visplore expert

BERLIN
Daten sind nicht Informationen
visplore expert
ENGINEERING QUALITY WORLDWIDE
Visplore expert
Die Ausgangslage
Steuerung einer Produktion – statistische Prozesskontrolle
Die Aufbereitung von Informationen aus
Daten und deren zielgerechte Zusammenfassung ermöglichen das Steuern von Prozessen offline an einem Arbeitsplatz. In
vielen Fällen ist es zielführend, Qualitätsregelkarten online zu visualisieren, dies
bietet die Möglichkeit des raschen und direkten Eingriffes in die Prozesse.
Herausforderung
Die Herausforderung an plasmo visplore
expert war, dem Anwender ein Werkzeug in
die Hand zu geben, welches ihm den Um-
© iStockphoto/ollo
Durch den zunehmenden Einsatz von automatisierten Messeinrichtungen und Datenerfassungssystemen sowie die Komplexität
und die Anzahl der gewonnenen Daten
steigt der Aufwand, diese auszuwerten und
zielgerecht aufzubereiten.
Fallbeispiel: Bei Stauvorhersagesystemen werden eine Fülle von Eingangsdaten
wie Sensoren auf Straßen oder in Fahrzeugen sowie persönlicher Beobachtungen
verwendet. Die Qualität der Vorhersage
hängt nun von der Plausibilitätsprüfung
der Daten (z.B. ein anhaltendes Fahrzeug
steht nicht im Stau) ab, die Echtzeitfähigkeit garantiert die Aktualität der Daten.
Die Schlussfolgerungen „Stau“ oder „nicht
Stau“ (Ausgangsdaten) ermöglichen einfache Algorithmen (Verdichtung der Informa-
tion), bei Verwendung geeigneter Vorhersagemodelle ist eine Verkehrsflussplanung
möglich (Steuerung von Prozessen).
Von der Stauvorhersage zur Verkehrsplanung oder von der Plausibilitätsprüfung zur Steuerung von Prozessen
2
he
rts
po
Re
ns
ve
rd
Verkäufe,
cmk/cpk-Werte, Trends
Zustand, IO/NIO-Statistik,
Ausschleusungsfehlerursachen,
Darstellung, Histogramme, Verläufe
sc
tio
kli
zy
ma
er
od
Übersicht,
cpk-Werte,
Stückzahlen,
Abweichungen
se
er
od
or
Die interaktiven Visualisierungs- und Analysetechniken reichen von bekannten, sehr
breit anwendbaren Techniken (etwa Punktdiagrammen) bis hin zu hochspezialisierten
Werkzeugen für einzelne Aufgaben (etwa
die Validierung von Regressionsmodellen).
nis
ad
sd
on
kti
du
Pro
hte
ric
Messwerte, Rohdaten, Regelkarten,
Standardwerte, Abweichungen, Mittelwerte, ...
e
c-B
ho
ate
n
Inf
Darstellungsarten
eb
ich
Fe
tun
rti
g
g
un un
g
dste spla
ue nun
ru
ng g
Datenfluss in einer Produktion
hierzu die plasmo Q report suite) ergaben sich folgende Herausforderungen:
• Netzwerkschnittstelle für Datenimport
(zentrale Visualisierung)
• Echtzeitfähigkeit (100% aller Produktionsdaten, keine Stichprobenanalyse)
• Schnittstellen zu Reportingsoftware-Produkten
Erg
Pr
ve odu
ran kt
tw ions
or
tun g
gang mit große Datenmengen ermöglicht.
Dabei sollte er die Daten online und offline
grafisch visualisieren, interaktiv bearbeiten und damit dynamisch Zusammenhänge
erkennen und die Datenplausibilität prüfen können.
Weitere Herausforderungen für die Offlineanalyse waren:
• Umgang mit unterschiedlichsten Datentypen wie Zahlenwerten und Datum/Uhrzeit
• Umgang mit kategorischen Variablen wie
Schlecht/Gut oder Kategorie A, B, C
• Einsetzbarkeit für Daten verschiedenster
Hersteller
• Interaktivität bei großen Datenmengen
(rasche Aktualisierung der Darstellungen)
• Einfacher Datenimport und -export
Für die Onlineanalyse von Daten (siehe
3
Zur Visualisierung zusätzlicher Dimensionen können in allen Darstellungen zusätzliche Datenattribute farblich bzw. als
unterschiedliche Punktgrößen dargestellt
werden.
