De flesta industriella dataanalyser baseras på tidsseriedata. Denna typ av data har ett värde eller en processparameter för varje tidsstämpel. Till exempel processautomation producerar den typen av data: mätvärden, börvärden, styrsignaler osv. En annan vanlig analystyp är händelse- eller transaktionsdataanalys, där värdena är kopplade till händelser, som även kan ha en tidsrelation.

I vissa typer av produktion eller processer är datan vektordata till sin natur. Oftast används vektordata för att analysera ark- eller plåtliknande produkter, såsom papper eller valsad metall. De analyserade uppgifterna är i vektorformat och produceras vanligtvis av profilskannrar, inspektionskameror m.m. Grafiska 2D-profilkartor är ett typiskt sätt att visualisera skannerdata.

Det finns fler möjligheter att använda vektordata än traditionella profilmätningar. Vektordata kan vara vilka data som helst som har flera datapunkter i samma tidsstämpel. Till exempel kan frekvensspektret hanteras som vektorer – varje tidsstämpel har ett unikt frekvensspektrum. Eller en vektor kan vara en form som extraheras från kamerasystem.

Moderna metoder och lämpliga verktyg tar fram värdet i vektordatan

Grafiska 2D-vektorkartor är det typiska sättet att visualisera vektordata. Dessutom kan en del statistiska värden presenteras. De rätta verktygen kan avslöja högvärdig information i vektordatan, till exempel långvariga förändringar med gradvisa växlingar som inte går att upptäcka med enbart visuell övervakning. Dessutom kan intelligent matematisk databehandling avslöja dolda värdefulla fenomen i data.

Det bästa värdet genereras genom att kombinera vektordata med vanlig processinformation (tidsseriedata). Med hjälp av nya metoder kan du diagnostisera grundorsaker och konsekvenser och förhållanden mellan vektor- och tidsserie-/händelsedata.

När analysmetodik och procedurer är tillförlitliga, snabba och användarvänliga är även resultaten tillförlitliga och går snabbt att få fram. Detta är extremt viktigt, eftersom man annars låter bli att analysera på grund av den höga arbetsbelastningen eller för att analysresultaten kan vara felaktiga.

Ladda ner vitboken gratis!

Ladda ner den kostnadsfria vitboken som förklarar hur du kan kombinera analysen av tvärriktningsprofiler med processmätningar. Den innehåller även en del exempelberäkningar och redovisar analysmetoden.

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.

En av de vanligaste användningarna av Wedge är att jämföra en utvald period med en annan tidsperiod och ta reda på vad som har gjorts annorlunda. Denna typ av studie är nödvändig när en tekniker vill fastställa eller optimera bästa praxis för drift av en anläggning. En sådan jämförelse avslöjar vanligtvis om förändringar av processförhållanden har en betydande inverkan på processprestanda, vilket ofta leder till fler utvecklingsaktiviteter.

FALL 1: En tidsperiod jämförd med en känd referensperiod

Första veckan i november förra året var framgångsrik: produktionsvolymerna var stora, kvaliteten bra och den nominella energiförbrukningen var relativt låg.

Sedan dess har ditt team försökt uppnå samma produktionsnivå. De senaste två veckorna har återigen varit utmanande. Du vill förstå vad skillnaden är mellan det du gör nu och det du gjorde i november.

Hur kan du göra det?

Du kan spara referensperioder i Wedge. En sparad period kan vara en framgångsrik testperiod, och en annan kan vara en benchmark-period för produktion av din slutprodukt. En tredje period kan vara en period när kemikalieförbrukningen i din produktionslinje var anmärkningsvärt låg. De sparade perioderna är praktiska när du vill jämföra dina aktuella processförhållanden och driftpraxis med dem i referensperioden.

För det första kan du studera hur de intressanta mätvärdena uppför sig i målperioden (svart i figuren ovan), och hur de uppför sig under referensperioden (grönt). Detta är en snabb grafisk översikt och ett bra första steg för en bättre förståelse.

I nästa steg kan du tillämpa matematik. Vilka är medelvärden, minimum, maximum eller standardavvikelser för de valda signalerna under den valda perioden, och i andra hand under referensperioden.

Detta hjälper dig att förstå var de viktiga skillnaderna finns.

Till sist kan du be Wedge att lista alla signaler med en betydande avvikelse mellan den valda perioden och referensperioden. Systemet ger dig en omfattande lista med mätvärden i den detekterade förändringens storleksordning. Eftersom denna metod beaktar alla signaler upptäcks alla förändringar mellan målperioden och referensperioden.

