 방법을 엔지니어링하는 것부터 경주용 자동차가 시간을 몇 초만 더 단축할 수 있도록 돕는 것까지, 전산 유체 역학은 시뮬레이션 및 최적화를 위한 강력한 도구로 남아 있습니다. 그림 1. CFD는 종종 항공우주 및 자동차 설계와 관련이 있지만 전기 모터, 로봇 공학, 배터리 및 열 관리를 비롯한 다양한 산업에 적용됩니다. 이미지 사용:Siemens 제공

빅 데이터가 등장한 이후로 현대 컴퓨터 과학은 새로운 기능과 처리 능력 벤치마크에 도달했습니다. 요즘은 빅데이터로 간주되는 100테라바이트 이상의 데이터 세트를 생성하는 애플리케이션을 찾는 것이 일반적입니다. 이처럼 방대한 양의 정보가 손에 잡혀 있으면 무질서해지고 쓸데없는 내용으로 시간을 낭비하기 쉽습니다. 빅 데이터 프로젝트의 효율성과 효율성을 높이는 방법론을 따르는 것이 매우 중요한 두 가지 이유입니다. 그림 1. 최신 데이터 과학은 빅 데이터라고도 하는 매우 큰 데이터 세트를 사용합니다. 데이터 과학 수명

인더스트리 4.0이 공급망 전체를 휩쓸면서 관련된 모든 사람에게 상당한 영향을 미칠 것이 분명합니다. 그래도 문제는 어떻게 하느냐입니다. 인더스트리 4.0 및 공급망 인더스트리 4.0이라는 이름에서 예상할 수 있듯이 제조, 개발 및 현대적인 공급망을 포함한 다양한 산업에 심오하고 혁신적인 변화가 오고 있습니다. 4차 산업 혁명, 따라서 4.0이라는 별명이 붙은 이 혁명은 새롭게 디지털화된 환경을 위한 개선된 데이터 교환 및 자동화 효율성의 전면적인 추세를 수반합니다. 인더스트리 3.0은 자동화 기술의 광범위한 채택 및 출시였습니

IIoT(산업용 사물 인터넷)에 대해 이야기합니다. 산업용 사물 인터넷(IoT)의 운영 기술은 IT 스타일 패치를 용납할 수 없습니다. 위협 분석을 사용하는 것은 안전하고 강력한 솔루션입니다. 기업 내에서 그리고 전 세계적으로 IIoT 에코시스템은 복잡하게 얽혀 있고 협상된 IT와 OT의 합병입니다. OT 시스템은 비즈니스에 중요할 뿐만 아니라 국가에 중요하거나 생사를 좌우할 수 있습니다. 내가 이야기하는 모든 산업용 사물 인터넷(IIoT) 고객은 가장 강력한 보안을 원합니다. 사물 인터넷 아님 - 산업용 사물 인터넷(IIoT)

지난 10년 동안 기술에 의해 혁신되지 않은 부문은 단 한 곳도 없습니다. 일상의 대화, 출퇴근, 교제가 달라졌다. 그럼에도 불구하고 의료 산업은 다른 산업이 상상할 수 있는 것보다 먼 길을 왔습니다. 기술이 의료 산업을 변화시켰다고 말하는 것은 여러 면에서 과소 평가가 될 것입니다. 헬스케어-테크 하이브리드 기술의 발명과 적용은 의료 산업의 신조와 그 신조가 도달하는 범위를 다시 작성했습니다. 당신은 의료 산업의 단순한 수혜자일 수도 있고 전문가일 수도 있습니다. 의료 및 기술 산업의 상호 의존적 영역에서 일어나는 변화에 대해

업계에서 일하는 사람이라면 누구나 알다시피, 제조는 상당한 격변의 시기를 겪고 있습니다. 아웃소싱과 자동화는 현재의 제조 프로세스를 위협하고 있으며, 미시간과 오하이오와 같은 지역에서 공장이 계속 폐쇄됨에 따라 최전선에 있는 많은 사람들이 미래에 대해 걱정하고 있습니다. 제조업을 위한 전진 - 후퇴는 포함하지 않음 업계도 노동력 부족 문제가 심각하다. 세인트루이스 연방준비은행에 따르면 일자리는 17년 만에 최고치를 기록했다. 숙련된 제조 직원이 퇴직하고 있으며 이를 대체할 인력이 충분하지 않습니다. 처음부터 모든 일자리를 채울 인

기술에 정통한 사용자의 수가 급격히 증가함에 따라 공용 액세스 컴퓨팅은 다양한 산업 분야의 글로벌 기업에서 인기 있는 선택이 되었습니다. 공개 액세스가 가능한 이러한 인터넷 기반 공유 워크스테이션은 이제 교육 기관, 소매 조직, 은행 구역, 의료 기관 및 공공 도서관에서 흔히 볼 수 있습니다. 디지털 리소스 및 정보에 대한 즉각적인 액세스를 제공함으로써 이러한 장치는 고객 참여를 강화하고 조직 효율성을 개선하며 서비스 가용성을 보장하는 데 중요한 역할을 하고 있습니다. 이러한 컴퓨터 기반 작업에 대한 조직의 의존도가

동적 IoT 솔루션을 구현하는 기업이 클라우드 컴퓨팅의 힘을 활용하여 그렇게 하고 있다는 것은 놀라운 일이 아닙니다. 하지만 어떻게 클라우드 컴퓨팅은 이러한 IoT 이니셔티브에 혜택을 주고 있습니다. 클라우드를 언급할 때 많은 사람들이 클라우드의 확장성, 비용 효율성, 낮은 유지 관리 비용에 대해 이야기하지만 클라우드는 그보다 훨씬 더 많은 것을 제공합니다. 클라우드 컴퓨팅이 IoT 노력에 어떤 영향을 미칠지 결정할 때 이러한 놀라운 이점을 고려하십시오. #1 클라우드는 데이터 통합을 용이하게 합니다. 수년 동안 기

믿거나 말거나 분산화는 새로운 것이 아닙니다. 그것은 먼저 고대 인류 사회의 사회 조직에서 시작되었습니다. 그들은 100명 미만의 작은 신석기 시대 분산 커뮤니티에서 함께 살았습니다. 작은 인구로 인해 직접 관리가 더 쉬워졌습니다. 그런 작은 공동체는 쉽게 서로를 신뢰할 수 있었고, 개인이 유지하는 긴밀한 관계로 인해 그룹 중 누구도 나쁘거나 이기적인 행동에서 벗어나기가 어려웠습니다. (이미지 제공: 요한 게버스 ) 결과적으로 농업혁명 이전의 사회구조는 공동체를 이루는 개인들 사이의 상호작용이 있었던 분권화된 사회로 이루어졌다