Assessment of Statistical Stability of Steel Strip Hot-Rolling Process

Czarski, A.

doi:10.7494/mafe.2008.34.1.33

Cited by 1 publication

(1 citation statement)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Si en lugar de coger 10 cápsulas consecutivas se cogiesen de forma aleatoria a lo largo de la primera hora es posible que el resultado fuese otro al igual que si se hiciese a lo largo del día. La variable de producción seleccionada debe ser una variable contínua, y los datos resultantes del muestreo de esa variable deben seguir una distribución de probalidad gaussiana, aunque existen adaptaciones para otras distribuciones de probabilidad [8]. Una distribución de probabilidad gaussiana queda definida por una media y una desviación estándar, de forma que conocidas estas es posible estimar la probabilidad de un defecto en cada conjunto de datos.…”

Section: Introductionunclassified

Procesamiento de datos de producción para el control de procesos estadístico. SimulPLANT

Díaz-Cacho¹,

Lorenzo²,

Diz³

et al. 2022

XLIII Jornadas De Automática: Libro De Actas: 7, 8 Y 9 De Septiembre De 2022, Logroño (La Rioja)

View full text Add to dashboard Cite

Este trabajo presenta un entorno de captura y procesamiento de datos de producción con el objetivo de calcular en tiempo real los parámetros estadísticos de control de procesos (SPC) en un entorno productivo industrial. Para ello hace uso de las ventajas aportadas por el paradigma de la Industria 4.0 mediante la capacidad de captación y transmisión de datos con dispositivos IoT utilizando protocolos de Internet y las altas capacidades de computación de las pasarelas de datos. Los parámetros resultantes son susceptibles mediante un adecuado análisis de compararse con índices KPI de los departamentos de gestión de una corporación con el objetivo de encontrar correlaciones entre la adopción de las nuevas tecnologías OT y los resultados operativos de la organización.

show abstract

Section: Introductionunclassified