Dürr prezentas Advanced Analytics, la unuan merkatpretan AI-aplikaĵon por farbbutikoj.Parto de la plej nova modulo en la produktserio DXQanalyze, ĉi tiu solvo kunfandas la plej novan IT-teknologion kaj la sperton de Dürr en la mekanika inĝenierarto, identigas la fontojn de difektoj, difinas la optimumajn prizorgajn programojn, spuras antaŭe nekonatajn korelaciojn kaj uzas ĉi tiun scion por adapti la scion. algoritmo al la sistemo uzante la principon de memlernado.
Kial pecoj ofte montras la samajn difektojn?Kiam estas la plej lasta, ke miksilo en la roboto povas esti anstataŭigita sen haltigi la maŝinon?Havi precizajn kaj precizajn respondojn al ĉi tiuj demandoj estas fundamenta por daŭripova ekonomia sukceso ĉar ĉiu difekto aŭ ĉiu nenecesa prizorgado kiu povas esti evitita ŝparas monon aŭ plibonigas la produktan kvaliton.“Antaŭ nun, estis tre malmultaj konkretaj solvoj, kiuj permesintus al ni tuj identigi kvalitajn difektojn aŭ fiaskojn.Kaj se ekzistis, ili ĝenerale baziĝis sur skrupula mana taksado de la datumoj aŭ provo-kaj-eraraj provoj.Ĉi tiu procezo nun estas multe pli preciza kaj aŭtomata danke al Artefarita Inteligenteco”, klarigas Gerhard Alonso Garcia, Vicprezidanto de MES & Kontrolaj Sistemoj ĉe Dürr.
La cifereca produktserio DXQanalyze de Dürr, kiu jam inkludis Data Acquisition-modulojn por akiri produktaddatumojn, Visual Analytics por bildigi ĝin, kaj Streaming Analytics, nun povas fidi je la nova memlernanta Advanced Analytics-fabriko kaj la proceza monitora sistemo.
La AI-apliko havas sian memoron
La propreco de Altnivela Analizo estas, ke ĉi tiu modulo kombinas grandajn kvantojn da datumoj inkluzive de historiaj datumoj kun maŝina lernado.Ĉi tio signifas, ke la memlernanta AI-apliko havas sian propran memoron kaj ke ĝi povas do uzi la informojn de la pasinteco por ambaŭ rekoni kompleksajn korelaciojn en grandaj kvantoj da datumoj kaj antaŭdiri eventon estonte kun alta grado de precizeco surbaze de aktuala. kondiĉoj de maŝino.Estas multaj aplikoj por ĉi tio en farbbutikoj, ĉu ĉe komponento, procezo aŭ plantnivelo.
Prognoza prizorgado reduktas plantajn malfunkciojn
Se temas pri komponantoj, Advanced Analytics celas redukti malfunkciojn per antaŭdira prizorgado kaj ripar-informoj, ekzemple antaŭdirante la restantan funkcidaŭron de miksilo.Se la komponento estas anstataŭigita tro frue, la kostoj de la rezervaj partoj pliiĝas kaj sekve la ĝeneralaj riparkostoj pliiĝas senbezone.Aliflanke, se ĝi estas lasita funkcii tro longe, ĝi povas kaŭzi kvalitajn problemojn dum la tega procezo kaj maŝinhaltigoj.Altnivela Analizo komenciĝas per lernado de la eluziĝo-indikiloj kaj la tempan ŝablonon de la eluziĝo uzante altfrekvencajn robotajn datumojn.Ĉar la datumoj estas kontinue registritaj kaj monitoritaj, la maŝinlernado-modulo individue rekonas maljuniĝajn tendencojn por la respektiva komponento surbaze de fakta uzo kaj tiamaniere kalkulas la optimuman anstataŭan tempon.