Für die interaktive grafische Abfrage an
die Daten stehen entsprechende Selektionsmöglichkeiten zur Verfügung, bei entsprechender Auswahl der Daten werden
alle anderen Darstellungen automatisch
aktualisiert. Mehrfachselektionen unter
Berücksichtigung logischer Operatoren
sind möglich.
Alle Darstellungen können als Grafikdateien zur Weiterverarbeitung exportiert
werden, selektierte Daten können als Textdatei zum Import in andere Anwendungen
ebenfalls gespeichert werden.
Merkmale/Nutzen
• Optimierte Datenanalyse und Visualisierung
• Hohe Performance, speziell auch bei großen Datensätzen (bis etwa 5 Mio. Zeilen
und hunderten Datenspalten).
• Interaktion mit Vorgaben des Benutzers
(einfache Selektion, mehrfache Selektion)
• Liefert visuelles Feedback in Echtzeit
und blockiert niemals die Applikation.
• Analyseergebnisse lassen sich auf mehrere Arten dynamisch darstellen und exportieren
• Erstellen von Grafikdateien (etwa als
PNG) zu jedem Zeitpunkt
• Teilmengen der Daten können auch als
Textdateien exportiert und in andere
4
•
•
•
•
•
•
•
•
•
•
•
•
Programme (z.B. in einer Tabellenkalkulation) importiert werden (Ergebnisse
von Selektionen, Berechnete Statistiken,
…).
Speichern des aktuellen Arbeitsblattes
inkl. aller Darstellungen und Selektionen
Erstellung von XML-basierten Setups,
die eine Definition von Visualisierungen,
Selektionen, etc. beinhalten und auch auf
neue Daten angewandt werden können
(vordefinierte Layouts und Darstellungen zur Analyse - statischer „workflow“).
Erfassen von Prozessmessdaten des plasmo profileobserver und plasmo processobserver
Erfassen beliebiger Daten von unterschiedlichen Datenquellen über definierte Datenschnittstellen
Erkennen von Zusammenhängen und Abhängigkeiten in den Daten, Berechnen
von statistischen Momenten
Regressionsanalysen
Modellierung von funktionalen Zusammenhängen
Schnittstelle zum Statistikpaket R (Integration der R Konsole in die Bedienoberfläche)
Ergebnisse mit individuellen Vorgaben
vergleichen
Grafische Darstellungen, Trends und Reports (z. B.: Tagesbericht , Wochenbericht,
Monatsbericht, ...)
Regelkartendarstellung, unterstützt statistische Prozesskontrolle (SPC).
Prozessfähigkeitsuntersuchungen, Darstellung cmk-, cpk-Werte.
Folgende Visualisierungstechniken stehen zur Verfügung:
Zweidimensionale Darstellungen
• 2D-Punktdiagramm: Zeigt die Verteilung zweier kontinuierlicher Datenattribute.
• 2D-Kurvendiagramm: Zeigt die Verteilung eines Datenattributes als Kurven
an.
• 2D-Kurvenübersicht: Zeigt die Verteilung eines Datenattributes in Abhängigkeit zweier weiterer Datenattribute als Kurven an.
Dreidimensionale Darstellung
• 3D-Punktdiagramm: Zeigt die Verteilung dreier kontinuierlicher Datenattribute.
Statistikdarstellungen
• Histogramm: Zeigt die Verteilung eines kontinuierlichen Datenattributs.
• Statistische 1D-Übersicht: Bietet eine
grafische Übersicht über Datenspalten durch Histogramme und Box-Plots,
sowie eine Quantifizierung von beliebigen Teilmengen der Daten an Hand
eindimensionaler statistischer Momente
• Statistische 2D-Übersicht: Bietet eine
Übersicht über paarweise Zusammenhänge von Datenspalten in Form einer
Matrix von 2D-Punktdiagrammen, sowie eine Quantifizierung von beliebi-
gen Teilmengen der Daten an Hand
zweidimensionaler statistischer Momente.
Mehrdimensionale Darstellungen
• Parallele Koordinaten: Setzt mehrere
kontinuierliche Attribute in Bezug zueinander.
