Dürr presenta Advanced Analytics, a primeira aplicación de intelixencia artificial lista para o mercado para tendas de pintura.Forma parte do último módulo da serie de produtos DXQanalyze, esta solución fusiona a última tecnoloxía informática e a experiencia de Dürr no sector da enxeñaría mecánica, identifica as fontes dos defectos, define os programas de mantemento óptimos, rastrexa correlacións previamente descoñecidas e utiliza estes coñecementos para adaptar o algoritmo ao sistema utilizando o principio de autoaprendizaxe.
Por que as pezas adoitan mostrar os mesmos defectos?Cando é o último en que se pode substituír un mesturador do robot sen parar a máquina?Ter respostas precisas e precisas a estas preguntas é fundamental para un éxito económico sostible, xa que cada defecto ou calquera mantemento innecesario que se poida evitar aforra diñeiro ou mellora a calidade do produto.“Antes de agora, había moi poucas solucións concretas que nos permitiran identificar con prontitude os defectos ou fallos de calidade.E se os houbese, en xeral baseábanse nunha escrupulosa avaliación manual dos datos ou intentos de proba e erro.Este proceso agora é moito máis preciso e automático grazas á Intelixencia Artificial”, explica Gerhard Alonso García, vicepresidente de MES e Sistemas de Control de Dürr.
A serie de produtos dixitais DXQanalyze de Dürr, que xa incluía módulos de adquisición de datos para a adquisición de datos de produción, Visual Analytics para visualizalos e Streaming Analytics, agora pode contar coa nova planta de Advanced Analytics de autoaprendizaxe e o sistema de seguimento de procesos.
A aplicación de IA ten a súa memoria
A peculiaridade de Advanced Analytics é que este módulo combina grandes cantidades de datos, incluíndo datos históricos, coa aprendizaxe automática.Isto significa que a aplicación de IA de autoaprendizaxe ten a súa propia memoria e que, polo tanto, pode utilizar a información do pasado tanto para recoñecer correlacións complexas en grandes cantidades de datos como para predecir un evento no futuro cun alto grao de precisión en función dos datos actuais. condicións dunha máquina.Hai moitas aplicacións para isto en talleres de pintura, xa sexa a nivel de compoñentes, procesos ou plantas.
O mantemento preditivo reduce os tempos de parada da planta
Cando se trata de compoñentes, Advanced Analytics pretende reducir os tempos de inactividade mediante o mantemento preditivo e a información de reparación, por exemplo, predecindo a vida útil restante dun mesturador.Se o compoñente se substitúe demasiado cedo, os custos dos recambios aumentan e, en consecuencia, os custos xerais de reparación aumentan innecesariamente.Por outra banda, se se deixa en funcionamento durante moito tempo, pode causar problemas de calidade durante o proceso de revestimento e paradas da máquina.Advanced Analytics comeza aprendendo os indicadores de desgaste e o patrón temporal do desgaste utilizando datos de robots de alta frecuencia.Dado que os datos son rexistrados e monitorizados continuamente, o módulo de aprendizaxe automática recoñece individualmente as tendencias de envellecemento do compoñente respectivo en función do uso real e, deste xeito, calcula o tempo de substitución óptimo.
Curvas de temperatura continuas simuladas por aprendizaxe automática
Advanced Analytics mellora a calidade a nivel de proceso identificando anomalías, por exemplo, simulando unha curva de quecemento no forno.Ata agora, os fabricantes só tiñan datos determinados por sensores durante as operacións de medición.Non obstante, as curvas de quecemento que son de fundamental importancia en canto á calidade superficial da carrocería do coche varían desde o envellecemento do forno, durante os intervalos entre as operacións de medición.Este desgaste provoca condicións ambientais fluctuantes, por exemplo na intensidade do fluxo de aire."Ata agora prodúcense miles de corpos sen coñecer as temperaturas exactas ás que se quentaron os corpos individuais.Usando a aprendizaxe automática, o noso módulo de Análise avanzada simula como cambia a temperatura en diferentes condicións.Isto ofrece aos nosos clientes unha proba permanente de calidade para cada peza individual e permítelles identificar anomalías”, explica Gerhard Alonso García.
A taxa de primeira execución máis alta aumenta a eficacia global do equipo
En canto ao implante, utilízase o software DXQplant.analytics en combinación co módulo Advanced Analytics para aumentar a eficacia global do equipo.A solución intelixente do fabricante alemán rastrexa os defectos de calidade recorrentes en tipos de modelos específicos, cores específicas ou partes individuais do corpo.Isto permítelle ao cliente comprender que paso do proceso de produción é o responsable das desviacións.Tales correlacións de defecto e causa aumentarán a taxa de primeira tirada no futuro ao permitir a intervención nunha fase moi temperá.
A combinación entre a enxeñería de plantas e a experiencia dixital
O desenvolvemento de modelos de datos compatibles coa IA é un proceso moi complexo.de feito, para producir un resultado intelixente coa aprendizaxe automática, non é suficiente con inserir cantidades non especificadas de datos nun algoritmo "intelixente".Os sinais relevantes deben recollerse, seleccionarse coidadosamente e integrarse con información adicional estruturada da produción.Dürr foi capaz de deseñar un software que admite diferentes escenarios de uso, proporciona un ambiente de execución para o modelo de aprendizaxe automática e inicia o adestramento do modelo."Desenvolver esta solución foi un verdadeiro desafío xa que non había un modelo de aprendizaxe automática válido nin un ambiente de execución axeitado que puidésemos utilizar.Para poder utilizar a IA a nivel de planta, combinamos os nosos coñecementos de enxeñería mecánica e de plantas cos dos nosos expertos en Digital Factory.Isto levou á primeira solución de intelixencia artificial para talleres de pintura”, afirma Gerhard Alonso García.
Habilidades e coñecementos combinados para desenvolver Advanced Analytics
Un equipo interdisciplinar formado por científicos de datos, informáticos e expertos en procesos desenvolveu esta solución intelixente.Dürr tamén estableceu asociacións de cooperación con varios principais fabricantes de automóbiles.Deste xeito, os desenvolvedores tiñan datos de produción da vida real e ambientes de sitios beta en produción para diferentes casos de aplicación.En primeiro lugar, adestraron os algoritmos no laboratorio utilizando un gran número de casos de proba.Posteriormente, os algoritmos continuaron coa aprendizaxe in situ durante o funcionamento da vida real e adaptáronse ao ambiente e ás condicións de uso.A fase beta completouse recentemente con éxito e mostrou o potencial de IA que ten.As primeiras aplicacións prácticas están demostrando que o software de Dürr optimiza a dispoñibilidade das plantas e a calidade superficial das carrocerías pintadas.
Hora de publicación: 16-mar-2022