FALL 2: En period med låg produktivitet jämförd med en period med hög produktivitet

 Ditt viktigaste nyckeltal för produktion är ton per timme. Enligt din erfarenhet är 17,5 ton/timme ett bra resultat, men under 15 ton/timme är oacceptabelt i det långa loppet. Du kanske vill analysera vad som görs annorlunda när det magiska resultatet 17,5 ton/timme uppnås, och vilka faktorer som förklarar ett dåligt resultat.

Wedge kan omvandla signalen för producerade ton och gränsvärden till en stegvis signal som visar om produktionen har legat på en hög nivå (17,5 ton/timme eller mer), en medelhög nivå (15–17,5 ton/timme) eller en låg nivå (15 ton/timme eller mindre). I figuren nedan betyder värdet 3 en hög nivå, 2 en medelhög produktion och 1 en låg produktivitet. Dessa data kan enkelt användas som grund för analys.

Med hjälp av Wedges standardfiltreringsfunktioner kan du börja med att kontrollera medelvärden och standardavvikelser för processvärden per produktionsnivå.

Sedan är det möjligt att fortsätta analysera med hjälp av Wedges uppsättning av analysverktyg. I detta fall visar histogrammen över råvarutemperatur och råvarukonsistens (låg produktion till vänster, hög till höger) tydliga skillnader i processförhållanden mellan perioder med hög och låg produktivitet.

FALL 3: En aavikande period jämförd med processens normaltillstånd

Du upptäcker en tidsperiod där något har varit annorlunda. Hur tar du reda på vilka förändringar i processförhållandena eller arbetsmetoderna som skulle kunna förklara den negativa eller positiva avvikelsen från den normala produktionen?

I det här fallet ser du till exempel att varmvattentemperaturen har varit instabil. Du kan i Wedge markera den intressanta perioden med gul färg. Den omgivande vita ytan markerar processens normaltillstånd.

I Wedge kan du jämföra den markerade ytan med normaltillståndet. Ett bra sätt att börja är statistiska metoder. I tabellen nedan har vi beräknat medelvärdet för varje börvärde i processen. Detta visar snabbt vilka driftparametrar som har förändrats. Den statistiska metoden kan självklart tillämpas på alla processer eller kvalitetsmått, och resultaten begränsas inte bara till medelvärden utan kan även vara min- eller maxvärden, standardavvikelser osv.

En annan metod för att spåra skillnader i börvärden eller driftförhållanden är Wedges verktyg för bästa korrelationer. Verktyget ger dig en lista över signaler med den största avvikelsen mellan en normal och en riktigt bra period. Detta kan anses vara en lista över orsaker som kan förklara den riktigt bra perioden. Utöver grundorsaken listas även konsekvenserna av avvikelsen.

Jämförelser mellan olika tidsperioder och processtillstånd är startpunkten när man försöker hitta bästa driftspraxis och när man försöker uppnå bättre prestanda. Det är avgörande att det tillämpade systemet har stöd för ett effektivt arbetsflöde och gör att du kan hitta tendenser i en stor datamängd.

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.

Wedge gör det möjligt att använda avancerade algoritmer för att upptäcka mönster i process- och kvalitetsdata. Nedan presenterar vi fyra praktiska tillämpningar av mönsterigenkänning som hjälper Wedge-användare att få en bättre förståelse för förhållandet mellan orsak och verkan i processen.

FALL 1: Spåra grundorsaken till ett kvalitetsproblem

Du har ett kvalitetsproblem i en process. Det uppstår tjockleksavvikelser i slutprodukten, vilket orsakar materialspill och skrot. Din första prioritet är att förstå vad det är för underliggande orsaker som påverkar tjockleken.

Wedge går igenom alla andra mätningar och hittar mätningar som uppvisar ett liknande eller spegelvänt mönster samtidigt eller före tjockleksavvikelsen. Som ett resultat producerar Wedge-systemet en lista på grundorsakskandidater till kvalitetsproblemet.

Som Wedge-användare behöver du inte oroa dig för eventuella processförseningar, eftersom mönsterigenkänningsverktyget kompenserar fördröjningarna automatiskt.

FALL 2: Förstå konsekvenserna av råvaruförändringar

Förändringar i råvaran kan också påverka din process. Mönsterigenkänningsalgoritmerna i Wedge kan hjälpa dig att upptäcka dem.

Wedge jämför målmätningens form (förändring av råmaterial från typ ett till noll och tillbaka till ett) med andra signaler och listar de konsekvenskandidater som korrelerar bäst med avseende på målmätning och processfördröjning.