• Aggregation-basierte
Darstellung:
Dient zum Bilden beliebiger Aggregationen (Zusammenfassungen) mittels
Pivot-Tabellen sowie zu deren Visualisierung durch Heatmaps, Balkendiagrammen oder Punktdiagrammen.
• Funktionsgraphen: Zeigt für potentiell viele funktionale Größen die Funktionsgraphen an.
• Validierung von Regressionsmodellen: Erlaubt die Validierung mehrdimensionaler Regressionsmodelle an
Hand vorliegender Validierungsdaten.
Weitere Darstellungen
• Tabellendarstellung: Zeigt zu selektierten Dateneinträgen Details in
Form von Text.
5
Darstellungsarten für Messdaten am Beispiel des plasmo processobserver advanced
6
7
Anwendungsbeispiele
8
Seite 8 oben: Qualitätsregelkarte eines Messsystems wie dem plasmo profileobserver
Seite 8 unten: Erstellung von Produktionsstatistiken (oberer Screenshot) On- und Offline, Analyse Einfluss Prüfergebnis
auf die Zykluszeit (unterer Screenshot)
Seite 9: Prozessoptimierung eines Laserschweißprozesses
9
Technische Daten
PC Anforderungen
Hauptspeicher
Mind. 1GB
Betriebssystem
Windows XP SP3
Windows Vista
Windows Server 2003 und 2008
Windows 7 32 bit und 64 bit
Softwarefeatures
Softwareversionen
32 bit und 64 bit
Darstellungsarten
•
•
•
•
•
•
•
•
•
Selektionsmöglichkeiten
• Linie, Rechteck, Point of interest
• Mehrfachselektionen möglich
• Verknüpfungen von Selektionen +, -, &
Datentypen
•
•
•
•
Datenimport
• Trennzeichengetrennte Textdatei (csv Datei)
• plasmo Importer zum schnellen Import von Kurvendaten,
netzwerkfähig über TCPIP Verbindung
Datenexport
• Trennzeichengetrennte Textdatei (csv Datei)
• Grafikdateien (png, jpg, bmp)
• SQL Datenbank für Reporting auf Anfrage
Statistikfunktionen
•
•
•
•
•
Histogramm
Lineare Regression
Pearson Korrelation, Spearman Korrelation
R2 Relevanz
Schnittstelle zu R
Modellierungsfunktion
•
•
•
•
SVR
Neuronale Netze
Lineare Regression
K Tree
Anzahl 14
Tabellarisch, Tabellenlinse
Parallele Koordinaten
Aggregationsansicht
1D, 2D Übersicht (Statistik)
2D und 3D Punktdiagramme
2D Kurven/Kurvenübersicht und Zeitreihenansicht
Funktionsgraphen inkl. Parametersensitivitätsanalyse
R Konsole
Datum/Uhrzeit
Kontinuierliche Daten
Kategorische Daten
Kurvendaten
© 2014 plasmo Industrietechnik GmbH. Gedruckt in Österreich. Änderungen der technischen Daten jederzeit vorbehalten. Die technischen Daten und Spezifikationen stellen keine Garantie dar.
10
© iStockphoto/ArnoMasee
Die Daten aus der Produktion werden statistisch
ausgewertet und visualisiert.
11
Headquarters
plasmo Industrietechnik GmbH
Dresdner Straße 81-85
1200 Vienna
Austria
Telefon:
+43 1 236 26 07-0
Telefax:
+43 1 236 26 07-99
E-Mail:[email protected]
Web:www.plasmo.eu
USA
plasmo USA LLC
44160 Plymouth Oaks Boulevard
Plymouth, MI 48170
USA
Telefon:
+1 734 414 79 12
Telefax:
+1 734 414 58 99
E-Mail:[email protected]
Web:www.plasmo-us.com
Deutschland
plasmo Industrietechnik GmbH
Leitzstraße 45
70469 Stuttgart
Germany
Telefon:
+49 711 490 66 307
Telefax:
+49 711 490 66 309
E-Mail:[email protected]
Web:www.plasmo.eu
Internationaler Verkauf
Bitte kontaktieren Sie unser Büro in Wien.
DIESE INFORMATION WURDE IHNEN ÜBERREICHT DURCH: