제조업에 빅 데이터 분석 도입 빅 데이터라는 용어는 기존 방법으로는 효과적으로 처리할 수 없는 점점 더 복잡해지고 방대한 데이터 저장소를 의미합니다. 제조에서 빅 데이터는 기계 센서 데이터, 품질 보증 정보, 공급업체의 데이터, 생산 출력, 유지보수, 재무 정보 및 기본적으로 현대 제조에 들어가는 기타 측정 가능한 모든 프로세스를 포함하여 다양한 소스에서 수집된 정보를 참조할 수 있습니다. 제조업체가 모든 것에 대한 방대한 양의 데이터를 수집하는 데에는 이유가 있습니다. 빅 데이터는 막대한 재정적 성장, 고객 유지, 유지 관리

기계 상태 모니터링이란 무엇입니까? 기계 상태 모니터링은 일정 기간 동안 기계의 상태를 평가하는 기능입니다. 여기에는 효율성과 같은 것들이 포함될 수 있습니다. 효율성 손실은 근본적인 문제를 나타낼 수 있기 때문입니다. 또한 부품의 마모, 결함 부품의 출력과 같은 성능 지표, 사용 통계 및 유지 관리 통계가 포함됩니다. 현재 대부분의 제조 산업은 기본 유지 관리 전략으로 운영되며 종종 사후 대응 또는 일정 기반 접근 방식을 기반으로 장비를 유지 관리합니다. 그 이유는 대부분의 제조업체가 장비의 작동 상태를 알려주는 기계 상태 데

소개 우리의 일일 사용률 업데이트가 힘을 얻고 더 많은 관심을 받으면서 우리는 데이터 관리자로서 우리의 가정, 우리가 가질 수 있는 편견의 근원, 그리고 우리의 오류 한계를 명확히 하는 것이 중요하다고 생각합니다. . 다른 데이터 세트와 마찬가지로 데이터에는 편향이 포함되어 있으므로 보고된 모든 측정항목에 오차 한계를 추가합니다. 데이터 실무자로서 이러한 편견의 원인, 데이터에 대한 가정, 방법론에서 이러한 문제를 해결하는 방법에 대해 투명하게 공개하는 것이 중요합니다. 이를 통해 사용자는 우리 주장의 진실성과 조직에 대한 우

디지털 공장이란 무엇입니까? 디지털 공장은 자재, 사람 및 기계의 데이터를 포함하여 운영 전반에 걸쳐 정보를 디지털 방식으로 자동 공유하는 기술을 사용합니다. 디지털 제조는 시뮬레이션 기술, 연결된 장비 및 협업 도구로 구성된 통합 시스템에 의존합니다. 아날로그 공장을 디지털 공장으로 바꾸는 단일 기술은 없습니다. 그러나 디지털 공장이 공유하는 많은 공통 기술과 특성이 있으며 여러 기술을 혼합한 제조업체가 디지털 공장으로 간주될 가능성이 가장 높습니다. 디지털 공장은 사람, 장비 및 시스템의 데이터를 사용하여 지속적인 개선

소개 모든 MachineMetrics 고객은 추가 비용 없이 당사의 벤치마킹 프로그램에 참여할 수 있는 기회를 가지며, 이를 통해 자신의 공장 활용도를 업계 표준과 비교할 수 있습니다. 통계적으로 유의미한 표본 크기(오늘 기준 +- 1.8%의 오차 범위)가 있으므로 고객은 내부 목표뿐만 아니라 전체. 이는 거시경제적 조건과 비즈니스 사이클에 따라 산업 규범이 시간이 지남에 따라 변할 수 있기 때문에 중요합니다. 본질적으로, 우리의 큰 표본 크기는 귀하의 상점이 추세를 따르고 있는지 여부를 결정하는 데 유용한 비교를 허용합니다.

품질 보증이란 무엇입니까? 제조의 맥락에서 품질 보증(QA)은 제조업체가 생산하는 품목에 대해 일관되고 예상되는 품질 수준을 유지하기 위해 품질 관리 시스템의 일부로 사용하는 프로세스를 말합니다. 종종 품질 관리 또는 QC와 함께 사용되는 품질 보증은 고객이 예상치 못한 결함이 없는 고품질 제품을 받을 수 있도록 하는 에코시스템의 일부입니다. 품질 보증은 제조업체가 제품 품질을 관리하는 방식입니다(품질 검증과 반대). 품질 보증은 모든 제조 환경에서 중요하지만 높은 품질 표준을 유지하지 못하면 부상이나 사망을 초래할 수 있기

기원전 30,000년에 우리 조상들은 동굴 벽에 일상 생활에 대한 이야기를 그렸고 기원전 700년에 우리는 길가메시라는 최초의 인쇄된 이야기를 갖게 되었습니다. 2021년을 향해 나아가십시오. 우리는 이미 반년 이상 동안 AI와 함께 이야기를 함께 만들어 왔습니다. 하지만 정확한 비즈니스 인텔리전스가 일상적일 때 기업은 인공 지능과 머신 러닝 시스템이 예술적 자유를 빼앗아 허황된 이야기를 늘어놓는 것이 아님을 확신하기를 원합니다. AI 및 ML이 주도하는 의사 결정이 현재까지 가장 높은 수준으로 채택되고 있으며 가장 꺼리는 경영진

