A Dürr bemutatja az Advanced Analytics-et, az első piacra kész mesterséges intelligencia alkalmazást a festőműhelyek számára.A DXQanalyze terméksorozat legújabb moduljának részeként ez a megoldás egyesíti a legújabb informatikai technológiát és a Dürr gépipari szektorban szerzett tapasztalatait, azonosítja a hibák forrásait, meghatározza az optimális karbantartási programokat, nyomon követi a korábban ismeretlen összefüggéseket, és ezt a tudást felhasználja a algoritmust a rendszerhez az öntanulási elv alapján.
Miért mutatják gyakran ugyanazokat a hibákat a darabokon?Mikor cserélhető ki a robotban a legfrissebb keverő a gép leállítása nélkül?A pontos és precíz válaszok ezekre a kérdésekre elengedhetetlenek a fenntartható gazdasági sikerhez, hiszen minden elkerülhető hiba vagy szükségtelen karbantartás pénzt takarít meg, vagy javítja a termék minőségét.„Ezelőtt nagyon kevés olyan konkrét megoldás volt, amely lehetővé tette volna a minőségi hibák vagy meghibásodások azonnali azonosítását.És ha voltak is, általában az adatok gondos kézi értékelésén vagy a próba-szerencse kísérleteken alapultak.Ez a folyamat a mesterséges intelligenciának köszönhetően már sokkal pontosabb és automatikusabb” – magyarázza Gerhard Alonso Garcia, a Dürr MES és Control Systems részlegének alelnöke.
A Dürr DXQanalyze digitális terméksorozata, amely már magában foglalta a termelési adatok gyűjtésére szolgáló Data Acquisition modulokat, az ezek megjelenítésére szolgáló Visual Analyticset és a Streaming Analyticset, most számíthat az új, öntanuló Advanced Analytics üzemre és a folyamatfigyelő rendszerre.
Az AI alkalmazásnak van memóriája
Az Advanced Analytics sajátossága, hogy ez a modul nagy mennyiségű adatot, köztük előzményadatokat kombinál a gépi tanulással.Ez azt jelenti, hogy az öntanuló mesterséges intelligencia alkalmazásnak saját memóriája van, és ezért a múlt információit felhasználva képes nagy mennyiségű adat összetett összefüggéseinek felismerésére és a jövőbeli események előrejelzésére nagy pontossággal a jelenlegi adatok alapján. egy gép körülményei.Számos alkalmazás létezik erre a festéküzletekben, akár alkatrész-, folyamat- vagy üzemi szinten.
Az előrejelző karbantartás csökkenti az üzem leállási idejét
Ami az alkatrészeket illeti, az Advanced Analytics célja a leállások csökkentése a prediktív karbantartási és javítási információk révén, például a keverő hátralévő élettartamának előrejelzésével.Ha az alkatrészt túl korán cserélik, az alkatrészköltségek megnövekednek, és ennek következtében az általános javítási költségek szükségtelenül megnövekednek.Másrészt, ha túl sokáig hagyják működni, az minőségi problémákat okozhat a bevonatolási folyamat során, illetve gépleállásokat okozhat.Az Advanced Analytics a kopásjelzők és a kopás időbeli mintázatának megtanulásával kezdődik, nagyfrekvenciás robotadatok segítségével.Mivel az adatok folyamatos rögzítése és monitorozása történik, a gépi tanulási modul a tényleges használat alapján egyedileg ismeri fel az adott komponens öregedési trendjeit, és ily módon számítja ki az optimális csereidőt.
Gépi tanulással szimulált folyamatos hőmérsékleti görbék
Az Advanced Analytics javítja a minőséget a folyamat szintjén az anomáliák azonosításával, például a sütőben lévő felmelegedési görbe szimulálásával.A gyártók eddig csak mérési futtatások során rendelkeztek szenzorok által meghatározott adatokkal.A karosszéria felületi minősége szempontjából alapvető fontosságú felmelegedési görbék azonban a sütő elöregedése óta, a mérések közötti időközökben változnak.Ez a kopás ingadozó környezeti feltételeket okoz, például a légáramlás intenzitásában.„Mostanáig testek ezreit állítják elő anélkül, hogy ismerték volna azt a pontos hőmérsékletet, amelyre az egyes testeket felmelegítették.A gépi tanulás segítségével az Advanced Analytics modulunk szimulálja, hogyan változik a hőmérséklet különböző körülmények között.Ez ügyfeleinknek állandó minőségi bizonyítékot kínál minden egyes alkatrész esetében, és lehetővé teszi számukra az anomáliák azonosítását” – magyarázza Gerhard Alonso Garcia.
A magasabb első futási arány növeli a berendezés általános hatékonyságát
Ami az implantátumot illeti, a DXQplant.analytics szoftvert az Advanced Analytics modullal együtt használják a berendezés általános hatékonyságának növelése érdekében.A német gyártó intelligens megoldása nyomon követi az ismétlődő minőségi hibákat bizonyos modelltípusoknál, színekben vagy az egyes karosszériarészeken.Ez lehetővé teszi a vásárló számára, hogy megértse, a gyártási folyamat melyik lépése felelős az eltérésekért.Az ilyen hiba- és ok-összefüggések a jövőben növelni fogják az első futás arányát azáltal, hogy lehetővé teszik a nagyon korai szakaszban történő beavatkozást.
Az üzemmérnökség és a digitális szakértelem kombinációja
Az AI-kompatibilis adatmodellek fejlesztése nagyon összetett folyamat.valójában ahhoz, hogy gépi tanulással intelligens eredményt hozzunk létre, nem elég meghatározatlan mennyiségű adatot beszúrni egy „okos” algoritmusba.A releváns jelzéseket össze kell gyűjteni, gondosan kell kiválasztani és integrálni kell a gyártásból származó strukturált kiegészítő információkkal.A Dürr képes volt olyan szoftvert tervezni, amely különböző felhasználási forgatókönyveket támogat, futási környezetet biztosít a gépi tanulási modellhez, és modellképzést kezdeményez.„A megoldás kifejlesztése igazi kihívás volt, mivel nem volt érvényes gépi tanulási modell és megfelelő futtatókörnyezet, amelyet használhattunk volna.Annak érdekében, hogy üzemi szinten tudjuk használni az AI-t, a gépészeti és üzemmérnöki ismereteinket egyesítettük a Digital Factory szakértőivel.Ez vezetett az első mesterséges intelligencia megoldáshoz a festékboltok számára” – mondja Gerhard Alonso Garcia.
A készségek és a tudás kombinálva az Advanced Analytics fejlesztéséhez
Adattudósokból, informatikusokból és folyamatszakértőkből álló interdiszciplináris csapat fejlesztette ki ezt az intelligens megoldást.A Dürr több jelentős autógyártóval is együttműködési partnerséget kötött.Ily módon a fejlesztők valós termelési adatokkal és béta helyszíni környezetekkel rendelkeztek a különböző alkalmazási esetekhez.Először is, az algoritmusokat a laboratóriumban betanították nagyszámú teszteset felhasználásával.Ezt követően az algoritmusok a valós működés során folytatták a helyszíni tanulást, és alkalmazkodtak a környezethez és a használati feltételekhez.A béta fázis nemrégiben sikeresen befejeződött, és megmutatta, mekkora AI-potenciál van benne.Az első gyakorlati alkalmazások azt mutatják, hogy a Dürr szoftvere optimalizálja az üzem rendelkezésre állását és a festett testek felületi minőségét.
Feladás időpontja: 2022. március 16