Det är ett utmärkt sätt att få nya kunskaper om målprocessens beteende.

FALL 3: Ta reda på vad som orsakar periodiska fluktuationer

En enstaka topp i en signal och/eller en nivåändring är mönster som är lätta att observera och spåra. Men vad gör du om dina målmätningar fluktuerar starkt men till synes slumpmässigt? Eller om du inte kan se något tydligt mönster eller det finns flera oberoende mönster som inverkar samtidigt? Det låter komplicerat, men för Wedge är det inte det.

Först hjälper Wedge dig att isolera olika mönster i signalen. Systemet visar vilka typer av fluktuationsmönster som finns och den relativa effekten av varje mönster. I praktiken får vi reda på om det finns periodiska fluktuationsmönster i datan, vilka periodlängder de identifierade mönstren har och vilken fluktuation som är starkast.

Sista steget är att diagnostisera vad som orsakar mönstren. Wedge kan till exempel utvärdera vad som orsakar de starkaste fluktuationerna i signalen (den röda med en periodlängd på 22 min och 39 s). I det här exemplet pekar data på temperaturen i den inkommande ångan som den starkaste grundorsakskandidaten.

FALL 4: Sök efter tidigare tidsperioder som liknar målperioden

Föreställ dig att du stöter på ett intressant processbeteende – till exempel att halten av en tillsatskemikalie är lägre än anvisat och att råmaterialets temperatur sjunker. Men ändå är slutproduktens kvalitet stabil. Då kanske du börjar fundera på om liknande händelser eller processförhållanden och driftmetoder har förekommit tidigare, eller om det bara är en engångshändelse.

Wedge kan hitta olika historiska perioder som uppvisar liknande mönster: samma händelse, processförhållande och/eller driftmetod som din målperiod. Hur spårar du olika perioder som har liknande mönster – händelser, processförhållanden och/eller driftmetoder – som din målperiod?

Wedge kan hjälpa dig med det.

Du kan välja målsignal och målmönsterbeteende. På bilden nedan är en signal vald och det gula området visar den intressanta perioden. Wedge studerade signalens historia och hittade en annan period då den valda signalen betedde sig på ett sätt som var relativt likt målperioden. Nu har du ringat in de huvudmisstänkta.

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.

Industrin genererar traditionellt mycket data från processer, men data är inte alltid korrekta eller viktiga om man ser på energieffektiviteten.

Användningen av energi påverkar inte alltid produktionen, dvs. anläggningens kärnprocess störs inte nödvändigtvis, även om det finns ett stort utrymme för förbättring av energieffektiviteten. Energislukarna är ofta dolda och upptäcks inte.

Hur man förbättrar energieffektiviteten i en fabrik

För att förbättra energieffektiviteten behövs det två saker: korrekta data och sakkunskap både om processer och databehandling.

Elomatic erbjuder bådadera. Elomatic hjälper kunderna att öka deras energieffektivitet genom att kombinera kundens data med egna mätresultat.

Du kan ha samlat in mycket data, men du vet inte hur du ska använda den. Datan måste ofta rensas och sorteras så att den verkligen kan utnyttjas. Processkunskap är väsentligt så att datan kan analyseras på ett smart och tillförlitligt sätt. Utan kunskaper har du ingen nytta av datan, beskriver Elomatics ledande expert Jukka Summanen utmaningarna med utnyttjandet av data.

Analys av energidata är mer omfattande än bearbetning av processdata

Processdata bearbetas ofta ur produktionens synvinkel i syfte att förbättra produktionseffektiviteten eller genom att undersöka en enskild problemsituation och dess orsaker. Vid analys av energidata använder man ofta en större datamassa och följer upp den under en längre tid, till exempel på årsbasis. Uppgifterna kan analyseras mot andra variabler, såsom vädervariationer. Vid analys av energidata används även statistiska analyser och intervallanalyser.

En viktig indikator är energibalansen, som talar om hur mycket energi som kommer in i anläggningen, var den förbrukas och hur mycket energi som släpps ut från anläggningen till ingen nytta.

Fördelarna med energieffektivitet

I många fall kan enkla upptäckter leda till betydande besparingar. Genom korrekt dataanalys kan man till exempel hitta utrustning som är påslagen i onödan, svajiga processjusteringar eller värmeöverföringsutrustning som inte fungerar.

Förfining av energiförbrukningsdata till typspecifik information hjälper till att övervaka och utveckla typspecifik energieffektivitet. Därigenom är det möjligt att generera information om produkt-/batchspecifika miljöeffekter och därmed skapa en utgångspunkt för kolneutralitetsmål.