린 제조란 무엇입니까? 린 제조는 조직 전체의 낭비와 비효율을 전체적으로 제거함으로써 지속적인 개선과 지속 가능성에 대한 전략적 접근 방식에 기반을 둔 철학입니다. 린 제조는 일련의 규칙을 따르는 것이 아니라 학습, 혁신, 민첩성 중 하나로 조직 내 만연한 사고방식을 바꿔야 하는 철학적 접근 방식입니다. 이 철학의 중요한 이상 세트는 오늘날 많은 린 조직에 영향을 미치는 일련의 지침 원칙인 Toyota Production System(TPS)입니다. 린 조직에서 이름으로 볼 수 있는 몇 가지 개념은 다음과 같습니다. 측정 가능

산업 DataOps의 관련성과 중요성은 무엇입니까? 제조 관점에서 데이터 및 데이터와 관련된 운영은 높은 위험이나 과도한 재고와 같은 기타 부담 없이 경쟁력 있고 혁신적이며 민첩한 시설을 만들고 유지하는 역할을 합니다. 데이터만으로는 앞서 나가기에 충분하지 않습니다. 데이터 분석에 대한 접근 방식으로서 DataOps는 자동화, 통계적 프로세스 제어 및 민첩한 방법론을 사용하여 고정확도 분석에 소요되는 시간을 단축하여 제조업체가 수집한 데이터를 더 빠르고 확실하게 사용할 수 있도록 하는 것입니다. 제조업체에게 좋은 DataOps

제조 대시보드를 사용하여 생산 최적화 디지털 대시보드는 제조에서 생산 최적화에 사용할 수 있는 가장 효과적인 도구 중 하나입니다. 더 나은 정보에는 더 나은 결정이 따르며, 디지털 대시보드를 사용하여 가장 우선 순위가 높은 정보를 실시간으로 표시함으로써 의사 결정을 잘하고 신속하게 내릴 수 있습니다. 데이터는 단순한 것부터 복잡한 것까지 다양할 수 있지만 디지털 대시보드는 한 눈에 이해하기 쉬운 동적 시각적 개체를 제공합니다. 이러한 종류의 즉각적인 피드백은 제조 운영의 전반적인 효율성을 개선하고 감독자가 주의가 필요한 상황을 파

원래는 Towards Data Science에 게시됨 지난 몇 달 동안 우리는 예측 가공 제품의 새로운 사용 사례를 조용히 모니터링하고 발견했습니다. 간소화된 운영자 인터페이스 덕분에 배후에서 레이블이 지정된 데이터 수집 플랫폼으로도 편리하게 두 배이므로 지금까지 수백 건의 도구 고장, 베어링 고장 및 기타 기계 고장 시나리오를 보았습니다. 우리는 고객과 협력하여 모터 데이터 관점에서 일반적인 기계 고장이 어떻게 보이는지에 대한 대규모 카탈로그를 만들었습니다. 오늘 당신과 공유합니다. 여러 고객 사이트에서 반복적으로 본 6

한때 제조업체와 OEM의 삶의 일부로 받아들여졌던 기계 고장은 IoT 장치, 클라우드 및 에지 컴퓨팅을 사용하는 현대 기술과 일치했습니다. 기계 고장을 사전에 예방하고 예방하기 위해서는 먼저 산업 환경에서 그것이 무엇인지, 왜 발생하는지 이해하는 것이 중요합니다. 또한 사후 유지 보수, 진단 분석 및 예방 유지 보수를 포함하여 장비 고장을 처리하기 위한 기존 전략을 검토할 수도 있습니다. 이러한 전략이 어디에서 실패하는지 이해하면서 제조업체가 이전 세 가지 각각의 문제를 해결하는 예측 유지 관리로 이동하는 이유를 알 수 있습니다.

원래는 Production Machining에 게시되었습니다. 작업장에 있는 기계가 말을 할 수 있다면 뭐라고 말할까요? 그들은 최대한 보살핌과 유지에 대한 이야기를 할 것입니까, 아니면 학대 또는 방치를 공개 할 것입니까? 지난 주에 고장난 터닝 센터가 알람이 울려 그 이후로 기계가 작동을 멈춘 이유를 정확하게 설명할 수 있을까요? 하루에 몇 개의 부품을 생산했는지 또는 지난 달에 몇 시간/분을 실행했는지 알 수 있습니까? 구석에 있는 CNC 스위스 선반은 잠재적인 공구 오류가 발생하기 전에 작업자에게 경고를 표시합니까? 이

