物联网和你对数据的理解

随着基于云的传感和驱动以及数据编译的扩展，我们需要意识到我们的理解缺乏共性。有时只是我们使用的词，有时是语义，还有其他时候是我们对预期结果的混淆。

在机械中，我们谈论每分钟 RPM 转数或每分钟 SPM 行程或主轴速度或每分钟 IPM 英寸等。所有这些术语都与机械有关。每分钟零件数 (PPM) 是我们真正关心的。当我们查看物联网和我们想要的结果时，我们会在衡量和指标上混淆我们的数据并混淆我们的信息。因此，我们需要确保信息清晰，MRO Electric and Supply 的作家兼经理 Joseph Zulick 说 .

在生产车间，您经常会听到主管询问我们是否可以“加速”机器以满足对产品的新更高要求或达到最后期限。这就是事情变得多云的地方。主管并不特别关心您如何获得更多零件，他们的目标是满足需求。

可选的解决方案可能是让机器运行得更快，这也是模棱两可的，因为提高电机速度或每分钟冲程会导致质量问题。在冲压过程中，增加滑动速度可能会导致材料在成型时撕裂。在加工过程中，您试图在一次通过中去除更多材料的事实可能会导致热量、失控和光洁度不佳。在折弯机上，您最终会得到更大的回弹。

因此，问题是我们如何以更高的速度实现相同的零件质量。传感器现在可以监控越来越多的情况。在许多系统中使用人工智能可以根据过去的物联网反馈和预期结果提供多种场景。例如，当一个零件在印刷机上从一个工位转移到另一个工位时，需要一定的时间。

您跑得越快，您可能被迫以自动单冲程操作，这是一种机器停在顶部的模式，现在等待零件从一个工位或操作移动到下一个工位或操作。令人惊讶的是，您可以通过放慢速度并且从不停止在顶部来获得更高的速度。通过保持纯粹的连续模式，您可以创建的零件数量比通过更快地运行机器并等待自动化来创建的零件数量更多。这部分是约束理论的重点，它侧重于确定瓶颈。它也可以是精益制造和适应这些制造概念的系统的一部分。

这些理论正在被整合到物联网方面，它正在监控和证明实现目标的最佳方式，足够的部件来满足需求。在液压机和伺服技术中发现的另一个解决方案是行程长度限制。决定制造零件需要多长时间的部分原因是每次冲程的时间。简单的数学计算表明，如果某物以每分钟 60 次的速度运行，则 1 次需要 1 秒。那么如何改进生产呢？在液压和伺服机器中，您可以改变行程的长度。

如果我们看一下每秒 1 个行程的机器，行程长度为 4 英寸，可能可以消除在行程中浪费的时间。除非发生自动化，否则所有返回时间都在某种程度上被浪费了，而且无论如何你都无法进行生产。也许我可以将行程长度限制为 3 英寸。这一次可以为您节省 1/4 秒。这可能会导致在一分钟内多生产 15 个零件！

这与 Link 运动印刷机通过改变滑块速度曲线所使用的原理相同，通俗地说，它在没有生产的情况下在上行期间运行得更快。

伺服机器利用了行程长度的调整以及液压机器。这适用于所有类型的机械。这样做的一个附带好处是，您可以减少暴露于风险和危害的风险，因为这些区域暴露于更长行程的机器中的时间更长。

物联网监控生产数量并证明机器的优化，可以帮助我们理解信息。我们确实需要确保我们清楚我们要求实现的目标。如上所示，要求跑得更快可能是错误的解决方案。

传感器也可能被误用在用于感知错误事物的地方。仅仅因为您感觉到零件从机器上脱落并不能保证它是一个好零件，一个实际上已经完成或包装的零件。现在更多的系统允许通过操作跟踪好的和坏的零件，因为移除坏零件可能比允许检测到的坏零件穿过并在最后报废的时间成本更高。这当然前提是坏部分是异常而不是故障。该数据可以触发转向器并允许不良零件被拒绝和弹出。

我们经常放弃数据，因为它不会改变或解决问题，或者我们收集的东西不会产生我们需要采取行动来产生影响的结果。我们觉得传感器提供解决方案，但传感器没有数据采集，比较只是一个数据点。

如果我给你数字6并要求你解决问题，你就做不到。您需要公式或其他数据点来确定趋势，这就是您有所作为的方式。只有掌握了这些信息和知识，您才能期待改进。

一旦您了解了此信息的上下文，您就可以建立进行更改所需的限制。有一些 AI 系统可以分析和解释关键性能指标，但问题在于，没有输入上下文的数据会在没有输出上下文的情况下为您提供输出建议。正如谚语所说......垃圾进=垃圾出。

我们正在改进数据系统，符号是其中的重要组成部分，尤其是在模拟传感方面。我们需要知道与模拟传感相关的值，同样重要的是真实消息而不是无用的代码值。视觉提示也非常有用，操作员可以理解消息并根据消息采取行动，而无需升级并等待主管或维护人员解释消息和操作。

制造业的命运取决于数据。我们目前正在经历一个中间阶段的进步。我们可能会将 Alexa 或 Siri 之类的系统视为无所不知的系统，但它们确实拥有运行程序或技能的关键字目录。

令人兴奋的部分是接下来要发生的事情，即系统在我们要求的和我们真正想知道的方面理解我们的错误的程度较低的理解。我们的失败将导致未来更智能的系统比我们想象的更近！

作者是 Joseph Zulick，是 MRO Electric and Supply 的一名经理。