Dürr presenta Advanced Analytics, la primera aplicació d'IA llesta per al mercat per a tallers de pintura. Part del mòdul més recent de la sèrie de productes DXQanalyze, aquesta solució fusiona la tecnologia informàtica més recent i l'experiència de Dürr en el sector de l'enginyeria mecànica, identifica les fonts de defectes, defineix els programes de manteniment òptims, rastreja correlacions prèviament desconegudes i utilitza aquest coneixement per adaptar l'algoritme al sistema mitjançant el principi d'autoaprenentatge.
Per què les peces mostren sovint els mateixos defectes? Quan és el més tard que es pot substituir un mesclador del robot sense aturar la màquina? Tenir respostes precises i precises a aquestes preguntes és fonamental per a l'èxit econòmic sostenible, ja que cada defecte o cada manteniment innecessari que es pot evitar estalvia diners o millora la qualitat del producte. "Abans d'ara, hi havia molt poques solucions concretes que ens haguessin permès identificar ràpidament defectes o fallades de qualitat. I si n'hi havia, generalment es basaven en una avaluació manual escrupolosa de les dades o en 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 sistemes MES i de control de Dürr.
La sèrie de productes digitals DXQanalyze de Dürr, que ja incloïa mòduls d'adquisició de dades per adquirir dades de producció, Visual Analytics per visualitzar-les i Streaming Analytics, ara pot comptar amb la nova planta d'autoaprenentatge Advanced Analytics i el sistema de monitorització de processos.
L'aplicació d'IA té la seva memòria
La peculiaritat d'Advanced Analytics és que aquest mòdul combina grans quantitats de dades, incloent-hi dades històriques, amb l'aprenentatge automàtic. Això significa 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 les condicions actuals d'una màquina. Hi ha moltes aplicacions per a això en tallers de pintura, ja sigui a nivell de component, procés o planta.
El manteniment predictiu redueix els temps d'inactivitat de la planta
Pel que fa als components, Advanced Analytics té com a objectiu reduir els temps d'inactivitat mitjançant el manteniment predictiu i la informació de reparació, per exemple, predient la vida útil restant d'un mesclador. 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 causar problemes de qualitat durant el procés de recobriment i aturades de la màquina. Advanced Analytics comença aprenent els indicadors de desgast i el patró temporal del desgast mitjançant dades de robots d'alta freqüència. Com que les dades es registren i es controlen 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 òptim de substitució.
Corbes de temperatura contínues simulades per aprenentatge automàtic
Advanced Analytics millora la qualitat a nivell de procés identificant anomalies, per exemple simulant una corba d'escalfament al forn. Fins ara, els fabricants només disposaven de dades determinades per sensors durant les execucions de mesurament. Tanmateix, les corbes d'escalfament, que són de fonamental importància pel que fa a la qualitat de la superfície de la carrosseria, varien a mesura que el forn envelleix, durant els intervals entre les execucions de mesurament. Aquest desgast provoca condicions ambientals fluctuants, per exemple en la intensitat del flux d'aire. "Fins ara, es produeixen milers de carrosseries sense conèixer les temperatures exactes a les quals s'han escalfat les carrosseries individuals. Mitjançant l'aprenentatge automàtic, el nostre mòdul Advanced Analytics 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 execució més alta augmenta l'eficàcia general de l'equip
Pel que fa a l'implant, el programari DXQplant.analytics s'utilitza en combinació amb el mòdul Advanced Analytics per augmentar l'eficàcia general 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 entre defectes i causes augmentaran la taxa de primera tirada en el futur, ja que permeten la intervenció en una fase molt primerenca.
La combinació entre l'enginyeria de plantes i l'expertesa digital
Desenvolupar models de dades compatibles amb la 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 de dades no especificades en un algoritme "intel·ligent". Cal recollir senyals rellevants, seleccionar-los acuradament i integrar-los amb informació addicional estructurada de la producció. Dürr va ser capaç de 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 cap model d'aprenentatge automàtic vàlid ni cap entorn d'execució adequat que poguéssim haver utilitzat. Per poder utilitzar la IA a nivell de planta, hem combinat els nostres coneixements d'enginyeria mecànica i de plantes amb els dels nostres experts en Fàbrica Digital. Això va conduir a la primera solució d'intel·ligència artificial per a tallers de pintura", diu Gerhard Alonso Garcia.
Habilitats i coneixements combinats per desenvolupar Analítica Avançada
Un equip interdisciplinari format per científics de dades, informàtics i experts en processos va desenvolupar aquesta solució intel·ligent. Dürr també ha establert associacions de cooperació amb diversos fabricants importants d'automòbils. D'aquesta manera, els desenvolupadors van tenir dades de producció reals i entorns beta en producció per a diferents casos d'aplicació. Primer, els algoritmes es van entrenar al laboratori utilitzant un gran nombre de casos de prova. Posteriorment, els algoritmes van continuar l'aprenentatge in situ durant el funcionament real i es van adaptar a l'entorn i a les condicions d'ús. La fase beta es va completar recentment amb èxit i va demostrar el potencial que té la IA. Les primeres aplicacions pràctiques mostren que el programari de Dürr optimitza la disponibilitat de la planta i la qualitat de la superfície de les carrosseries pintades.
Data de publicació: 16 de març de 2022