I framtiden kan processens status och effektivitet förutsägas bättre än idag, vilket kräver insamling av korrekta data och kompetent analys.

Rätt verktyg gör verksamheten betydligt effektivare

Ett lättanvänt och effektivt dataanalyssystem påskyndar processexperternas analysarbete och säkerställer analysernas kvalitet. På så sätt kan ett företag vidta energiförbättrande åtgärder baserat på information och inte på kvalificerade gissningar.

Elomatic har valt att arbeta med Trimbles processdiagnostikverktyg Wedge.

Om det räckte med enbart trender skulle inte Wedge behövas, men i vårt arbete är möjligheten att sortera data efter funktion eller tid absolut nödvändig. Dessutom går det snabbt; du gör allt med ett musklick. Det är det ingen annan produkt som klarar,

säger Jussi Jääskeläinen, chef för Elomatics effektivitetsserviceteam.

Energieffektivisering steg för steg

Så här förbättrar du energieffektiviteten i ditt eget företag:

1. Se till att du mäter rätt saker
2. Följ upp mätresultat och energibalans på lång sikt, till exempel årsvis
3. Rensa och sortera de insamlade uppgifterna och analysera resultaten
4. Skapa utifrån detta en rutin för att följa upp de största energiförbrukarna och ställ upp målvärden
5. Reagera på avvikelser, utarbeta nödvändiga planer och åtgärder

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.

När vi kategoriserade de vanligaste användarscenarierna för Wedge kom följande fall upp. Olika användarscenarier är oftast sammankopplade. I vyn situationsmedvetande finns även en möjlighet att gå ned till en mycket detaljerad analysnivå.

Situationsmedvetande | Se exakt vad som händer i dina processer

Wedge erbjuder färdiga vyer för situationskontroll med bara ett klick.

• Diagram och instrumentpaneler
• Center Lining
• Förutsägelser och prognoser
• Standardvyer
• Morgonmöten
• Skiftbytesmöten
• Titta in i kontrollrummet: ”hur går det”

Ad hoc-behov av processdata | Snabba fakta för att stödja ditt beslutsfattande

Enkel och snabb datainhämtning, rensning och analys – grunderna för Wedge-användning.

• Mitt i ett möte
• I processoperationer när något är onormalt
• I processoperationer: hur vi gjort tidigare
• I processoperationer: vad blir konsekvensen om jag ändrar den här parametern

Optimering och utveckling | Hur du kan förbättra processer och operationer

Jämförelser och analyser av processtatus är lätt att göra med Wedge.

• Vad är det för skillnad mellan ett bra och ett dåligt driftfönster?
• Hitta bästa praxis
• Vilka följder får dålig praxis?

Djupanalys | Hitta grundorsakerna även i besvärliga fall

Dataanalysdrivna projekt drar nytta av Wedge.

• Utvecklingsprojekt
• Felsökningsprojekt

 

Läs mer om hur mycket Wedge används på olika fabriksanläggningar >>

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.

Det är en föråldrad uppfattning att utnyttjande av data bara kan göras av vissa specialister, såsom utvecklingsingenjörer. Med ett väldesignat diagnostikverktyg är processadataanalys (nästan) till för alla.

Wedge är ett välkänt system för analys och diagnostik av processdata som har använts i över 25 år. Det är utformat för att betjäna ett brett spektrum av användargrupper från processoperatörer till fabrikschefer och vara till hjälp i olika användningsförhållanden.

Vi blev därför förvånade när en av våra kunder en gång sade att deras anläggning bara hade en handfull Wedge-användare, eftersom man inte hade så många dataexperter internt som kunde göra dataanalyser. Vi tror starkt på fakta, så vi kontrollerade vår användarstatistik för att se om det verkligen var sant.

I genomsnitt 50 aktiva Wedge-användare per anläggning

Data från 25 fabriker visade att antalet aktiva användare per vecka varierade från 10 till över 100 användare per anläggning, med i genomsnitt 50 aktiva användare per anläggning. Det var en ännu högre siffra än vi hade förväntat oss, så vi insåg att det måste finnas sätt att använda Wedge som inte ens vi själva var medvetna om. Självklart ville vi ta reda på mer i detalj vilka de vanliga, och även de mer okonventionella, Wedge-användarscenarierna är.

Det är otroligt att folk gör dataanalys utan att ens märka att det de gör är dataanalys.

