Dürr ขอนำเสนอ Advanced Analytics ซึ่งเป็นแอปพลิเคชั่น AI ตัวแรกที่พร้อมทำการตลาดสำหรับร้านสีส่วนหนึ่งของโมดูลล่าสุดในชุดผลิตภัณฑ์ DXQanalyze โซลูชันนี้ผสานเทคโนโลยีไอทีล่าสุดและประสบการณ์ของ Dürr ในภาควิศวกรรมเครื่องกล ระบุแหล่งที่มาของข้อบกพร่อง กำหนดโปรแกรมบำรุงรักษาที่เหมาะสม ติดตามความสัมพันธ์ที่ไม่รู้จักก่อนหน้านี้ และใช้ความรู้นี้เพื่อปรับเปลี่ยน อัลกอริทึมของระบบโดยใช้หลักการเรียนรู้ด้วยตนเอง
เหตุใดชิ้นส่วนจึงมักแสดงข้อบกพร่องเหมือนกันเมื่อใดที่สามารถเปลี่ยนเครื่องผสมอาหารในหุ่นยนต์ได้โดยไม่ต้องหยุดเครื่องการมีคำตอบที่ถูกต้องและแม่นยำสำหรับคำถามเหล่านี้เป็นพื้นฐานสำหรับความสำเร็จทางเศรษฐกิจอย่างยั่งยืน เนื่องจากทุกข้อบกพร่องหรือการบำรุงรักษาที่ไม่จำเป็นทุกอย่างที่สามารถหลีกเลี่ยงได้จะช่วยประหยัดเงินหรือปรับปรุงคุณภาพผลิตภัณฑ์“ก่อนหน้านี้ มีวิธีแก้ปัญหาที่เป็นรูปธรรมน้อยมากที่จะอนุญาตให้เราระบุข้อบกพร่องด้านคุณภาพหรือความล้มเหลวในทันทีและถ้ามี โดยทั่วไปจะอิงจากการประเมินข้อมูลด้วยตนเองอย่างละเอียดหรือการพยายามลองผิดลองถูกกระบวนการนี้แม่นยำและอัตโนมัติมากขึ้นด้วยปัญญาประดิษฐ์” Gerhard Alonso Garcia รองประธาน MES & Control Systems ของ Dürr อธิบาย
ชุดผลิตภัณฑ์ดิจิทัล DXQanalyze ของ Dürr ซึ่งรวมโมดูล Data Acquisition สำหรับการรับข้อมูลการผลิต Visual Analytics สำหรับการแสดงภาพ และ Streaming Analytics สามารถวางใจได้ในโรงงาน Advanced Analytics ที่เรียนรู้ด้วยตนเอง และระบบตรวจสอบกระบวนการ
แอปพลิเคชั่น AI มีหน่วยความจำ
ลักษณะเฉพาะของ Advanced Analytics คือโมดูลนี้รวมข้อมูลจำนวนมากรวมถึงข้อมูลในอดีตเข้ากับการเรียนรู้ของเครื่องซึ่งหมายความว่าแอปพลิเคชัน AI ที่เรียนรู้ด้วยตนเองมีหน่วยความจำของตัวเองและสามารถใช้ข้อมูลจากอดีตเพื่อรับรู้ถึงความสัมพันธ์ที่ซับซ้อนในข้อมูลจำนวนมากและคาดการณ์เหตุการณ์ในอนาคตด้วยความแม่นยำระดับสูงตามปัจจุบัน สภาพเครื่อง.มีการใช้งานมากมายสำหรับสิ่งนี้ในโรงสี ไม่ว่าจะในระดับส่วนประกอบ กระบวนการ หรือระดับโรงงาน
การบำรุงรักษาเชิงคาดการณ์ช่วยลดเวลาหยุดทำงานของโรงงาน
เมื่อพูดถึงส่วนประกอบ Advanced Analytics มุ่งหวังที่จะลดเวลาหยุดทำงานผ่านข้อมูลการบำรุงรักษาและการซ่อมแซมเชิงคาดการณ์ เช่น โดยการคาดการณ์อายุการใช้งานที่เหลืออยู่ของเครื่องผสมหากเปลี่ยนส่วนประกอบเร็วเกินไป ต้นทุนของอะไหล่จะเพิ่มขึ้น และทำให้ค่าซ่อมทั่วไปเพิ่มขึ้นโดยไม่จำเป็นในทางกลับกัน หากปล่อยทิ้งไว้นานเกินไป อาจทำให้เกิดปัญหาด้านคุณภาพระหว่างกระบวนการเคลือบและการหยุดเครื่องจักรได้การวิเคราะห์ขั้นสูงเริ่มต้นด้วยการเรียนรู้ตัวบ่งชี้การสึกหรอและรูปแบบชั่วคราวของการสึกหรอโดยใช้ข้อมูลหุ่นยนต์ความถี่สูงเนื่องจากข้อมูลจะถูกบันทึกและตรวจสอบอย่างต่อเนื่อง โมดูลการเรียนรู้ของเครื่องจะรับรู้แนวโน้มอายุของส่วนประกอบตามการใช้งานจริงเป็นรายบุคคล และด้วยวิธีนี้จะคำนวณเวลาทดแทนที่เหมาะสมที่สุด
กราฟอุณหภูมิต่อเนื่องจำลองโดยการเรียนรู้ของเครื่อง