제조의 미래는 산업 자동화, 상호 운용성 및 기타 최적화 애플리케이션을 구동하는 작업 현장 내에서 사이버-물리적 시스템을 개발하는 능력에 의존합니다. 이러한 전망은 데이터 캡처, 처리 및 전송이 모든 인더스트리 4.0 비즈니스 모델을 주도할 것이기 때문에 데이터가 금이 되는 것입니다. 항공우주 및 방위 산업의 장비 제조업체는 인더스트리 4.0 및 디지털 혁신 기술에 의존하여 생산성을 개선하고 새로운 수익 창출 모델을 창출하지만 모든 것은 공장 현장에서 데이터 수집으로 시작됩니다. 인더스트리 4.0은 재고 공급의 어려움, 혁신을 유

항공 우주 및 방위 산업은 현재 더 넓은 제조 세계에서 인정한 많은 판을 회전시키고 있습니다. FABTECH 2018 정상 회담의 연사는 오늘날의 변화하는 환경에서 제조업체가 직면한 과제를 강조했습니다. 반복적으로 제기된 한 가지 관찰은 관세로 인해 철강과 알루미늄을 미국으로 가져오는 공급망의 중단이었습니다. 전 세계적으로 상황은 비슷합니다. 변화하는 정치적 동맹, 관세, 그리고 전통적인 공급망 시스템을 계속 혼란에 빠뜨리는 전염병. 글로벌 공급망의 붕괴는 항공우주 및 방위 산업 OEM의 생산성에 부정적인 영향을 미치지만 이러한

제조 산업의 느린 성장률과 최종 사용자의 책임에 대한 요구로 인해 항공 우주 산업용 장비를 제조하는 OEM의 재산은 다양합니다. 다양한 도전과제와 함께 대규모 격변의 시기에 수익성을 유지하려면 항공우주 및 방위 산업 전반의 OEM이 데이터를 추출하면서 수익을 창출하는 디지털 혁신을 통해 새로운 경로를 찾아야 합니다. 항공우주 및 방위 산업을 전문으로 하는 비즈니스 혁신 전문가인 Eric Bernadini에 따르면, 업계를 강타하는 기술 혁명(디지털 혁신)은 변화의 시기를 정의하는 기술을 활용하는 방법을 배우는 선도자에게 수익 성장

모든 것이 상호 연결된 오늘날의 세계에서 너무 많은 제조업체가 품질, 정시 배송 및 재고 관리와 관련하여 하루는 늦고 1달러는 부족하다는 사실을 깨닫고 있습니다. 왜요? 정보가 수집되고 보고서가 한데 모아져 최상층에 전달될 즈음에는 데이터가 이미 쓸모가 없기 때문입니다. 정보가 수집되는 시간과 해당 정보가 비즈니스 의사 결정에 사용되는 시간 사이의 간격으로 인해 리더와 추종자가 빠르게 분리될 수 있습니다. 이것은 COVID-19 동안보다 더 분명해졌습니다. 거의 하룻밤 사이에 제조업체는 최대한 빠르고 정확하게 결정을 내려야 했습니

수십 년 동안 제조업체는 경쟁 우위를 확보하기 위한 방법으로 데이터를 사용해 왔습니다. 아마도 오늘날 가장 큰 변화는 데이터 수집 방식일 것입니다. 일부 회사에는 기술자가 공장 주변을 돌아다니며 게이지를 확인하고, 양식을 작성하고, 기계의 작동 및 유지보수 이력을 기록하도록 합니다. 의사 결정을 내리기 위해 데이터를 수집하고 사용하는 지루하고 오류가 발생하기 쉬우며 부정확한 모든 방법. 그러나 IoT 장치와 센서의 확산으로 연결된 장비와 운영은 제조업체가 데이터와 분석을 활용하는 방식을 변화시키고 있습니다. 기업은 수동 데이터 수

전반적인 장비 효율성(OEE)은 수년 동안 사용되어 온 방법론입니다. 기계의 성능과 생산성을 측정하는 간단한 시스템입니다. OEE는 전환, 파손, 불량 부품 낙진 등과 관련된 가동 중지 시간과 같은 변수를 고려하여 생산 장비의 효율성을 측정함으로써 작업이 얼마나 생산적인지를 결정할 수 있습니다. 오늘날 OEE는 OEE의 방법론을 사용하여 회사의 생산 효율성에 영향을 미치는 변수를 추가로 이해하고 조치를 취하기 위해 컴퓨팅 성능을 활용하도록 설계된 기계 모니터링 OEE 소프트웨어를 사용하여 발전되고 있습니다. OEE 소프트웨어 자체

에지 장치란 무엇입니까? 에지 장치는 로컬 네트워크와 클라우드 간에 데이터를 전송하는 역할을 하는 장비입니다. 그들은 로컬 장치에서 사용하는 프로토콜 또는 언어를 데이터가 추가 처리될 클라우드에서 사용하는 프로토콜로 변환할 수 있습니다. 로컬 장치는 Bluetooth, Wi-Fi, Zigbee 및 NFC와 같은 프로토콜을 사용하는 반면 클라우드는 AMQP, MQTT, CoAP 및 HTTP와 같은 프로토콜을 사용합니다. IoT 데이터가 클라우드와 로컬 장치 간에 이동하려면 스마트 게이트웨이와 같은 에지 장치가 두 소스 간에 정보를