Dürr presenterar Advanced Analytics, den första marknadsfärdiga AI-applikationen för färgverkstäder.En del av den senaste modulen i produktserien DXQanalyze, denna lösning kombinerar den senaste IT-tekniken och Dürrs erfarenhet inom maskintekniksektorn, identifierar källorna till defekter, definierar de optimala underhållsprogrammen, spårar tidigare okända samband och använder denna kunskap för att anpassa algoritm till systemet med hjälp av självlärande princip.
Varför uppvisar bitar ofta samma defekter?När är det senast att en blandare i roboten kan bytas ut utan att stoppa maskinen?Att ha korrekta och exakta svar på dessa frågor är grundläggande för hållbar ekonomisk framgång eftersom varje defekt eller varje onödigt underhåll som kan undvikas sparar pengar eller förbättrar produktkvaliteten.”Tidigare fanns det väldigt få konkreta lösningar som skulle ha gjort det möjligt för oss att snabbt identifiera kvalitetsdefekter eller -fel.Och om det fanns så var de i allmänhet baserade på en noggrann manuell utvärdering av data eller försök och försök.Denna process är nu mycket mer exakt och automatisk tack vare artificiell intelligens”, förklarar Gerhard Alonso Garcia, Vice President för MES & Control Systems på Dürr.
Dürrs digitala produktserie DXQanalyze, som redan innehöll datainsamlingsmoduler för inhämtning av produktionsdata, Visual Analytics för att visualisera den och Streaming Analytics, kan nu räkna med den nya självlärande Advanced Analytics-anläggningen och processövervakningssystemet.
AI-applikationen har sitt minne
Det speciella med Advanced Analytics är att den här modulen kombinerar stora mängder data inklusive historisk data med maskininlärning.Det betyder att den självlärande AI-applikationen har ett eget minne och att den därför kan använda informationen från det förflutna för att både känna igen komplexa korrelationer i stora datamängder och förutsäga en händelse i framtiden med en hög grad av precision baserat på nuvarande förhållanden för en maskin.Det finns många applikationer för detta i färgverkstäder, oavsett om det är på komponent-, process- eller anläggningsnivå.
Förutsägande underhåll minskar anläggningens stilleståndstider
När det kommer till komponenter, syftar Advanced Analytics till att minska stilleståndstider genom förutsägande underhålls- och reparationsinformation, till exempel genom att förutsäga återstående livslängd för en mixer.Om komponenten byts ut för tidigt ökar kostnaderna för reservdelarna och följaktligen ökar de allmänna reparationskostnaderna i onödan.Å andra sidan, om den får stå igång för länge kan den orsaka kvalitetsproblem under beläggningsprocessen och maskinstopp.Advanced Analytics börjar med att lära sig slitageindikatorerna och slitagets tidsmönster med hjälp av högfrekventa robotdata.Eftersom data kontinuerligt registreras och övervakas, känner maskininlärningsmodulen individuellt igen åldringstrender för respektive komponent baserat på faktisk användning och beräknar på så sätt den optimala utbytestiden.
Kontinuerliga temperaturkurvor simulerade genom maskininlärning
Advanced Analytics förbättrar kvaliteten på processnivå genom att identifiera anomalier, till exempel genom att simulera en uppvärmningskurva i ugnen.Fram till nu har tillverkare bara haft data som fastställts av sensorer under mätkörningar.Uppvärmningskurvorna som är av grundläggande betydelse för karossens ytkvalitet varierar dock eftersom ugnen åldras, under intervallen mellan mätkörningarna.Detta slitage orsakar fluktuerande omgivningsförhållanden, till exempel i luftflödets intensitet.”Hittills har tusentals kroppar producerats utan att veta till vilka exakta temperaturer de enskilda kropparna har värmts upp.Med hjälp av maskininlärning simulerar vår Advanced Analytics-modul hur temperaturen förändras under olika förhållanden.Detta ger våra kunder ett permanent kvalitetsbevis för varje enskild del och gör att de kan identifiera anomalier”, förklarar Gerhard Alonso Garcia.
Högre förstagångshastighet ökar utrustningens totala effektivitet
När det gäller implantatet används programvaran DXQplant.analytics i kombination med modulen Advanced Analytics för att öka utrustningens totala effektivitet.Den tyska tillverkarens intelligenta lösning spårar återkommande kvalitetsfel i specifika modelltyper, specifika färger eller på enskilda kroppsdelar.Detta gör att kunden kan förstå vilket steg i produktionsprocessen som är ansvarigt för avvikelserna.Sådana defekt- och orsakskorrelationer kommer att öka förstagångsfrekvensen i framtiden genom att tillåta intervention i ett mycket tidigt skede.
Kombinationen mellan anläggningsteknik och digital expertis
Att utveckla AI-kompatibla datamodeller är en mycket komplex process.För att producera ett intelligent resultat med maskininlärning räcker det faktiskt inte att infoga ospecificerade mängder data i en "smart" algoritm.Relevanta signaler ska samlas in, noggrant utvalda och integreras med strukturerad tilläggsinformation från produktionen.Dürr kunde designa en programvara som stöder olika användningsscenarier, tillhandahåller en runtime-miljö för maskininlärningsmodeller och initierar modellträning."Att utveckla den här lösningen var en verklig utmaning eftersom det inte fanns någon giltig maskininlärningsmodell och ingen lämplig körtidsmiljö som vi kunde ha använt.För att kunna använda AI på anläggningsnivå har vi kombinerat vår kunskap om mekanik och anläggningsteknik med våra Digital Factory-experter.Detta ledde till den första artificiella intelligenslösningen för färgaffärer”, säger Gerhard Alonso Garcia.
Kompetens och kunskap kombineras för att utveckla Advanced Analytics
Ett tvärvetenskapligt team bestående av datavetare, datavetare och processexperter utvecklade denna intelligenta lösning.Dürr har också inlett samarbetspartnerskap med flera stora fordonstillverkare.På så sätt hade utvecklarna verklig produktionsdata och betasitemiljöer i produktion för olika applikationsfall.Först tränades algoritmerna i laboratoriet med hjälp av ett stort antal testfall.Därefter fortsatte algoritmerna att lära sig på plats under verklig drift och anpassade sig till miljön och användningsförhållandena.Betafasen avslutades nyligen framgångsrikt och visade hur stor AI-potential den har.De första praktiska tillämpningarna visar att programvaran från Dürr optimerar anläggningstillgängligheten och ytkvaliteten på målade karosser.
Posttid: 16-mars 2022