Dürr przedstawia Advanced Analytics, pierwszą gotową do wprowadzenia na rynek aplikację AI dla lakierni.Będąc częścią najnowszego modułu serii produktów DXQanalyze, rozwiązanie to łączy najnowszą technologię IT i doświadczenie firmy Dürr w sektorze inżynierii mechanicznej, identyfikuje źródła usterek, definiuje optymalne programy konserwacji, śledzi nieznane wcześniej korelacje i wykorzystuje tę wiedzę do dostosowania algorytm do systemu z wykorzystaniem zasady samouczenia.
Dlaczego kawałki często wykazują te same wady?Kiedy najpóźniej można wymienić mikser w robocie bez zatrzymywania maszyny?Posiadanie dokładnych i precyzyjnych odpowiedzi na te pytania ma fundamentalne znaczenie dla trwałego sukcesu ekonomicznego, ponieważ każda usterka lub każda niepotrzebna konserwacja, której można uniknąć, oszczędza pieniądze lub poprawia jakość produktu.„Wcześniej było bardzo niewiele konkretnych rozwiązań, które pozwoliłyby nam szybko zidentyfikować wady lub awarie jakościowe.A jeśli tak było, opierały się na ogół na skrupulatnej ręcznej ocenie danych lub próbach prób i błędów.Proces ten jest teraz znacznie dokładniejszy i bardziej automatyczny dzięki sztucznej inteligencji”, wyjaśnia Gerhard Alonso Garcia, wiceprezes ds. systemów MES i systemów sterowania w firmie Dürr.
Seria cyfrowych produktów DXQanalyze firmy Dürr, która zawierała już moduły Data Acquisition do pozyskiwania danych produkcyjnych, Visual Analytics do ich wizualizacji oraz Streaming Analytics, może teraz liczyć na nowy samouczący się zakład Advanced Analytics oraz system monitorowania procesów.
Aplikacja AI ma swoją pamięć
Osobliwością Advanced Analytics jest to, że moduł ten łączy duże ilości danych, w tym dane historyczne, z uczeniem maszynowym.Oznacza to, że samoucząca się aplikacja AI ma własną pamięć i dlatego może wykorzystywać informacje z przeszłości do rozpoznawania złożonych korelacji w dużych ilościach danych i przewidywania zdarzeń w przyszłości z dużą dokładnością w oparciu o aktualne warunki maszyny.Istnieje wiele zastosowań w lakierniach, zarówno na poziomie komponentów, procesów, jak i zakładów.
Konserwacja predykcyjna skraca czas przestojów zakładu
Jeśli chodzi o komponenty, Advanced Analytics ma na celu skrócenie przestojów dzięki informacjom o konserwacji predykcyjnej i naprawach, na przykład poprzez przewidywanie pozostałego okresu eksploatacji miksera.Jeśli element zostanie wymieniony zbyt wcześnie, koszty części zamiennych wzrastają iw konsekwencji niepotrzebnie wzrastają koszty naprawy ogólnej.Z drugiej strony, jeśli będzie pracował zbyt długo, może powodować problemy z jakością podczas procesu powlekania i przestoje maszyny.Zaawansowana analityka zaczyna się od poznania wskaźników zużycia i czasowego wzorca zużycia przy użyciu danych robota o wysokiej częstotliwości.Ponieważ dane są stale rejestrowane i monitorowane, moduł uczenia maszynowego indywidualnie rozpoznaje trendy starzenia się poszczególnych komponentów w oparciu o rzeczywiste zużycie i oblicza w ten sposób optymalny czas wymiany.
