Dürr pristato Advanced Analytics – pirmąją rinkoje paruoštą dirbtinio intelekto taikomąją programą dažymo dirbtuvėms.Šis sprendimas, priklausantis naujausiam DXQanalyze gaminių serijos moduliui, sujungia naujausias IT technologijas ir Dürr patirtį mechaninės inžinerijos sektoriuje, nustato defektų šaltinius, apibrėžia optimalias priežiūros programas, seka anksčiau nežinomas koreliacijas ir šias žinias panaudoja pritaikydamas algoritmas sistemai naudojant savarankiško mokymosi principą.
Kodėl detalės dažnai turi tuos pačius defektus?Kada vėliausiai galima pakeisti maišytuvą robote nestabdant mašinos?Norint užtikrinti tvarią ekonominę sėkmę, būtina turėti tikslius ir tikslius atsakymus į šiuos klausimus, nes kiekvienas trūkumas ar nereikalinga priežiūra, kurių galima išvengti, leidžia sutaupyti pinigų arba pagerinti gaminio kokybę.„Iki šiol buvo labai mažai konkrečių sprendimų, kurie būtų leidę operatyviai nustatyti kokybės trūkumus ar gedimus.Ir jei buvo, jie paprastai buvo pagrįsti skrupulingu rankiniu duomenų įvertinimu arba bandymais ir klaidomis.Dėl dirbtinio intelekto šis procesas dabar yra daug tikslesnis ir automatiškesnis“, – aiškina Gerhardas Alonso Garcia, Dürr MES ir valdymo sistemų viceprezidentas.
„Dürr“ skaitmeninių produktų serija „DXQanalyze“, kurioje jau buvo duomenų gavimo moduliai gamybos duomenims gauti, „Visual Analytics“, skirta jiems vizualizuoti, ir „Streaming Analytics“, dabar gali pasikliauti nauja savarankiškai besimokančia „Advanced Analytics“ gamykla ir procesų stebėjimo sistema.
AI programa turi savo atmintį
„Advanced Analytics“ ypatumas yra tas, kad šis modulis sujungia didelius duomenų kiekius, įskaitant istorinius duomenis, su mašininiu mokymusi.Tai reiškia, kad savarankiškai besimokanti dirbtinio intelekto programa turi savo atmintį ir todėl gali naudoti informaciją iš praeities, kad atpažintų sudėtingas koreliacijas dideliame duomenų kiekyje ir labai tiksliai nuspėtų įvykį ateityje, remiantis dabartine informacija. mašinos sąlygos.Dažymo parduotuvėse yra daug pritaikymų komponentų, proceso ar gamyklos lygiu.
Numatyta priežiūra sumažina gamyklos prastovų laiką
Kalbant apie komponentus, „Advanced Analytics“ siekia sumažinti prastovų laiką pasitelkdama numatomą techninės priežiūros ir remonto informaciją, pavyzdžiui, numatant likusį maišytuvo tarnavimo laiką.Jei komponentas pakeičiamas per anksti, išauga atsarginių dalių sąnaudos ir dėl to be reikalo padidėja bendrosios remonto išlaidos.Kita vertus, jei jis paliekamas veikti per ilgai, tai gali sukelti kokybės problemų dengimo proceso metu ir mašinų sustojimus.Išplėstinė „Analytics“ pradeda mokytis nusidėvėjimo indikatorių ir laikino nusidėvėjimo modelio, naudojant aukšto dažnio roboto duomenis.Kadangi duomenys yra nuolat įrašomi ir stebimi, mašininio mokymosi modulis individualiai atpažįsta atitinkamo komponento senėjimo tendencijas pagal faktinį naudojimą ir tokiu būdu apskaičiuoja optimalų pakeitimo laiką.
