DCF8030050 Использование параметров ABB

0 Preface

Germany”s “Industry 4.0″ and the United States” “Industrial Internet” will
restructure the world”s industrial layout and economic structure, bringing different challenges and
opportunities to countries around the world. The State Council of China issued “Made in China 2025” as an action plan
for the first ten years of implementing the strategy of manufacturing a strong country, which will accelerate the integrated
development of IoT technology and manufacturing technology [1]. IoT collects data on machine operations, material usage
, facility logistics, etc., bringing transparency to operators. This transparency is brought about by the application of data analytics,
which refers to the use of statistical and machine learning methods to discover different data characteristics and patterns. Machine
learning technology is increasingly used in various manufacturing applications, such as predictive maintenance, test time reduction,
supply chain optimization, and process optimization, etc. [2-4]. The manufacturing process of enterprises has gradually developed from
the traditional “black box” model to the “multi-dimensional, transparent and ubiquitous perception” model [5].

1 Challenges facing manufacturing analysis

The goal of manufacturing analytics is to increase productivity by reducing costs without compromising quality:

(1) Reduce test time and calibration, including predicting test results and calibration parameters;

(2) Improve quality and reduce the cost of producing scrap (bad parts) by identifying the root causes of scrap and optimizing
the production line on its own;

(3) Reduce warranty costs, use quality testing and process data to predict field failures, and cross-value stream analysis;

(4) Increase throughput, benchmark across production lines and plants, improve first-pass rates, improve first-pass throughput,
and identify the cause of performance bottlenecks such as overall equipment effectiveness (OEE) or cycle time;

3BDH000383R0005 DX722F Digital input/output module
3BDH000387R0005 DX731F Digital input/output module
3BDH000371R0005 DA701F Digital/Analog module
3BE066485R1 PM851AK01 Processor unit
3BE069449R1 CI854BK01 PROFIBUS-DP/V1 port
3BSE020512R1 AI801 Analog Input 8 channels
3BSE020514R1 AO801 Analog output 8 channels
3BSE020508R1 DI801 Digital input 24V 16 channels
3BSE020510R1 DO801 Digital output 24V 16 channels
3BSE013208R1 TB820V2 Modulebus Cluster modem
3BSE008508R1 DI810 Digital input module
3BSE020836R1 DI840 Redundant digital input module
3BSC690073R1 DI890 The digital input module is intrinsically secure
3BSE008510R1 DO810 Digital output module Transistor type
3BSE020838R1 DO840 Redundant digital output module transistor type
3BDH000530R1 PM803F Base Unit 16 MB
3BDH008381R0001 TU732F Input/output terminal device
3BSE076940R1 PM 862K01 Processor Unit -67MHz and 32MB.
3BSE092689R1 CI 867AK01 Modbus TCP interface
MU-CTVF11 HONEYWELL Vertical Trim Panel Set – Full Height
MU-CTVH11 HONEYWELL Vertical Trim Panel Set – Half Height
MU-SMAC02 HONEYWELL Analog Output Standby Manual
MU-SMDC02 HONEYWELL Digital Output Standby Manual
MU-KSX152 HONEYWELL SDISI FTA EIA – 485 Cable
MU-MASX02 HONEYWELL Manual/Auto Station
MU-MASX02 HONEYWELL Manual/Auto Station
MC-TSIA12 HONEYWELL MU-TSIA12 Serial Interface FTA for Allen-Bradley
MC-TSIM12 HONEYWELL MU-TSIM12 Serial Interface FTA for Modbus
MC-TSDU02 HONEYWELL MU-TSDU02 Serial Device Interface FTA for UDC 6000
MC-TSDM02 HONEYWELL MU-TSDM02 Serial Device Interface FTA for Manual/Auto Station
MC-TSDT02 HONEYWELL MU-TSDT02 Serial Device Interface FTA for Toledo Scale
PCI-7813R Digital reconfigurable I/O devices
MC-TDOY63 HONEYWELL MU-TDOY63 Digital Output Relay FTA (16 Outputs)
MC-TDOY62 HONEYWELL MU-TDOY62 Digital Output 24 Vdc FTA (32 Outputs)
MC-TDOR62 HONEYWELL MU-TDOR62 Digital Output 240 Vac/125 Vdc Relay FTA
MC-TDOR52 HONEYWELL MU-TDOR52 Digital Output 120 Vac/125 Vdc Relay FTA
MC-TDOD62 HONEYWELL MU-TDOD62 Digital Output 5-200 Vdc Solid State