您的问题回答:关于工业分析的当前问题

在最近的CFE媒体网络直播中，“工业分析的当前问题”，东丽美国公司的首席工艺工程师Michael Malone介绍了一个案例研究和一些公司最近项目的技术背景。由于时间紧迫，他无法回答读者提出的几个问题。这些问题的答案如下。

问:关于项目的数据工程方面，你做了什么不同的事情?

马龙:在开始时花更多时间了解底层SQL脚本的命名法，该命名脚本将数据从制造系统中获取到自助服务数据分析工具。在这种情况下，我们早期抓住了一些格式化问题，并且没有追溯/重新做太多。我们准备并执行了几个小批次数据，以确保我们正在寻找，并在缩放自动数据分配之前对此感到满意。

问题：为了充分确定导致失败的趋势，需要大量的信息。监控设备的最佳数据存储解决方案是什么？可以集成到现有设施中？考虑到空间等......

马龙:在Toray，我们发现该过程数据历史学家是从我们植物中超过10个独特的数据收集设备/控制系统收集的所有过程数据的集中存储的最佳解决方案。结果是使用智能数据压缩算法的单一时间序列数据流，以便有效地利用可用存储。我们一直优先考虑历史数据的价值，而不是所述数据存储的成本或空间。

这是一篇讨论的简短文章理解您的数据历史学家的选择和选项．

问:你认为实现可靠的机器人工智能或类似技术的最大障碍或障碍是什么?

马龙:最大的挑战将是消除机器学习模型中的过程盲点。所有定义和影响机器性能或制造过程的数据都需要在机器学习模型中实时访问。即使缺少一个过程变量，即使是某种随机变量，也会使机器模型难以了解什么是正常的，什么不是，并准确预测未来的麻烦。即使在今天，我们仍然有某种程度的定性过程或设备评估，不容易被传感器在现场捕捉。