Dürr esitleb Advanced Analyticsit, esimest turule sobivat AI-rakendust värvitöökodadele.See lahendus on osa DXQanalyze tooteseeria uusimast moodulist, ühendab endas uusima IT-tehnoloogia ja Dürri kogemused masinaehitussektoris, tuvastab defektide allikad, määratleb optimaalsed hooldusprogrammid, jälgib senitundmatuid seoseid ja kasutab neid teadmisi, et kohandada Algoritm süsteemile iseõppimise põhimõttel.
Miks on tükkidel sageli samad vead?Millal on uusim võimalus robotis mikserit vahetada ilma masinat peatamata?Täpsed ja täpsed vastused nendele küsimustele on jätkusuutliku majandusedu jaoks üliolulised, kuna iga välditav defekt või tarbetu hooldus säästab raha või parandab toote kvaliteeti.“Varem oli väga vähe konkreetseid lahendusi, mis oleks võimaldanud kvaliteedivigasid või tõrkeid kiiresti tuvastada.Ja kui neid oli, põhinesid need üldiselt andmete hoolikal käsitsi hindamisel või katse-eksituse katsetel.Tänu tehisintellektile on see protsess nüüd palju täpsem ja automaatsem,“ selgitab Gerhard Alonso Garcia, Dürri MES-i ja juhtimissüsteemide asepresident.
Dürri digitaalsed tooteseeriad DXQanalyze, mis sisaldasid juba tootmisandmete hankimiseks andmehõivemooduleid, visualiseerimiseks Visual Analyticsit ja Streaming Analyticsit, võivad nüüd loota uuele iseõppivale Advanced Analyticsi tehasele ja protsesside jälgimise süsteemile.
AI-rakendusel on oma mälu
Advanced Analyticsi eripära on see, et see moodul ühendab masinõppega suured andmemahud, sealhulgas ajaloolised andmed.See tähendab, et iseõppival tehisintellekti rakendusel on oma mälu ja seepärast saab see kasutada mineviku teavet, et tuvastada keerulisi korrelatsioone suurtes andmehulkades ja ennustada sündmusi tulevikus suure täpsusega praeguse hetke põhjal. masina tingimused.Värvitöökodades on selleks palju rakendusi, olgu siis komponentide, protsesside või tehase tasandil.
Ennustav hooldus vähendab tehase seisakuid
Mis puudutab komponente, siis Advanced Analytics eesmärk on vähendada seisakuid prognoositava hooldus- ja remonditeabe kaudu, näiteks ennustades mikseri järelejäänud kasutusiga.Liiga varajase komponendi vahetuse korral suurenevad kulud varuosadele ja sellest tulenevalt suurenevad tarbetult üldised remondikulud.Teisest küljest, kui see jäetakse liiga kauaks tööle, võib see põhjustada katmisprotsessi ajal kvaliteediprobleeme ja masina seiskamisi.Advanced Analytics alustab kulumisnäitajate ja kulumismustri õppimisega kõrgsageduslike robotiandmete abil.Kuna andmeid salvestatakse ja jälgitakse pidevalt, tuvastab masinõppemoodul individuaalselt vastava komponendi vananemistrendid tegeliku kasutuse põhjal ja arvutab sel viisil välja optimaalse vahetusaja.
Masinõppega simuleeritud pidevad temperatuurikõverad
Advanced Analytics parandab kvaliteeti protsessi tasandil, tuvastades kõrvalekaldeid, näiteks simuleerides ahju kuumenemiskõverat.Seni olid tootjatel anduritega määratud andmed ainult mõõtmiste käigus.Kuumutamiskõverad, mis on aga autokere pinnakvaliteedi seisukohalt üliolulised, varieeruvad alates ahju vananemisest, mõõtmiste vaheliste intervallide ajal.See kulumine põhjustab kõikuvaid ümbritsevaid tingimusi, näiteks õhuvoolu intensiivsuses."Seni on toodetud tuhandeid kehasid, teadmata täpseid temperatuure, milleni üksikud kehad on kuumutatud.Masinõppe abil simuleerib meie Advanced Analytics moodul, kuidas temperatuur erinevates tingimustes muutub.See annab meie klientidele püsiva kvaliteeditõendi iga üksiku osa kohta ja võimaldab neil tuvastada kõrvalekaldeid,“ selgitab Gerhard Alonso Garcia.
Kõrgem esmakordne määr suurendab seadmete üldist tõhusust
Implantaadi puhul kasutatakse DXQplant.analytics tarkvara koos Advanced Analytics mooduliga, et tõsta seadmete üldist efektiivsust.Saksa tootja intelligentne lahendus jälgib korduvaid kvaliteedidefekte kindlate mudelitüüpide, kindlate värvide või üksikute kereosade puhul.See võimaldab kliendil mõista, milline tootmisprotsessi etapp on kõrvalekallete eest vastutav.Sellised defektide ja põhjuste korrelatsioonid suurendavad tulevikus esmakordset määra, võimaldades sekkumist väga varajases staadiumis.
Tehasetehnoloogia ja digitaalsete teadmiste kombinatsioon
AI-ga ühilduvate andmemudelite väljatöötamine on väga keeruline protsess.Tegelikult ei piisa masinõppega intelligentse tulemuse saamiseks täpsustamata andmemahtude sisestamisest "tarkasse" algoritmi.Asjakohased signaalid tuleb koguda, hoolikalt valida ja integreerida tootmisest pärineva struktureeritud lisateabega.Dürr suutis kujundada tarkvara, mis toetab erinevaid kasutusstsenaariume, pakub masinõppemudelile käituskeskkonda ja algatab mudelikoolituse.„Selle lahenduse väljatöötamine oli tõeline väljakutse, kuna puudus kehtiv masinõppemudel ega sobiv käituskeskkond, mida oleksime saanud kasutada.Tehisintellekti tehase tasemel kasutamiseks oleme ühendanud oma teadmised mehaanika- ja tehasetehnikast meie Digital Factory ekspertide omadega.See viis värvitöökodade jaoks esimese tehisintellekti lahenduseni,“ ütleb Gerhard Alonso Garcia.
Oskused ja teadmised on ühendatud täiustatud analüüsi arendamiseks
Andmeteadlastest, arvutiteadlastest ja protsessiekspertidest koosnev interdistsiplinaarne meeskond töötas selle intelligentse lahenduse välja.Dürr on sõlminud koostööpartnerlusi ka mitme suurema autotootjaga.Nii olid arendajatel erinevate rakendusjuhtumite jaoks tootmises reaalsed tootmisandmed ja beetakeskkonnad.Esiteks koolitati algoritme laboris, kasutades suurt hulka testjuhtumeid.Seejärel jätkasid algoritmid reaalses töös kohapeal õppimist ning kohandasid end keskkonna ja kasutustingimustega.Beetafaas lõppes hiljuti edukalt ja näitas, kui palju AI potentsiaali sellel on.Esimesed praktilised rakendused näitavad, et Dürri tarkvara optimeerib tehase kättesaadavust ja värvitud korpuste pinnakvaliteeti.
Postitusaeg: 16. märts 2022