När vi studerade frågan stötte vi på kommentarer som understryker det faktum att Wedge har ökat dataanvändningen och demokratiserat analysen. Med hjälp av Wedge väljer människor data, förfinar dem och gör statistiska jämförelser utan någon som helst tvekan. Ju mer kulturen på anläggningen uppmuntrar datadrivet beslutsfattande, desto snabbare tar användarna till sig Wedge-systemet.

 

Läs mer om de vanligaste användarscenarierna för dataanalys med Wedge >>

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.

Processtabilisering är avgörande för alla industriella processer för att säkerställa enhetlig kvalitet och låga produktionskostnader. Center Lining är en allmänt använd term för att beskriva hur man håller viktiga processvariabler på en önskad nivå och optimerar dem ytterligare.

Center Lining är inte en strikt definierad metod, men det finns vissa steg som bör följas i en bestämd ordning. När du har slutfört alla steg kan du upprepa processen.

De fem stegen i Center Lining är:

1. Identifiera nyckelvariabler
2. Skapa variabelgränser
3. Övervaka nyckelvariablerna
4. Övervaka långsiktiga nyckelvariabler
5. Granska gränserna

Det krävs processkunskap för att fastställa nyckelvariabler och gränser

Det första steget är att identifiera de nyckelvariabler i processen som påverkar produktkvaliteten mest. Du måste analysera en lång tidsperiod och hitta de tidsperioder då kvaliteten har nått de angivna gränserna och produktionshastigheten har varit tillräckligt hög. När du hittat en lämplig tidsperiod måste du analysera processdata för att hitta nyckelvariabler. Det enklaste sättet att göra det är att söka efter mätningar som bäst motsvarar kvalitetsparametrarna.

Nästa steg är att definiera önskade nivåer för nyckelvariablerna. En standardmetod för statistisk processkontroll (SPC) är lämplig att använda för detta: 1) du väljer de tidsperioder då processen har fungerat bra, 2) rensar datan och 3) beräknar medelvärde och standardavvikelse baserat på dessa data. Sedan kan du till exempel beräkna tre sigma-gränser. Gränserna måste alltid vara dynamiska beroende på processens tillstånd.

Visualisering är nyckeln till att använda SPC-gränser

Det är viktigt att SPC-gränser och överträdelser visualiseras i ett användarvänligt format. Det hjälper operatören att snabbt identifiera alla nyckelvariabler som ligger utanför gränserna. Visualiseringen kan bestå av mätare eller trafikljus som visar den aktuella situationen i processen och trender för att visualisera stabiliteten på lång sikt.

För att stödja operatörerna ytterligare bör även nyckeltalsvärden med ett längre perspektiv göras tillgängliga för operatörerna. En enkel lösning är att beräkna den del av nyckeltalsvärdena som har legat inom gränserna under det senaste dygnet, en vecka eller någon annan period.

Systemet bör också hjälpa dig att ta reda på varför nyckelvariablerna ligger utanför gränsvärdena. Operatörerna måste veta vad som orsakar gränsöverträdelsen och vad de bör göra för att lösa problemet.

Sträva alltid efter att bli bättre

Processutveckling är ett ständigt pågående arbete. När produktionen har stabiliserats kan du ta nästa steg och strama åt gränserna, så att du konsekvent kan producera produkter av ännu bättre kvalitet.  Samtidigt kan du sträva efter att minska energiförbrukningen och/eller minska råvarukostnaderna.

När du har utfört dessa steg kan du starta om Center Lining-cykeln. Att upprepa processen är viktigt eftersom optimering av de tidigare nyckelvariablerna gör att du kan hitta fler nyckelvariabler och optimera processen ytterligare.

En annan aspekt som bör beaktas är de verktyg som stöder processen. Dagens informationssystem på fabrikerna innehåller mycket data, och de data som rör processer och kvalitet är ofta spridda på flera datakällor. Utan lämpliga metoder för datahantering är Center Lining-processen alltför arbetskrävande och processutrustningens fulla potential utnyttjas inte. Den rekommenderade lösningen är att använda programvara för diagnostik av processdata som hjälper dig att bearbeta data effektivt och utföra Center Lining-stegen på ett effektivt sätt.

 

Denna artikel bygger på vår vitbok som publicerades på Papercon 2019 under titeln Smart Paper Machine Analysis Reveals Center Lining Truths. Hämta originaldokumentet.

 

---

Vill du ha mer insikter?

Vårt säljteam är fullt av experter på dataanalys som är redo att hjälpa dig. Läs mer om Wedge industriellt dataanalysverktyg.