การวิเคราะห์ขั้นสูงช่วยปรับปรุงคุณภาพที่ระดับกระบวนการโดยการระบุความผิดปกติ เช่น โดยการจำลองเส้นโค้งการทำความร้อนในเตาอบจนถึงขณะนี้ ผู้ผลิตมีเพียงข้อมูลที่กำหนดโดยเซ็นเซอร์ในระหว่างการดำเนินการวัดอย่างไรก็ตาม เส้นโค้งการเพิ่มความร้อนซึ่งมีความสำคัญพื้นฐานในแง่ของคุณภาพพื้นผิวของตัวรถจะแตกต่างกันไปตามอายุของเตาอบ ในช่วงเวลาระหว่างการวัดการสึกหรอนี้ทำให้เกิดสภาวะแวดล้อมที่ผันผวน เช่น ความเข้มของการไหลของอากาศ“จนถึงขณะนี้ มีการผลิตศพหลายพันศพโดยไม่ทราบอุณหภูมิที่แน่นอนที่ร่างกายแต่ละคนได้รับความร้อนด้วยการใช้การเรียนรู้ของเครื่อง โมดูลการวิเคราะห์ขั้นสูงของเราจะจำลองการเปลี่ยนแปลงของอุณหภูมิภายใต้สภาวะต่างๆสิ่งนี้ช่วยให้ลูกค้าของเราสามารถพิสูจน์คุณภาพอย่างถาวรสำหรับแต่ละชิ้นส่วนและช่วยให้พวกเขาสามารถระบุความผิดปกติได้” Gerhard Alonso Garcia อธิบาย
อัตราการเรียกใช้ครั้งแรกที่สูงขึ้นจะเพิ่มประสิทธิภาพของอุปกรณ์โดยรวม
ในส่วนของรากฟันเทียมนั้น ซอฟต์แวร์ DXQplant.analytics จะใช้ร่วมกับโมดูล Advanced Analytics เพื่อเพิ่มประสิทธิภาพโดยรวมของอุปกรณ์โซลูชันอัจฉริยะของผู้ผลิตในเยอรมนีติดตามข้อบกพร่องด้านคุณภาพที่เกิดซ้ำในประเภทรุ่น สีเฉพาะ หรือชิ้นส่วนของร่างกายแต่ละส่วนซึ่งช่วยให้ลูกค้าเข้าใจว่าขั้นตอนใดในกระบวนการผลิตมีส่วนรับผิดชอบต่อการเบี่ยงเบนความบกพร่องและความสัมพันธ์ของสาเหตุดังกล่าวจะเพิ่มอัตราการเรียกใช้ครั้งแรกในอนาคตโดยอนุญาตให้มีการแทรกแซงในระยะเริ่มต้น
การผสมผสานระหว่างวิศวกรรมโรงงานและความเชี่ยวชาญด้านดิจิทัล
การพัฒนาโมเดลข้อมูลที่เข้ากันได้กับ AI นั้นเป็นกระบวนการที่ซับซ้อนมากอันที่จริงแล้ว ในการสร้างผลลัพธ์อันชาญฉลาดด้วยการเรียนรู้ของเครื่อง การแทรกข้อมูลจำนวนไม่ระบุจำนวนลงในอัลกอริธึม "อัจฉริยะ" นั้นไม่เพียงพอต้องรวบรวมสัญญาณที่เกี่ยวข้อง คัดเลือกมาอย่างดี และรวมเข้ากับข้อมูลเพิ่มเติมที่มีโครงสร้างจากการผลิตDürrสามารถออกแบบซอฟต์แวร์ที่รองรับสถานการณ์การใช้งานที่แตกต่างกัน จัดเตรียมสภาพแวดล้อมรันไทม์สำหรับโมเดลการเรียนรู้ของเครื่อง และเริ่มการฝึกโมเดล“การพัฒนาโซลูชันนี้เป็นความท้าทายอย่างแท้จริง เนื่องจากไม่มีโมเดลการเรียนรู้ของเครื่องที่ถูกต้อง และไม่มีสภาพแวดล้อมรันไทม์ที่เหมาะสมที่เราสามารถใช้ได้เพื่อให้สามารถใช้ AI ในระดับโรงงานได้ เราได้รวมความรู้ด้านวิศวกรรมเครื่องกลและวิศวกรรมโรงงานกับผู้เชี่ยวชาญของ Digital Factoryซึ่งนำไปสู่โซลูชันปัญญาประดิษฐ์ตัวแรกสำหรับร้านสี” Gerhard Alonso Garcia กล่าว
ทักษะและความรู้รวมกันเพื่อพัฒนา Advanced Analytics
ทีมสหวิทยาการซึ่งประกอบด้วยนักวิทยาศาสตร์ข้อมูล นักวิทยาศาสตร์คอมพิวเตอร์ และผู้เชี่ยวชาญด้านกระบวนการพัฒนาโซลูชันอัจฉริยะนี้นอกจากนี้ Dürr ยังได้เข้าร่วมเป็นพันธมิตรทางธุรกิจกับผู้ผลิตรถยนต์รายใหญ่หลายรายด้วยวิธีนี้ นักพัฒนาจึงมีข้อมูลการผลิตในชีวิตจริงและสภาพแวดล้อมไซต์เบต้าในการผลิตสำหรับกรณีการใช้งานต่างๆขั้นแรก อัลกอริธึมได้รับการฝึกอบรมในห้องปฏิบัติการโดยใช้กรณีทดสอบจำนวนมากต่อจากนั้น อัลกอริธึมยังคงเรียนรู้นอกสถานที่ระหว่างการใช้งานจริง และปรับตัวเองให้เข้ากับสภาพแวดล้อมและสภาพการใช้งานระยะเบต้าเพิ่งเสร็จสมบูรณ์และแสดงให้เห็นว่ามีศักยภาพของ AI มากน้อยเพียงใดการใช้งานจริงในขั้นแรกแสดงให้เห็นว่าซอฟต์แวร์จาก Dürr ช่วยเพิ่มความพร้อมในการใช้งานของโรงงานและคุณภาพพื้นผิวของตัวถังที่ทาสี
โพสต์เวลา: มี.ค.-16-2022