Dürr presenteert Advanced Analytics, de eerste marktklare AI-toepassing voor spuiterijen.Als onderdeel van de nieuwste module in de DXQanalyze-productreeks, combineert deze oplossing de nieuwste IT-technologie en de ervaring van Dürr in de machinebouwsector, identificeert de bronnen van defecten, definieert de optimale onderhoudsprogramma's, volgt voorheen onbekende correlaties en gebruikt deze kennis om de algoritme aan het systeem met behulp van het zelflerende principe.
Waarom vertonen stukken vaak dezelfde gebreken?Wanneer is het uiterlijk dat een mixer in de robot kan worden vervangen zonder de machine te stoppen?Het hebben van nauwkeurige en nauwkeurige antwoorden op deze vragen is van fundamenteel belang voor duurzaam economisch succes, aangezien elk defect of elk onnodig onderhoud dat kan worden vermeden, geld bespaart of de productkwaliteit verbetert.“Vroeger waren er maar heel weinig concrete oplossingen waarmee we kwaliteitsgebreken of storingen snel hadden kunnen identificeren.En als die er waren, waren ze over het algemeen gebaseerd op een nauwgezette handmatige evaluatie van de gegevens of pogingen met vallen en opstaan.Dit proces is nu veel nauwkeuriger en automatischer dankzij kunstmatige intelligentie”, legt Gerhard Alonso Garcia, vice-president van MES & Control Systems bij Dürr, uit.
De digitale productreeks DXQanalyze van Dürr, die al data-acquisitiemodules voor het verwerven van productiegegevens, Visual Analytics voor het visualiseren ervan en Streaming Analytics omvatte, kan nu rekenen op de nieuwe zelflerende Advanced Analytics-fabriek en het procesbewakingssysteem.
De AI-applicatie heeft zijn geheugen
Het bijzondere van Advanced Analytics is dat deze module grote hoeveelheden data inclusief historische data combineert met machine learning.Dit betekent dat de zelflerende AI-applicatie een eigen geheugen heeft en daardoor de informatie uit het verleden kan gebruiken om zowel complexe correlaties in grote hoeveelheden data te herkennen als een gebeurtenis in de toekomst met een hoge mate van precisie te voorspellen op basis van de huidige omstandigheden van een machine.In verfwinkels zijn hiervoor tal van toepassingen mogelijk, zowel op component-, proces- als fabrieksniveau.
Voorspellend onderhoud vermindert stilstandtijden van installaties
Als het om componenten gaat, streeft Advanced Analytics naar het verminderen van uitvaltijden door middel van voorspellende onderhouds- en reparatie-informatie, bijvoorbeeld door het voorspellen van de resterende levensduur van een menger.Als het onderdeel te vroeg wordt vervangen, stijgen de kosten van de reserveonderdelen en daarmee de algemene reparatiekosten onnodig.Aan de andere kant, als het te lang in bedrijf is, kan het kwaliteitsproblemen veroorzaken tijdens het coatingproces en machineonderbrekingen.Advanced Analytics begint met het leren van de slijtage-indicatoren en het tijdspatroon van de slijtage met behulp van hoogfrequente robotgegevens.Omdat de gegevens continu worden geregistreerd en gecontroleerd, herkent de machine learning-module individueel verouderingstrends voor het betreffende onderdeel op basis van daadwerkelijk gebruik en berekent op deze manier de optimale vervangingstijd.
Continue temperatuurcurves gesimuleerd door machine learning
Advanced Analytics verbetert de kwaliteit op procesniveau door afwijkingen op te sporen, bijvoorbeeld door een opwarmcurve in de oven te simuleren.Fabrikanten lieten tot nu toe alleen data bepalen door sensoren tijdens meetruns.De opwarmcurven, die van fundamenteel belang zijn voor de oppervlaktekwaliteit van de carrosserie, variëren echter naarmate de oven ouder wordt, tijdens de intervallen tussen de meetritten.Deze slijtage veroorzaakt wisselende omgevingscondities, bijvoorbeeld in de intensiteit van de luchtstroom.“Tot nu toe worden duizenden lichamen geproduceerd zonder de exacte temperaturen te kennen waarop de individuele lichamen zijn verwarmd.Met behulp van machine learning simuleert onze Advanced Analytics-module hoe de temperatuur verandert onder verschillende omstandigheden.Dit biedt onze klanten een permanent kwaliteitsbewijs voor elk afzonderlijk onderdeel en stelt hen in staat om afwijkingen te identificeren”, legt Gerhard Alonso Garcia uit.
Hogere first-run rate verhoogt de algehele effectiviteit van de apparatuur
Wat het implantaat betreft, wordt de DXQplant.analytics-software gebruikt in combinatie met de Advanced Analytics-module om de algehele effectiviteit van de apparatuur te vergroten.De intelligente oplossing van de Duitse fabrikant spoort terugkerende kwaliteitsgebreken op in specifieke modeltypes, specifieke kleuren of op individuele carrosseriedelen.Hierdoor kan de klant begrijpen welke stap in het productieproces verantwoordelijk is voor de afwijkingen.Dergelijke correlaties tussen defecten en oorzaken zullen in de toekomst de first-run rate verhogen door in een zeer vroeg stadium in te grijpen.
De combinatie tussen installatietechniek en digitale expertise
Het ontwikkelen van AI-compatibele datamodellen is een zeer complex proces.in feite, om een intelligent resultaat te produceren met machine learning, is het niet voldoende om niet-gespecificeerde hoeveelheden gegevens in een "slim" algoritme in te voegen.Relevante signalen moeten worden verzameld, zorgvuldig geselecteerd en geïntegreerd met gestructureerde aanvullende informatie uit de productie.Dürr was in staat om software te ontwerpen die verschillende gebruiksscenario's ondersteunt, een runtime-omgeving biedt voor machine learning-modellen en modeltraining initieert.“Het ontwikkelen van deze oplossing was een echte uitdaging, aangezien er geen geldig machine learning-model was en geen geschikte runtime-omgeving die we hadden kunnen gebruiken.Om AI op plantniveau in te kunnen zetten hebben wij onze kennis van werktuigbouwkunde en installatietechniek gecombineerd met die van onze Digital Factory experts.Dit leidde tot de eerste kunstmatige intelligentie-oplossing voor verfwinkels”, zegt Gerhard Alonso Garcia.
Vaardigheden en kennis gecombineerd om Advanced Analytics te ontwikkelen
Een interdisciplinair team bestaande uit datawetenschappers, informatici en procesexperts ontwikkelde deze intelligente oplossing.Dürr is ook samenwerkingsverbanden aangegaan met verschillende grote autofabrikanten.Op deze manier hadden de ontwikkelaars real-life productiegegevens en bèta-siteomgevingen in productie voor verschillende toepassingsgevallen.Eerst zijn de algoritmen in het laboratorium getraind aan de hand van een groot aantal testgevallen.Vervolgens gingen de algoritmen door met leren ter plaatse tijdens de praktijk en pasten ze zich aan de omgeving en gebruiksomstandigheden aan.De bètafase is onlangs succesvol afgerond en heeft laten zien hoeveel AI-potentieel deze heeft.De eerste praktische toepassingen laten zien dat de software van Dürr de beschikbaarheid van installaties en de oppervlaktekwaliteit van gelakte carrosserieën optimaliseert.
Posttijd: 16 maart-2022