Dürr představuje Advanced Analytics, první aplikaci AI pro lakovny připravenou na trh.Toto řešení, které je součástí nejnovějšího modulu produktové řady DXQanalyze, spojuje nejnovější IT technologie a zkušenosti společnosti Dürr v oblasti strojírenství, identifikuje zdroje závad, definuje optimální programy údržby, sleduje dříve neznámé korelace a využívá tyto znalosti k přizpůsobení algoritmu do systému využívajícího princip samoučení.
Proč kusy často vykazují stejné vady?Kdy naposledy lze vyměnit mixér v robotu bez zastavení stroje?Přesné a přesné odpovědi na tyto otázky jsou zásadní pro udržitelný ekonomický úspěch, protože každá závada nebo každá zbytečná údržba, které se lze vyhnout, šetří peníze nebo zlepšuje kvalitu produktu.„Dosud existovalo jen velmi málo konkrétních řešení, která by nám umožnila rychle identifikovat kvalitativní vady nebo selhání.A pokud ano, byly obecně založeny na pečlivém ručním vyhodnocování dat nebo pokusech typu pokus-omyl.Tento proces je nyní mnohem přesnější a automatický díky umělé inteligenci,“ vysvětluje Gerhard Alonso Garcia, viceprezident MES & Control Systems ve společnosti Dürr.
Digitální produktová řada DXQanalyze společnosti Dürr, která již obsahovala moduly Data Acquisition pro získávání výrobních dat, Visual Analytics pro jejich vizualizaci a Streaming Analytics, se nyní může spolehnout na nový samoučící se závod Advanced Analytics a systém monitorování procesů.
Aplikace AI má svou paměť
Zvláštností Advanced Analytics je, že tento modul kombinuje velké množství dat včetně historických dat se strojovým učením.To znamená, že samoučící se AI aplikace má vlastní paměť a že tedy může využívat informace z minulosti jak k rozpoznání komplexních korelací ve velkém množství dat, tak k předpovědi události v budoucnosti s vysokou mírou přesnosti na základě aktuálních dat. podmínky stroje.V lakovnách existuje mnoho aplikací, ať už na úrovni komponentů, procesů nebo závodů.
Prediktivní údržba snižuje prostoje závodu
Pokud jde o komponenty, Advanced Analytics si klade za cíl snížit prostoje prostřednictvím prediktivních informací o údržbě a opravách, například předpovídáním zbývající životnosti mixéru.Pokud je součástka vyměněna příliš brzy, zvyšují se náklady na náhradní díly a následně se zbytečně zvyšují náklady na generální opravy.Na druhou stranu, pokud se nechá běžet příliš dlouho, může to způsobit problémy s kvalitou během procesu lakování a zastavení stroje.Advanced Analytics začíná učením se indikátorů opotřebení a časového průběhu opotřebení pomocí vysokofrekvenčních dat robota.Protože jsou data průběžně zaznamenávána a sledována, modul strojového učení individuálně rozpoznává trendy stárnutí příslušné součásti na základě skutečného používání a vypočítává tak optimální dobu výměny.
Spojité teplotní křivky simulované strojovým učením
Advanced Analytics zlepšuje kvalitu na úrovni procesu tím, že identifikuje anomálie, například simulací křivky ohřevu v troubě.Dosud měli výrobci data určená pouze senzory během měření.Záhřevné křivky, které mají zásadní význam z hlediska kvality povrchu karoserie, se však v průběhu stárnutí pece v intervalech mezi měřeními mění.Toto opotřebení způsobuje kolísání okolních podmínek, například v intenzitě proudění vzduchu.„Až do současnosti se vyrábí tisíce těles, aniž bychom znali přesné teploty, na které byla jednotlivá tělesa zahřátá.Náš modul Advanced Analytics pomocí strojového učení simuluje, jak se mění teplota za různých podmínek.To našim zákazníkům nabízí trvalý důkaz kvality pro každý jednotlivý díl a umožňuje jim identifikovat anomálie,“ vysvětluje Gerhard Alonso Garcia.
Vyšší rychlost prvního spuštění zvyšuje celkovou efektivitu zařízení
Co se týče implantátu, používá se software DXQplant.analytics v kombinaci s modulem Advanced Analytics za účelem zvýšení celkové efektivity zařízení.Inteligentní řešení německého výrobce sleduje opakující se závady kvality u konkrétních typů modelů, konkrétních barev nebo na jednotlivých dílech karoserie.To umožňuje zákazníkovi pochopit, který krok ve výrobním procesu je odpovědný za odchylky.Takové korelace defektů a příčin zvýší v budoucnu míru prvního spuštění tím, že umožní zásah ve velmi rané fázi.
Kombinace mezi inženýrstvím závodu a digitální odborností
Vývoj datových modelů kompatibilních s AI je velmi složitý proces.ve skutečnosti k vytvoření inteligentního výsledku pomocí strojového učení nestačí vložit blíže nespecifikovaná množství dat do „chytrého“ algoritmu.Relevantní signály musí být shromážděny, pečlivě vybrány a integrovány se strukturovanými doplňkovými informacemi z výroby.Dürr byl schopen navrhnout software, který podporuje různé scénáře použití, poskytuje běhové prostředí pro model strojového učení a iniciuje trénování modelu.„Vývoj tohoto řešení byl skutečnou výzvou, protože neexistoval žádný platný model strojového učení a žádné vhodné běhové prostředí, které bychom mohli použít.Abychom mohli používat AI na úrovni závodu, spojili jsme naše znalosti strojního inženýrství a strojního inženýrství se znalostmi našich odborníků z digitální továrny.To vedlo k prvnímu řešení umělé inteligence pro lakovny,“ říká Gerhard Alonso Garcia.
Dovednosti a znalosti spojené s vývojem pokročilé analýzy
Interdisciplinární tým složený z datových vědců, počítačových vědců a procesních expertů vyvinul toto inteligentní řešení.Dürr také uzavřel kooperační partnerství s několika významnými výrobci automobilů.Tímto způsobem měli vývojáři k dispozici reálná produkční data a beta prostředí ve výrobě pro různé případy aplikací.Nejprve byly algoritmy trénovány v laboratoři pomocí velkého počtu testovacích případů.Následně algoritmy pokračovaly v učení na místě během reálného provozu a přizpůsobovaly se prostředí a podmínkám použití.Fáze beta byla nedávno úspěšně dokončena a ukázala, jaký má potenciál AI.První praktické aplikace ukazují, že software od Dürr optimalizuje dostupnost závodu a kvalitu povrchu lakovaných karoserií.
Čas odeslání: 16. března 2022