这种全新分析解决方案在设备装置级找到了答案。该解决方案通过插件式装置提供，可以在工业网络上运行并发现各种资产，比如交流驱动器和状态传感器。它通过将生成的数据转换为预配置的健康状况和诊断仪表板来提供分析。
当此插件式装置发现了相关设备是如何关联时 (如通过故障因果关系)，该解决方案开始了解其所在的系统，并能够提出说明性建议。例如，如果某个驱动装置为了保持最佳性能而需要重新配置，该解决方案可以向用户的智能手机或平板电脑发送“行动卡”。
最终，这种规范性的方法使维护团队更加积极主动，并有助于使潜在的停机时间降至最低。
改变汽车制造业的游戏规则
可扩展分析有助于改变离散汽车制造的游戏规则。此外，对于复杂的连续生产过程，机器学习同样对产品质量和制造速度有很大的影响，这种革命性方法因此显得非常重要。
举个例子：方形柱状电池生产。与圆柱形汽车电池相比，方形柱状电池单位体积提供的能量更高，在电动汽车市场上越来越受欢迎。
然而，方形柱状电池的生产涉及大量运动、高度精度和连续加工。优化这种动态、多变量环境中的流程是一个挑战——并且对于可扩展分析及机器学习同样是一个挑战。
该系统使用动态数学模型学习识别一个变量对另一个变量的影响，并自动调整后续操作以获得最佳结果。与此同时，该系统可以向操作人员提供关键分析——例如 SPC 图表——从而实现持续的质量监控和主动调整。
请记住，可扩展方法可以扩展到设备装置之外，并应用于整体机器及过程级别。该平台还可以与 MES、OEE 以及其他制造运营和分析系统集成，以帮助推动整个企业在生产计划和能源管理等不同领域的优化。
详细了解可扩展分析 – 以及如何开始在数据源处做出更好决策。
由罗克韦尔自动化信息软件部
产品经理 Todd Montpas 合著
