分析

您的问题回答:工业分析中的当前问题

Toray塑料美国的主要工艺工程师Mike Malone回答了关于数据工程和机器学习的其他网络广播问题,因为它们与分析有关。

由Mike Malone. 7月21日,2021年
礼貌:Cincinnati Incorporated / Steve Rourke,CFE媒体和技术

CFE媒体托管了一个网络广播“工业分析中的当前问题。“主持人包括Toray Plastics America的主要工艺工程师Mike Malone。在网络广播之后,MALONE提供了几个与会者问题的简要答案。

问题:您可能对项目的数据工程方面不同的是什么?

马龙:在开始时花更多时间了解底层SQL脚本的命名法,该命名脚本将数据从制造系统中获取到自助服务数据分析工具。在这种情况下,我们早期抓住了一些格式化问题,并且没有追溯/重新做太多。我们准备并执行了几个小批次数据,以确保我们正在寻找,并在缩放自动数据分配之前对此感到满意。

问题:为了充分确定导致失败的趋势,需要大量的信息。监控设备的最佳数据存储解决方案是什么?可以集成到现有设施中?

马龙:在Toray,我们发现该过程数据历史学家是从我们植物中超过10个独特的数据收集设备/控制系统收集的所有过程数据的集中存储的最佳解决方案。结果是使用智能数据压缩算法的单一时间序列数据流,以便有效地利用可用存储。我们一直优先考虑历史数据的价值,而不是所述数据存储的成本或空间。

这是一篇讨论了解您的数据历史学家选择和选项的简短文章:

https://blog.canarylabs.com/data-historian-options-for-industrial-automation.

问题:你认为是什么是实现可靠机器AI等的最重要的障碍或障碍?

马龙:最大的挑战将消除机器学习(ML)模型中的过程盲点。定义和影响机器或制造过程性能的所有数据都需要实时在机器学习模型中访问。甚至一个流程变量缺失,即使有点随机,也会使机器模型难以学习什么是正常的,什么不是准确地预测未来的麻烦。即使在今天,我们仍然有一定程度的定性流程或设备评估,这些过程评估不容易被现场传感器捕获。


Mike Malone.
作者生物:Toray Plastics America的主要工艺工程师Mike Malone