质量要求上升与制造成本要求下降
中国工业经过不断发展,产品逐步上升到利润空间相对较大的中高端,这类产品特征典型特征是产品复杂度高,产品特征多,如何快速分析质量问题,平衡成本与质量,是制造企业普遍面临的问题。
数据分散&指标维度少
制造过程数据存在于不同设备中,如机加工系统,CMM测量设备,PLC测量 设备,传感器等,但数据存储分散,构成离散型制造系统
数据采集能力弱
传统数据采集往往采用人工采集,数据采集成本高、精度低、时效性差
少使用算法
传统的数据分析,仅仅停留在简单的二维相关性分析
专业性弱
工业数据分析需要基于业务,应用大量统计学,可靠性分析,甚至深度学习算法,但目前大部分仅仅停留在excel数据分析层面。


设备故障分析与诊断
设备实时数据监测包含对设备运行负载率、设备精度、刀具补偿、刀具寿命等进行监测,基于运行过程数据状态,自学习故障机理,进行诊断。
产品失效分析与预测
通过对生产制造全过程零部件级别、模块级别、系统层级、售后数据采集,并构建集成数据库,帮助制造过程快速分析问题和预测产品寿命周期。
加速产品创新
上世纪60年代,田口玄一博士提出“三次设计”,工业大数据分析及改进思想,正是基于产品全过程数据特征,快速定义产品实现和售后市场的反馈,快速强化产品薄弱环节,真正实现基于数据驱动的稳健性设计。
运营过程可视化
通过实时汇总设备故障率、FTQ、生产数量等信息,整个制造过程实时可视化,帮助供应链优化决策;
流程管理智能化
传统业务流程,如变更管理、质量关键点从图纸分解到控制计划等,通过机器学习和深度学习手段,自动化生成评估报告和文档,减少不增值环节工作量。
成本和质量的完美平衡
工业数据分析基于产品质量出发,分析与产品质量相关的因素和无关的因素,实现最佳质量与最低成本的平衡。
工业过程数据价值与MES+
西格数据基于制造过程设备、产品全寿命周期数据采集(MES)和大数据智能分析技术(六西格玛统计、可靠性、非参数统计、数据挖掘、深度学习、分布式存储、云计算技术+)为基础,构建MES+系统,帮助中国制造企业对制造过程设备全寿命数据和产品全寿命数据进行智能分析,使企业构建成本与质量最佳竞争力!