IC754VSF15CTD-FG Canopen Interface Module

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;

ABB  DSQC1016  DeviceNet board
ABB  DSQC  691  It is the signal board under the DeviceNet bus
ABB  DSQC  652   Digital IO module
ABB  DSQC  651A Communication configuration
ABB  DSQC  602  Input/output processor
ABB  DSQC  502   Communication interface module
ABB  DSQC461 Robot I/O configuration
ABB  DSQC  417  The driver drives the servo unit
ABB  DSQC  406  driver
ABB  DSQC  332A Drive controller
ABB  DSMB  144  57360001-EL Robot system memory module
ABB DSDO 110 57160001-K  Automatic industrial control equipment
ABB  DSDI  115  57160001-NV  Connection unit
ABB  DSBC  172  57310001-KD  DCS control system
ABB DSBB 175B 57310256-ER Output module
ABB  DSBB  175  57310256-CC  Positioning and pulse
ABB  DSAI  145  57120001-HA  ABB analog board connector
ABB  DSAI  130  57120001-P   Servo motor
ABB DSAI110 57120001-DP  Analog input
ABB-DAPI-100-3AST000929R109 Automatic spare parts module
ABB DSQC1023 Input/output module
ABB  07AA61  control system
GE DS3800HPIB part of the Speedtronic Mark
GE SR489-P5-HI-A20-E generator management relay
GE IC697PWR720 Power Supply Adapter module (PSA)
GE IC697PWR711 power supply module
GE IC697MDL740 discrete output module
GE IC697MDL671 listed in GE Series 90-70
GE IC697MDL652 ype of positive/negative logic
GE IC697MDL350 discrete output module
GE IC697MDL250 Discrete Input Module
GE IC697MDL241 discrete input module
GE IC697HSC700  High-Speed Counter (HSC)
GE IC697CPX935 Series 90-30 Central Processing Unit (CPU)
GE IC697CPM925 Central Processing Unit (CPU) module
GE IC697BEM713 Bus Transmitter Module (BTM)
GE IC697BEM711 Bus Receiver Module (BRM)
INTELLISCANDE14-405NM SCANLAB  intelliSCAN scan heads
SQ-300I 8700700-006 Hybrid automatic voltage control (AVC)
CMA130 3DDE300410  ABB  temperature controller
301131  PILZ  Security bus module
T8111C   ICS TRIPLEX  Trusted TMR Processor
C2G170-24 P0973BL  ENTERASYS  network switch
PLATE F860-CA  redundant fieldbus power
STK-RPS-150PS P0973BP  Optical fiber interface board module