历史学家在制造业中的统计计算

通过连接历史学家，统计软件包可以对生产数据进行高级分析。

作者:Holger Amort博士，Maverick Technologies 2016年6月7日

制造工厂正在创建大量的实时数据，这些数据通常被历史化，用于可视化、分析和报告。数据量是惊人的，一些公司花费大量资源来维护软、硬件和数据安全。所有这些努力背后的驱动力是一个共同的信念，即数据是有价值的，并且包含了未来流程改进的信息。

问题在于，高级数据分析需要的工具超出了微软Excel等电子表格程序的功能，而Excel仍然是制造业计算的首选。可供选择的是专门从事统计计算的软件包，它们在价格、功能和学习曲线的陡度上有所不同。

其中一个解决方案，R程序，已经越来越受欢迎，并得到微软[1][2][3][4]的支持。R从一开始就是开源的，并且是免费的，这吸引了广泛的社区使用它作为他们的主要统计工具。它在制造业数据分析领域也会非常成功，还有其他原因:

R与。Net协同工作:有两个项目允许R与Net之间的互操作性，分别是R.NET[5]和RCLR[6]。
R提供了大量的R包(截至2015年6月18日，R包数量已达6789个)，这些包都是有针对性的函数库。例如，包' qcc '[7]是一个用于单变量和多变量过程控制的优秀库。
根据2015年Rexer[8]数据挖掘调查，76%的分析专业人士使用R, 36%的分析专业人士使用R作为主要分析工具，这使得R成为迄今为止使用最多的分析工具。
Visual Studio现在支持R，支持调试和智能感知。Visual Studio是一个非常流行的集成开发环境(IDE)，用于NET程序员，它将使开发人员更容易开始用R编程。
R的庞大用户群有助于检查和验证包。
学术界的大量用户导致了前沿算法的快速发布。

下面是将R分析与OSIsoft PI历史记录(+资产和事件框架)结合使用的两个示例。

例1:流程能力

例2:批量温度分布的主成分分析

R分析的结果还可以实时用于工艺分析。一般来说，模型开发和部署的过程结构如下:

在模型开发阶段，开发、验证SPC、MPC、PCA或PLS等模型，并最终存储在数据文件中。在实时应用程序或模型部署阶段，将新的数据发送给R，并使用相同的模型进行预测。

在制造业中，存储的数据量与执行的分析水平之间的差距越来越大。R统计软件包可以通过提供OSIsoft PI等历史学家提供的生产数据的高水平分析来缩小这一差距。它提供了一个丰富的统计包库，可以执行单变量和多变量分析，并允许实时分析。

本文由Holger Amort博士撰写。霍尔格是一名高级顾问特立独行的技术是一家领先的自动化解决方案提供商，为流程工业提供工业自动化、战略制造和企业集成服务。Maverick提供广泛领域的专业知识和咨询，包括工业自动化控制、分布式控制系统、制造执行系统、运营战略、业务流程优化等。

引用:

[1]https://www.zdnet.com/article/microsofts-r-strategy/

[2] https://www.revolutionanalytics.com/