Quatro exemplos de casos práticos de reconhecimento de padrão em Wedge
O Wedge faz possível o uso de algoritmos avançados para reconhecer padrões em dados de processo e qualidade. Abaixo, apresentamos quatro aplicações práticas de reconhecimento de padrões que ajudam os usuários do Wedge a obter um melhor entendimento das relações de causa e efeito dentro do processo.
CASO 1: Rastreie a causa raiz de um problema de qualidade
Há um problema de qualidade em seu processo. O desvio ocorre na espessura do produto final, causando desperdícios e refugo. Sua primeira prioridade é entender quais são as causas subjacentes que afetam o desvio de espessura.
Wedge passa por todas as outras medidas e encontra aquelas que têm um padrão semelhante ou espelhado ao mesmo tempo ou antes do desvio de espessura. Como resultado, o sistema Wedge lista os candidatos à causa raiz para o problema de qualidade.
Como usuário do Wedge, você não precisa se preocupar com possíveis atrasos no processo, pois a ferramenta de reconhecimento de padrões os compensa automaticamente.
CASO 2: Entenda as consequências das mudanças na matéria-prima
Mudanças na matéria-prima também podem afetar o seu processo. Os algoritmos de reconhecimento de padrões do Wedge também podem ajudar a encontrá-los.
O Wedge compara a forma de onda na seleção do gráfico (a mudança da matéria-prima do tipo um para zero e de volta para um) com outros sinais e lista os candidatos de consequência de melhor correlação com relação à medição do alvo e atraso do processo.
Esta é uma ótima maneira de aprender coisas novas sobre o comportamento do processo de destino.
CASO 3: Descobrir o que causa flutuações periódicas
Um único pico em um sinal e / ou uma mudança em um nível são padrões fáceis de notar e rastrear. Mas e se as medições do seu alvo flutuarem fortemente, mas parecerem aleatórias? Ou o padrão não parece claro ou há vários padrões independentes tendo um impacto ao mesmo tempo? Parece complicado, mas com o Wedge não é.
Primeiro, o Wedge ajuda a isolar diferentes padrões do sinal. O sistema mostra quais tipos de padrões de flutuação podem ser encontrados e o poder relativo de cada padrão. Na prática, podemos saber se existem padrões de flutuação periódica nos dados, quais são as durações dos períodos dos padrões identificados e qual flutuação é mais forte.
A última etapa é diagnosticar o que causa cada padrão. Por exemplo, você pode fazer com que Wedge avalie o que causa as flutuações mais fortes no sinal (o vermelho com um período de duração de 22 min e 39 s). Neste exemplo, os dados apontam para a temperatura do vapor de entrada como o candidato de causa raiz mais forte.
CASO 4: Procure por períodos de tempo anteriores com semelhanças com o período de destino
Imagine encontrar um período interessante de comportamento do processo – digamos, a concentração de um aditivo químico é mais baixa do que o setpoint e a temperatura da matéria-prima está em declínio. Ainda assim, a qualidade do produto final permanece estável. Você pode começar a pensar se tal evento ou condição de processo e prática operacional já ocorreu antes ou se isso é apenas uma coincidência pontual.
O Wedge será capaz de rastrear diferentes períodos na história que possuem um padrão semelhante: os mesmos eventos, condições de processo e / ou práticas operacionais do seu período de destino. Então, como rastrear diferentes períodos na história que possuem padrões – eventos, condições de processo e / ou práticas operacionais – semelhantes ao seu período-alvo? O Wedge pode ajudá-lo na tarefa em questão.
Você pode selecionar o sinal de destino e o comportamento do padrão de destino. Na imagem abaixo, um sinal é selecionado e a área amarela mostra o período de interesse. Wedge estudou o histórico do sinal e encontrou outro período em que o sinal selecionado se comportou de maneira relativamente semelhante ao período-alvo. Agora você tem os principais suspeitos em suas mãos.
Quer saber Mais?
Nosso Time tem vários especialistas em análises de dados e prontos para ajudar. Leia mais sobre, Wedge para análise de dados industriais.