Ciągłe krzywe temperatury symulowane przez uczenie maszynowe
Advanced Analytics poprawia jakość na poziomie procesu, identyfikując anomalie, na przykład symulując krzywą nagrzewania w piecu.Do tej pory producenci dysponowali jedynie danymi określanymi przez czujniki podczas pomiarów.Jednak krzywe nagrzewania, które mają fundamentalne znaczenie z punktu widzenia jakości powierzchni karoserii, zmieniają się wraz ze starzeniem się pieca w przerwach między pomiarami.Zużycie to powoduje wahania warunków otoczenia, na przykład natężenia przepływu powietrza.„Do tej pory produkowano tysiące ciał, nie znając dokładnej temperatury, do jakiej zostały nagrzane poszczególne ciała.Wykorzystując uczenie maszynowe, nasz moduł Advanced Analytics symuluje zmiany temperatury w różnych warunkach.Daje to naszym klientom stały dowód jakości dla każdej indywidualnej części i pozwala im zidentyfikować anomalie”, wyjaśnia Gerhard Alonso Garcia.
Wyższy wskaźnik pierwszego uruchomienia zwiększa ogólną efektywność sprzętu
Jeśli chodzi o implant, oprogramowanie DXQplant.analytics jest używane w połączeniu z modułem Advanced Analytics w celu zwiększenia ogólnej efektywności sprzętu.Inteligentne rozwiązanie niemieckiego producenta śledzi powtarzające się wady jakościowe w określonych typach modeli, określonych kolorach lub na poszczególnych częściach karoserii.Dzięki temu klient może zrozumieć, który etap procesu produkcyjnego jest odpowiedzialny za odchylenia.Takie korelacje defektów i przyczyn zwiększą wskaźnik pierwszego uruchomienia w przyszłości, umożliwiając interwencję na bardzo wczesnym etapie.
Połączenie inżynierii instalacji i wiedzy cyfrowej
Tworzenie modeli danych zgodnych ze sztuczną inteligencją to bardzo złożony proces.w rzeczywistości, aby uzyskać inteligentny wynik dzięki uczeniu maszynowemu, nie wystarczy wstawić nieokreślonych ilości danych do „inteligentnego” algorytmu.Istotne sygnały muszą być zbierane, starannie wybierane i integrowane z ustrukturyzowanymi dodatkowymi informacjami z produkcji.Dürr był w stanie zaprojektować oprogramowanie, które obsługuje różne scenariusze użytkowania, zapewnia środowisko uruchomieniowe dla modelu uczenia maszynowego i inicjuje szkolenie modelu.„Opracowanie tego rozwiązania było prawdziwym wyzwaniem, ponieważ nie było ważnego modelu uczenia maszynowego ani odpowiedniego środowiska uruchomieniowego, z którego moglibyśmy skorzystać.Aby móc wykorzystać sztuczną inteligencję na poziomie zakładu, połączyliśmy naszą wiedzę z zakresu inżynierii mechanicznej i instalacji z wiedzą naszych ekspertów Digital Factory.W ten sposób powstało pierwsze rozwiązanie wykorzystujące sztuczną inteligencję dla lakierni”, mówi Gerhard Alonso Garcia.
Umiejętności i wiedza połączone w celu opracowania zaawansowanej analityki
To inteligentne rozwiązanie opracował interdyscyplinarny zespół złożony z analityków danych, informatyków i ekspertów ds. procesów.Dürr nawiązał również współpracę z kilkoma dużymi producentami samochodów.W ten sposób programiści dysponowali rzeczywistymi danymi produkcyjnymi i środowiskami witryny beta w produkcji dla różnych zastosowań.Najpierw algorytmy zostały przeszkolone w laboratorium przy użyciu dużej liczby przypadków testowych.Następnie algorytmy kontynuowały uczenie się na miejscu podczas rzeczywistej pracy i dostosowywały się do środowiska i warunków użytkowania.Faza beta została niedawno pomyślnie zakończona i pokazała, jak duży ma potencjał AI.Pierwsze praktyczne zastosowania pokazują, że oprogramowanie firmy Dürr optymalizuje dostępność zakładu i jakość powierzchni lakierowanych karoserii.
Czas publikacji: 16 marca-2022