Dürr predstavlja Advanced Analytics, prvu tržišno spremnu AI aplikaciju za lakirnice. Kao dio najnovijeg modula u seriji proizvoda DXQanalyze, ovo rješenje spaja najnoviju IT tehnologiju i Dürrovo iskustvo u sektoru mašinstva, identificira izvore nedostataka, definira optimalne programe održavanja, prati prethodno nepoznate korelacije i koristi to znanje za prilagođavanje algoritma sistemu koristeći princip samoučenja.
Zašto dijelovi često pokazuju iste nedostatke? Kada je najnoviji datum kada se mikser u robotu može zamijeniti bez zaustavljanja mašine? Imati tačne i precizne odgovore na ova pitanja je fundamentalno za održivi ekonomski uspjeh jer svaki nedostatak ili svako nepotrebno održavanje koje se može izbjeći štedi novac ili poboljšava kvalitet proizvoda. „Prije je postojalo vrlo malo konkretnih rješenja koja bi nam omogućila da brzo identifikujemo nedostatke ili kvarove u kvaliteti. A ako ih je i bilo, uglavnom su se zasnivala na savjesnoj ručnoj procjeni podataka ili pokušajima i greškama. Ovaj proces je sada mnogo precizniji i automatski zahvaljujući vještačkoj inteligenciji“, objašnjava Gerhard Alonso Garcia, potpredsjednik za MES i kontrolne sisteme u Dürru.
Dürrova serija digitalnih proizvoda DXQanalyze, koja je već uključivala module za akviziciju podataka za prikupljanje proizvodnih podataka, vizuelnu analitiku za njihovu vizualizaciju i analitiku strujanja, sada se može osloniti na novo samoučeće postrojenje Advanced Analytics i sistem za praćenje procesa.
AI aplikacija ima svoju memoriju
Posebnost napredne analitike je u tome što ovaj modul kombinuje velike količine podataka, uključujući historijske podatke, sa mašinskim učenjem. To znači da aplikacija umjetne inteligencije koja se sama uči ima vlastitu memoriju i da stoga može koristiti informacije iz prošlosti kako bi prepoznala složene korelacije u velikim količinama podataka i predvidjela događaj u budućnosti sa visokim stepenom preciznosti na osnovu trenutnog stanja mašine. Postoji mnogo primjena za ovo u lakirnicama, bilo na nivou komponenti, procesa ili postrojenja.
Prediktivno održavanje smanjuje zastoje postrojenja
Kada su u pitanju komponente, napredna analitika ima za cilj smanjenje zastoja putem prediktivnog održavanja i informacija o popravci, na primjer predviđanjem preostalog vijeka trajanja miksera. Ako se komponenta zamijeni prerano, troškovi rezervnih dijelova se povećavaju, a posljedično i opći troškovi popravke nepotrebno se povećavaju. S druge strane, ako se komponenta ostavi u radu predugo, može uzrokovati probleme s kvalitetom tokom procesa premazivanja i zaustavljanje mašine. Napredna analitika počinje učenjem indikatora istrošenosti i vremenskog obrasca istrošenosti koristeći visokofrekventne podatke robota. Budući da se podaci kontinuirano bilježe i prate, modul mašinskog učenja pojedinačno prepoznaje trendove starenja za odgovarajuću komponentu na osnovu stvarne upotrebe i na taj način izračunava optimalno vrijeme zamjene.
Kontinuirane temperaturne krivulje simulirane mašinskim učenjem
Napredna analitika poboljšava kvalitet na nivou procesa identifikovanjem anomalija, na primjer simuliranjem krive zagrijavanja u peći. Do sada su proizvođači imali samo podatke određene senzorima tokom mjerenja. Međutim, krive zagrijavanja, koje su od fundamentalnog značaja u pogledu kvaliteta površine karoserije automobila, variraju sa starenjem peći, tokom intervala između mjerenja. Ovo habanje uzrokuje fluktuirajuće uslove okoline, na primjer u intenzitetu protoka vazduha. „Do sada se proizvode hiljade karoserija bez poznavanja tačnih temperatura na koje su pojedinačne karoserije zagrijane. Koristeći mašinsko učenje, naš modul napredne analitike simulira kako se temperatura mijenja pod različitim uslovima. Ovo našim kupcima nudi trajni dokaz kvaliteta za svaki pojedinačni dio i omogućava im da identifikuju anomalije“, objašnjava Gerhard Alonso Garcia.
Veća stopa prvog pokretanja povećava ukupnu efikasnost opreme
Što se tiče implantata, softver DXQplant.analytics se koristi u kombinaciji s modulom Advanced Analytics kako bi se povećala ukupna efikasnost opreme. Inteligentno rješenje njemačkog proizvođača prati ponavljajuće nedostatke kvalitete kod određenih tipova modela, određenih boja ili na pojedinačnim dijelovima karoserije. To omogućava kupcu da shvati koji je korak u proizvodnom procesu odgovoran za odstupanja. Takve korelacije između nedostataka i uzroka povećat će stopu prvih isporuka u budućnosti omogućavajući intervenciju u vrlo ranoj fazi.
Kombinacija inženjeringa postrojenja i digitalne ekspertize
Razvoj modela podataka kompatibilnih s umjetnom inteligencijom vrlo je složen proces. U stvari, da bi se dobio inteligentan rezultat pomoću strojnog učenja, nije dovoljno umetnuti neodređene količine podataka u „pametni“ algoritam. Relevantni signali moraju se prikupljati, pažljivo odabrati i integrirati sa strukturiranim dodatnim informacijama iz proizvodnje. Dürr je uspio dizajnirati softver koji podržava različite scenarije upotrebe, pruža okruženje za izvođenje modela strojnog učenja i pokreće obuku modela. „Razvoj ovog rješenja bio je pravi izazov jer nije postojao valjan model strojnog učenja niti odgovarajuće okruženje za izvođenje koje bismo mogli koristiti. Da bismo mogli koristiti umjetnu inteligenciju na nivou pogona, kombinirali smo naše znanje o strojarstvu i inženjerstvu pogona sa znanjem naših stručnjaka za digitalnu tvornicu. To je dovelo do prvog rješenja umjetne inteligencije za lakirnice“, kaže Gerhard Alonso Garcia.
Vještine i znanje kombinovano za razvoj napredne analitike
Interdisciplinarni tim sastavljen od naučnika za podatke, informatičara i stručnjaka za procese razvio je ovo inteligentno rješenje. Dürr je također sklopio partnerske saradnje s nekoliko velikih proizvođača automobila. Na taj način, programeri su imali podatke o stvarnoj proizvodnji i beta okruženja u produkciji za različite slučajeve primjene. Prvo su algoritmi obučeni u laboratoriji koristeći veliki broj testnih slučajeva. Nakon toga, algoritmi su nastavili učenje na licu mjesta tokom stvarnog rada i prilagodili se okruženju i uslovima upotrebe. Beta faza je nedavno uspješno završena i pokazala je koliki potencijal umjetne inteligencije ima. Prve praktične primjene pokazuju da softver kompanije Dürr optimizuje dostupnost postrojenja i kvalitet površine lakiranih karoserija.
Vrijeme objave: 16. mart 2022.