Dürr presenta Advanced Analytics, la primera aplicació d'IA preparada per al mercat per a tallers de pintura.Forma part de l'últim mòdul de la sèrie de productes DXQanalyze, aquesta solució fusiona l'última tecnologia informàtica i l'experiència de Dürr en el sector de l'enginyeria mecànica, identifica les fonts dels defectes, defineix els programes de manteniment òptims, rastreja correlacions desconegudes anteriorment i utilitza aquest coneixement per adaptar el algorisme al sistema utilitzant el principi d'autoaprenentatge.
Per què les peces mostren sovint els mateixos defectes?Quan és l'últim que es pot substituir una batedora del robot sense aturar la màquina?Tenir respostes precises i precises a aquestes preguntes és fonamental per a un èxit econòmic sostenible, ja que cada defecte o qualsevol manteniment innecessari que es pugui evitar estalvia diners o millora la qualitat del producte.“Abans hi havia molt poques solucions concretes que ens haguessin permès identificar ràpidament els defectes o fallades de qualitat.I si n'hi havia, generalment es basaven en una avaluació manual escrupolosa de les dades o intents d'assaig i error.Aquest procés ara és molt més precís i automàtic gràcies a la Intel·ligència Artificial”, explica Gerhard Alonso Garcia, vicepresident de MES i Sistemes de Control de Dürr.
La sèrie de productes digitals DXQanalyze de Dürr, que ja incloïa mòduls d'adquisició de dades per a l'adquisició de dades de producció, Visual Analytics per visualitzar-les i Streaming Analytics, ara pot comptar amb la nova planta d'Analytics Avançats d'autoaprenentatge i el sistema de seguiment de processos.
L'aplicació d'IA té la seva memòria
La particularitat de Advanced Analytics és que aquest mòdul combina grans quantitats de dades, incloses dades històriques, amb aprenentatge automàtic.Això vol dir que l'aplicació d'IA d'autoaprenentatge té la seva pròpia memòria i que, per tant, pot utilitzar la informació del passat per reconèixer correlacions complexes en grans quantitats de dades i predir un esdeveniment en el futur amb un alt grau de precisió basat en l'actual. condicions d'una màquina.Hi ha moltes aplicacions per a això als tallers de pintura, ja sigui a nivell de components, procés o planta.
El manteniment predictiu redueix els temps d'aturada de la planta
Quan es tracta de components, Advanced Analytics pretén reduir els temps d'inactivitat mitjançant el manteniment predictiu i la informació de reparació, per exemple, predint la vida útil restant d'una mescladora.Si el component es substitueix massa aviat, els costos de les peces de recanvi augmenten i, en conseqüència, els costos generals de reparació augmenten innecessàriament.D'altra banda, si es deixa en funcionament durant massa temps, pot provocar problemes de qualitat durant el procés de recobriment i parades de la màquina.Advanced Analytics comença aprenent els indicadors de desgast i el patró temporal del desgast mitjançant dades de robots d'alta freqüència.Atès que les dades es registren i es supervisen contínuament, el mòdul d'aprenentatge automàtic reconeix individualment les tendències d'envelliment del component respectiu en funció de l'ús real i d'aquesta manera calcula el temps de substitució òptim.
Corbes de temperatura contínues simulades per aprenentatge automàtic
Advanced Analytics millora la qualitat a nivell de procés mitjançant la identificació d'anomalies, per exemple, simulant una corba d'escalfament al forn.Fins ara, els fabricants només tenien dades determinades per sensors durant les execucions de mesura.No obstant això, les corbes d'escalfament que tenen una importància fonamental pel que fa a la qualitat superficial de la carrosseria del cotxe varien a partir de l'envelliment del forn, durant els intervals entre les proves de mesura.Aquest desgast provoca condicions ambientals fluctuants, per exemple en la intensitat del flux d'aire."Fins ara, es produeixen milers de cossos sense saber les temperatures exactes a les quals s'han escalfat els cossos individuals.Mitjançant l'aprenentatge automàtic, el nostre mòdul d'Analytics avançats simula com canvia la temperatura en diferents condicions.Això ofereix als nostres clients una prova permanent de qualitat per a cada peça individual i els permet identificar anomalies”, explica Gerhard Alonso Garcia.
Una taxa de primera tirada més alta augmenta l'eficàcia global de l'equip
Pel que fa a l'implant, el programari DXQplant.analytics s'utilitza en combinació amb el mòdul Advanced Analytics per tal d'augmentar l'eficàcia global de l'equip.La solució intel·ligent del fabricant alemany fa un seguiment dels defectes de qualitat recurrents en tipus de models específics, colors específics o en parts individuals del cos.Això permet al client entendre quin pas del procés de producció és responsable de les desviacions.Aquestes correlacions de defecte i causa augmentaran la taxa de primera tirada en el futur permetent la intervenció en una fase molt primerenca.
La combinació entre l'enginyeria de plantes i l'experiència digital
El desenvolupament de models de dades compatibles amb IA és un procés molt complex.de fet, per produir un resultat intel·ligent amb l'aprenentatge automàtic, no n'hi ha prou amb inserir quantitats no especificades de dades en un algorisme "intel·ligent".Els senyals rellevants s'han de recollir, seleccionar acuradament i integrar-los amb informació addicional estructurada de producció.Dürr va poder dissenyar un programari que admet diferents escenaris d'ús, proporciona un entorn d'execució per al model d'aprenentatge automàtic i inicia l'entrenament del model."Desenvolupar aquesta solució va ser un veritable repte, ja que no hi havia un model d'aprenentatge automàtic vàlid ni un entorn d'execució adequat que podríem haver utilitzat.Per tal de poder utilitzar la IA a nivell de planta, hem combinat els nostres coneixements d'enginyeria mecànica i de plantes amb els dels nostres experts de la Fàbrica Digital.Això va donar lloc a la primera solució d'intel·ligència artificial per a tallers de pintura”, diu Gerhard Alonso Garcia.
Habilitats i coneixements combinats per desenvolupar Analytics avançat
Un equip interdisciplinari format per científics de dades, informàtics i experts en processos va desenvolupar aquesta solució intel·ligent.Dürr també ha entrat en col·laboracions amb diversos fabricants d'automòbils importants.D'aquesta manera, els desenvolupadors tenien dades de producció reals i entorns de llocs beta en producció per a diferents casos d'aplicació.En primer lloc, els algorismes es van entrenar al laboratori mitjançant un gran nombre de casos de prova.Posteriorment, els algorismes van continuar aprenent in situ durant el funcionament de la vida real i es van adaptar a l'entorn i a les condicions d'ús.La fase beta s'ha completat recentment amb èxit i ha mostrat el potencial d'IA que té.Les primeres aplicacions pràctiques mostren que el programari de Dürr optimitza la disponibilitat de la planta i la qualitat superficial dels cossos pintats.
Hora de publicació: 16-mar-2022