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: