Dürr predstavuje Advanced Analytics, prvú aplikáciu umelej inteligencie pripravenú na trh pre lakovne.Toto riešenie, ktoré je súčasťou najnovšieho modulu produktového radu DXQanalyze, spája najnovšiu IT technológiu a skúsenosti spoločnosti Dürr v sektore strojárstva, identifikuje zdroje porúch, definuje optimálne programy údržby, sleduje doteraz neznáme korelácie a využíva tieto poznatky na prispôsobenie algoritmu do systému na princípe samoučenia.
Prečo kusy často vykazujú rovnaké chyby?Kedy je možné najneskôr vymeniť mixér v robote bez zastavenia stroja?Presné a presné odpovede na tieto otázky sú základom trvalo udržateľného ekonomického úspechu, pretože každá chyba alebo každá nepotrebná údržba, ktorej sa možno vyhnúť, šetrí peniaze alebo zlepšuje kvalitu produktu.„Doteraz existovalo len veľmi málo konkrétnych riešení, ktoré by nám umožnili rýchlo identifikovať chyby alebo zlyhania kvality.A ak existovali, vo všeobecnosti boli založené na dôkladnom manuálnom vyhodnocovaní údajov alebo pokusoch typu pokus-omyl.Tento proces je teraz oveľa presnejší a automatický vďaka umelej inteligencii,“ vysvetľuje Gerhard Alonso Garcia, viceprezident MES & Control Systems v spoločnosti Dürr.
Séria digitálnych produktov DXQanalyze spoločnosti Dürr, ktorá už obsahovala moduly Data Acquisition na získavanie výrobných dát, Visual Analytics na ich vizualizáciu a Streaming Analytics, sa teraz môže spoľahnúť na nový samoučiaci sa závod Advanced Analytics a systém monitorovania procesov.
Aplikácia AI má svoju pamäť
Zvláštnosťou Advanced Analytics je, že tento modul kombinuje veľké množstvo údajov vrátane historických údajov so strojovým učením.To znamená, že samoučiaca sa aplikácia AI má vlastnú pamäť, a preto môže použiť informácie z minulosti na rozpoznanie komplexných korelácií vo veľkom množstve údajov a predpovedanie udalosti v budúcnosti s vysokou presnosťou na základe aktuálnej situácie. podmienky stroja.V lakovniach existuje množstvo aplikácií, či už na úrovni komponentov, procesov alebo závodov.
Prediktívna údržba znižuje prestoje závodu
Pokiaľ ide o komponenty, Advanced Analytics sa zameriava na zníženie prestojov prostredníctvom prediktívnych informácií o údržbe a opravách, napríklad predpovedaním zostávajúcej životnosti mixéra.Ak je komponent vymenený príliš skoro, náklady na náhradné diely sa zvyšujú a následne sa zbytočne zvyšujú náklady na generálne opravy.Na druhej strane, ak sa nechá bežať príliš dlho, môže to spôsobiť problémy s kvalitou počas procesu nanášania a zastavenie stroja.Pokročilá analýza začína učením sa indikátorov opotrebovania a časového priebehu opotrebovania pomocou údajov vysokofrekvenčného robota.Keďže údaje sú priebežne zaznamenávané a monitorované, modul strojového učenia individuálne rozpoznáva trendy starnutia príslušného komponentu na základe skutočného používania a týmto spôsobom vypočítava optimálny čas výmeny.
Plynulé teplotné krivky simulované strojovým učením
Advanced Analytics zlepšuje kvalitu na úrovni procesu identifikáciou anomálií, napríklad simuláciou krivky zahrievania v rúre.Doteraz mali výrobcovia údaje určené iba snímačmi počas meraní.Avšak krivky zahrievania, ktoré majú zásadný význam z hľadiska kvality povrchu karosérie vozidla, sa menia od starnutia pece v intervaloch medzi meraniami.Toto opotrebovanie spôsobuje kolísanie podmienok okolia, napríklad v intenzite prúdenia vzduchu.„Doteraz sa vyrábajú tisíce telies bez toho, aby sme poznali presné teploty, na ktoré boli jednotlivé telesá zahriate.Náš modul Advanced Analytics pomocou strojového učenia simuluje, ako sa mení teplota za rôznych podmienok.Našim zákazníkom to ponúka trvalý dôkaz kvality pre každý jednotlivý diel a umožňuje im identifikovať anomálie,“ vysvetľuje Gerhard Alonso Garcia.
Vyššia miera prvého spustenia zvyšuje celkovú efektivitu zariadenia
Čo sa týka implantátu, softvér DXQplant.analytics sa používa v kombinácii s modulom Advanced Analytics s cieľom zvýšiť celkovú efektivitu zariadenia.Inteligentné riešenie nemeckého výrobcu sleduje opakujúce sa chyby kvality v konkrétnych typoch modelov, konkrétnych farbách alebo na jednotlivých častiach karosérie.To umožňuje zákazníkovi pochopiť, ktorý krok vo výrobnom procese je zodpovedný za odchýlky.Takéto korelácie defektov a príčin zvýšia v budúcnosti mieru prvého spustenia tým, že umožnia zásah vo veľmi skorom štádiu.
Kombinácia inžinierstva závodu a digitálnej expertízy
Vývoj dátových modelov kompatibilných s AI je veľmi zložitý proces.v skutočnosti na vytvorenie inteligentného výsledku pomocou strojového učenia nestačí vložiť nešpecifikované množstvo údajov do „inteligentného“ algoritmu.Príslušné signály musia byť zhromaždené, starostlivo vybrané a integrované so štruktúrovanými dodatočnými informáciami z výroby.Dürr bol schopný navrhnúť softvér, ktorý podporuje rôzne scenáre použitia, poskytuje runtime prostredie pre model strojového učenia a iniciuje trénovanie modelov.„Vývoj tohto riešenia bol skutočnou výzvou, pretože neexistoval žiadny platný model strojového učenia a žiadne vhodné runtime prostredie, ktoré by sme mohli použiť.Aby sme mohli používať AI na úrovni závodu, spojili sme naše znalosti strojárstva a strojárstva s našimi odborníkmi z Digital Factory.To viedlo k prvému riešeniu umelej inteligencie pre lakovne,“ hovorí Gerhard Alonso Garcia.
Zručnosti a znalosti spojené s rozvojom pokročilej analýzy
Interdisciplinárny tím zložený z dátových vedcov, počítačových vedcov a procesných expertov vyvinul toto inteligentné riešenie.Spoločnosť Dürr tiež uzavrela kooperačné partnerstvá s niekoľkými významnými výrobcami automobilov.Týmto spôsobom mali vývojári k dispozícii reálne produkčné údaje a prostredia beta stránok vo výrobe pre rôzne prípady aplikácií.Najprv boli algoritmy trénované v laboratóriu pomocou veľkého počtu testovacích prípadov.Následne algoritmy pokračovali v učení na mieste počas reálnej prevádzky a prispôsobili sa prostrediu a podmienkam používania.Beta fáza bola nedávno úspešne dokončená a ukázala, aký veľký potenciál má AI.Prvé praktické aplikácie ukazujú, že softvér od spoločnosti Dürr optimalizuje dostupnosť závodu a kvalitu povrchu lakovaných karosérií.
Čas odoslania: 16. marca 2022