کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10156167 1666377 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Holistic approach to machine tool data analytics
ترجمه فارسی عنوان
رویکرد جامع به تجزیه و تحلیل داده ماشین ابزار
کلمات کلیدی
صنعت 4.0، تولید هوشمند، اطلاعات ماشین ابزار، تجزیه و تحلیل داده ها، فراگیری ماشین، کنترل ماشین ابزار،
ترجمه چکیده
تحولات اخیر در تمام مراحل فرآیند کشف دانش در فرآیند تجزیه و تحلیل اطلاعات ماشین ابزار برای تغییر پارادایم در مورد چگونگی ترکیب اهداف تحلیلی مختلف مورد نیاز است. چندین پردازش اطلاعات تجزیه و تحلیل داده های ماشین ابزار به صورت جداگانه توسط بخش های مختلف انجام می شود. آنها بسیار وابسته به اهداف خاص تجزیه و تحلیل در بخش های مختلف هستند. تمام این وظایف فردی از داده های موجود از همان منبع استفاده می کند - کنترل کننده دستگاه و سنسورهای متصل شده. یکی از نتایجی که امروزه در صنعت بسیاری از شرکت های تولیدی، داده های تجزیه و تحلیل داده های ماشین ابزار متنوع است، این است که ما چندین تخصص و تعداد زیادی از راه حل های اختصاصی اختصاصی را نمایش می دهیم. بنابراین، فرآیندها و ساختارها غالبا ناکارآمد هستند، به عنوان مثال فرآیندهای فرامنطقه ای را نشان می دهند و تبادل حوزه های مختلف دشوار است. تولید کنندگان با رقابت شدید برای تولید کارشناسان، علاقه مند و واجد شرایط در تجزیه و تحلیل داده ها هستند. بنابراین، در بهترین حالت، استفاده از این منابع کمیاب به طور موثر و موثر در صورت امکان است. در این مقاله، ما در مورد وضعیت کنونی که در تجزیه و تحلیل اطلاعات ماشین ابزار در تولید ارائه شده است بحث می کنیم. بر اساس این بینش، ما یک رویکرد جامع برای تجزیه و تحلیل داده ماشین ابزار پیشنهاد می کنیم تا با برخی از کاستی های شناخته شده فعلی روبرو شویم. ما پیشنهاد می کنیم ترکیب وظایف و جمع آوری اهداف تجزیه و تحلیل در بخش های مختلف و / یا عملکرد در خط تولید، کارخانه و یا حتی سطح زنجیره تامین. برای ارزیابی رویکرد پیشنهادی ما، نمونه هایی از پیاده سازی پیروی می کنیم که به دنبال اهداف تحلیلی شناسایی شده اند، از جمله تجزیه و تحلیل متقابل دامنه که بر روی رابط بین دامنه تمرکز دارد. در زیر، ما انتقادی از رویکرد پیشنهادی ما که بر مزایای بالقوه، چالش ها و محدودیت ها مرتبط است، بحث می کنیم. در نهایت، مقاله را به پایان می رسانیم و چشم انداز تحقیقات بیشتری را ارائه می دهیم.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی کنترل و سیستم های مهندسی
چکیده انگلیسی
Recent developments across all phases of the knowledge discovery process in the machine tool data analytics process call for a paradigm shift regarding how to combine the different analytics objectives. Several machine tool data analytics processes are carried out individually by different departments. They are highly dependent on the specific analytics objectives of the individual department. All these individual tasks make use of the data coming from the same source - the machine tool controller and connected sensors. One result of today's rather diverse machine tool data analytics landscape in many manufacturing companies is that we exhibit several pockets of expertise and large numbers of individual dedicated solutions. Hence, processes and structures tend be inefficient, e.g., exhibit redundant processes, and the exchange between the different domains is difficult. Manufacturers face heavy competition for manufacturing experts, interested and qualified in data analytics. Therefore, it is in their best interest to utilizing this scarce resource as efficiently and effectively as possible. In this paper, we discuss the current situation exhibited in machine tool data analytics in manufacturing. Based on these insights, we propose a holistic approach to machine tool data analytics in order to tackle some of the identified shortcomings of current practices. We propose combining the tasks and bundling up analytics objectives across different departments and/or functions at the production line, factory or even the supply chain level. To evaluate our proposed approach, we provide selected implementation examples following the identified analytics objectives, including cross-domain analytics that focus on the interface between domains. Following, we critically discuss our proposed approach focused on the associated potential benefits, challenges and limitations. Lastly, we conclude the paper and provide an outlook on further research.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Manufacturing Systems - Volume 48, Part C, July 2018, Pages 180-191
نویسندگان
, , ,