Nuolatinės temperatūros kreivės, imituojamos mašininiu mokymusi
Išplėstinė analizė pagerina kokybę proceso lygmeniu nustatydama anomalijas, pavyzdžiui, imituodama įkaitinimo kreivę orkaitėje.Iki šiol gamintojai turėjo tik jutiklių nustatytus duomenis matavimo metu.Tačiau įkaitimo kreivės, kurios yra labai svarbios automobilio kėbulo paviršiaus kokybei, skiriasi nuo krosnies senėjimo, per intervalus tarp matavimų.Šis susidėvėjimas sukelia aplinkos sąlygų svyravimus, pavyzdžiui, oro srauto intensyvumą.„Iki šiol tūkstančiai kūnų gaminami nežinant tikslios temperatūros, iki kurios buvo įkaitinti atskiri kūnai.Naudojant mašininį mokymąsi, mūsų Advanced Analytics modulis imituoja, kaip temperatūra kinta skirtingomis sąlygomis.Tai suteikia mūsų klientams nuolatinį kiekvienos atskiros dalies kokybės įrodymą ir leidžia jiems nustatyti anomalijas“, – sako Gerhardas Alonso Garcia.
Didesnis pirmojo paleidimo greitis padidina bendrą įrangos efektyvumą
Kalbant apie implantą, DXQplant.analytics programinė įranga naudojama kartu su Advanced Analytics moduliu, siekiant padidinti bendrą įrangos efektyvumą.Vokiečių gamintojo išmanusis sprendimas seka pasikartojančius konkrečių modelių tipų, konkrečių spalvų ar atskirų kėbulo dalių kokybės defektus.Tai leidžia vartotojui suprasti, kuris gamybos proceso etapas yra atsakingas už nukrypimus.Tokie defektai ir priežasčių koreliacijos padidins pirmojo paleidimo rodiklį ateityje, leisdami įsikišti labai ankstyvoje stadijoje.
Gamyklos inžinerijos ir skaitmeninės patirties derinys
Su dirbtiniu intelektu suderinamų duomenų modelių kūrimas yra labai sudėtingas procesas.Tiesą sakant, norint gauti protingą rezultatą naudojant mašininį mokymąsi, neužtenka į „protingą“ algoritmą įterpti neapibrėžtus duomenų kiekius.Atitinkami signalai turi būti renkami, kruopščiai atrinkti ir integruoti su struktūrizuota papildoma gamybos informacija.Dürr sugebėjo sukurti programinę įrangą, kuri palaiko skirtingus naudojimo scenarijus, suteikia mašininio mokymosi modelio vykdymo aplinką ir inicijuoja modelio mokymą.„Šio sprendimo kūrimas buvo tikras iššūkis, nes nebuvo tinkamo mašininio mokymosi modelio ir tinkamos vykdymo aplinkos, kurią galėtume naudoti.Kad galėtume naudoti dirbtinį intelektą gamyklos lygiu, savo mechanikos ir įrenginių inžinerijos žinias sujungėme su mūsų skaitmeninės gamyklos ekspertų žiniomis.Taip buvo sukurtas pirmasis dirbtinio intelekto sprendimas dažymo dirbtuvėms“, – sako Gerhardas Alonso Garcia.
Įgūdžiai ir žinios sujungtos kuriant išplėstinę analizę
Tarpdisciplininė komanda, sudaryta iš duomenų mokslininkų, kompiuterių mokslininkų ir procesų ekspertų, sukūrė šį protingą sprendimą.Dürr taip pat užmezgė bendradarbiavimo partnerystes su keliais pagrindiniais automobilių gamintojais.Tokiu būdu kūrėjai turėjo realius gamybos duomenis ir beta versijos svetainių aplinkas įvairiems taikymo atvejams.Pirma, algoritmai buvo mokomi laboratorijoje, naudojant daugybę bandymų atvejų.Vėliau algoritmai tęsė mokymąsi vietoje realaus veikimo metu ir prisitaikė prie aplinkos ir naudojimo sąlygų.Beta fazė neseniai buvo sėkmingai baigta ir parodė, kiek daug dirbtinio intelekto potencialo ji turi.Pirmieji praktiniai pritaikymai rodo, kad Dürr programinė įranga optimizuoja gamyklų prieinamumą ir dažytų korpusų paviršiaus kokybę.
Paskelbimo laikas: 2022-03-16