Daŭraj temperaturkurboj simulitaj per maŝinlernado
Altnivela Analitiko plibonigas kvaliton je proceznivelo identigante anomaliojn, ekzemple simulante varmkurbon en la forno.Ĝis nun, fabrikistoj nur havis datumojn determinitajn per sensiloj dum mezuradoj.Tamen, la varmigaj kurboj kiuj estas de fundamenta graveco laŭ la surfackvalito de la karoserio varias ekde la forno maljuniĝas, dum la intervaloj inter la mezuradoj.Ĉi tiu eluziĝo kaŭzas variajn ĉirkaŭajn kondiĉojn, ekzemple en la intenseco de la aerfluo.“Ĝis nun, miloj da korpoj estas produktitaj sen scii la precizajn temperaturojn al kiuj la individuaj korpoj estis varmigitaj.Uzante maŝinlernadon, nia Altnivela Analiza modulo simulas kiel la temperaturo ŝanĝiĝas sub malsamaj kondiĉoj.Ĉi tio ofertas al niaj klientoj konstantan pruvon de kvalito por ĉiu individua parto kaj permesas al ili identigi anomaliojn”, klarigas Gerhard Alonso Garcia.
Pli alta unuaranga indico pliigas totalan ekipaĵefikecon
Koncerne la enplantaĵon, la programaro DXQplant.analytics estas uzata en kombinaĵo kun la Advanced Analytics-modulo por pliigi la ĝeneralan efikecon de la ekipaĵo.La inteligenta solvo de la germana fabrikanto spuras ripetiĝantajn kvalitajn difektojn en specifaj modeltipoj, specifaj koloroj aŭ sur individuaj korpopartoj.Ĉi tio permesas al la kliento kompreni kiu paŝo en la produktada procezo respondecas pri la devioj.Tia difekto kaj kaŭzaj korelacioj pliigos la unuarangan indicon en la estonteco permesante intervenon en tre frua stadio.
La kombinaĵo inter plantinĝenieristiko kaj cifereca kompetenteco
Disvolvi AI-kongruajn datummodelojn estas tre kompleksa procezo.fakte, por produkti inteligentan rezulton kun maŝinlernado, ne sufiĉas enmeti nespecifitajn kvantojn da datumoj en "inteligentan" algoritmon.Gravaj signaloj devas esti kolektitaj, zorge elektitaj kaj integritaj kun strukturitaj kromaj informoj de produktado.Dürr povis dizajni softvaron kiu apogas malsamajn uzscenarojn, disponigas rultempan medion por maŝinlernadmodelo kaj iniciatas modeltrejnadon."Disvolvi ĉi tiun solvon estis vera defio ĉar ekzistis neniu valida maŝinlernada modelo kaj neniu taŭga rultempa medio, kiun ni povus uzi.Por povi uzi AI ĉe la plantnivelo, ni kombinis nian scion pri mekanika kaj planta inĝenierado kun tiuj de niaj spertuloj de Cifereca Fabriko.Ĉi tio kondukis al la unua solvo de artefarita inteligenteco por farbbutikoj”, diras Gerhard Alonso Garcia.
Kapabloj kaj scio kombinitaj por evoluigi Altnivelan Analizon
Interfaka teamo formita de datumsciencistoj, komputikistoj kaj procezaj fakuloj evoluigis ĉi tiun inteligentan solvon.Dürr ankaŭ eniĝis en kunlaboraj partnerecoj kun pluraj gravaj aŭtproduktantoj.Tiamaniere, la programistoj havis realvivajn produktadajn datumojn kaj beta-ejajn mediojn en produktado por malsamaj aplikaĵkazoj.Unue, la algoritmoj estis trejnitaj en la laboratorio uzante grandan nombron da testkazoj.Poste, la algoritmoj daŭrigis surloke lernadon dum reala vivo kaj adaptiĝis al la medio kaj kondiĉoj de uzo.La beta-fazo ĵus estis kompletigita sukcese kaj montris kiom multe da AI-potencialo ĝi havas.Unuaj praktikaj aplikoj montras, ke la programaro de Dürr optimumigas planthaveblecon kaj la surfacan kvaliton de pentritaj korpoj.
Afiŝtempo: Mar-16-2022