Dürr는 페인트 공장을 위한 최초의 시장 준비 AI 애플리케이션인 Advanced Analytics를 선보입니다.DXQanalyze 제품 시리즈의 최신 모듈의 일부인 이 솔루션은 최신 IT 기술과 Dürr의 기계 엔지니어링 분야 경험을 결합하고, 결함의 원인을 식별하고, 최적의 유지 관리 프로그램을 정의하고, 이전에 알려지지 않은 상관 관계를 추적하고, 이 지식을 사용하여 적응합니다. 자체 학습 원리를 사용하여 시스템에 알고리즘을 제공합니다.
왜 조각에 같은 결함이 자주 나타납니까?기계를 멈추지 않고 로봇의 믹서를 교체할 수 있는 최신 날짜는 언제입니까?이러한 질문에 대한 정확하고 정확한 답변은 피할 수 있는 모든 결함이나 불필요한 유지 보수가 비용을 절감하거나 제품 품질을 향상시키기 때문에 지속 가능한 경제적 성공을 위한 기본입니다.“지금까지는 품질 결함이나 실패를 즉시 식별할 수 있는 구체적인 솔루션이 거의 없었습니다.그리고 만약 있다면, 그들은 일반적으로 데이터에 대한 세심한 수동 평가 또는 시행착오 시도를 기반으로 했습니다.이 프로세스는 이제 인공 지능 덕분에 훨씬 더 정확하고 자동화되었습니다.”라고 Dürr의 MES 및 제어 시스템 담당 부사장인 Gerhard Alonso Garcia가 설명합니다.
Dürr의 DXQanalyze 디지털 제품 시리즈에는 이미 생산 데이터 수집을 위한 데이터 수집 모듈, 시각화를 위한 Visual Analytics, 스트리밍 분석이 포함되어 있으며 이제 새로운 자체 학습 고급 분석 공장과 프로세스 모니터링 시스템을 사용할 수 있습니다.
AI 애플리케이션에는 메모리가 있습니다.
Advanced Analytics의 특징은 이 모듈이 과거 데이터를 포함한 많은 양의 데이터를 기계 학습과 결합한다는 것입니다.이는 자체 학습 AI 응용 프로그램이 자체 메모리를 가지고 있으므로 과거의 정보를 사용하여 많은 양의 데이터에서 복잡한 상관 관계를 인식하고 현재를 기반으로 높은 정확도로 미래의 이벤트를 예측할 수 있음을 의미합니다. 기계의 조건.부품, 공정 또는 공장 수준에 관계없이 페인트 공장에서 이를 위한 많은 응용 프로그램이 있습니다.
예측 유지보수로 공장 가동 중지 시간 감소
구성 요소와 관련하여 Advanced Analytics는 예를 들어 믹서의 남은 서비스 수명을 예측하여 예측 유지 관리 및 수리 정보를 통해 가동 중지 시간을 줄이는 것을 목표로 합니다.구성 요소를 너무 일찍 교체하면 예비 부품 비용이 증가하고 결과적으로 일반 수리 비용이 불필요하게 증가합니다.반면에 너무 오래 방치하면 코팅 과정에서 품질 문제와 기계 정지가 발생할 수 있습니다.Advanced Analytics는 고주파 로봇 데이터를 사용하여 마모 지표와 마모의 시간적 패턴을 학습하는 것으로 시작됩니다.데이터는 지속적으로 기록 및 모니터링되기 때문에 머신러닝 모듈은 실제 사용을 기반으로 각 구성 요소의 노후화 경향을 개별적으로 인식하여 최적의 교체 시기를 계산합니다.
기계 학습으로 시뮬레이션된 연속 온도 곡선
Advanced Analytics는 예를 들어 오븐의 가열 곡선을 시뮬레이션하여 이상을 식별하여 공정 수준에서 품질을 개선합니다.지금까지 제조업체는 측정을 실행하는 동안 센서에 의해 결정된 데이터만 가지고 있었습니다.그러나 차체의 표면 품질 측면에서 근본적으로 중요한 가열 곡선은 측정 실행 사이의 간격 동안 오븐 노화 이후에 달라집니다.이러한 마모는 예를 들어 공기 흐름의 강도와 같은 변동하는 주변 조건을 유발합니다.“지금까지 개별 신체가 가열된 정확한 온도를 알지 못한 채 수천 개의 신체가 생산되었습니다.기계 학습을 사용하여 고급 분석 모듈은 다양한 조건에서 온도가 어떻게 변하는지 시뮬레이션합니다.이를 통해 고객에게 각 개별 부품에 대한 영구적인 품질 증명을 제공하고 이상을 식별할 수 있습니다.”라고 Gerhard Alonso Garcia가 설명합니다.
초기 실행률이 높을수록 전반적인 장비 효율성이 높아집니다.
임플란트의 경우 장비의 전반적인 효율성을 높이기 위해 DXQplant.analytics 소프트웨어가 고급 분석 모듈과 함께 사용됩니다.독일 제조업체의 지능형 솔루션은 특정 모델 유형, 특정 색상 또는 개별 신체 부위에서 반복되는 품질 결함을 추적합니다.이를 통해 고객은 생산 프로세스의 어느 단계에서 편차가 발생하는지 이해할 수 있습니다.이러한 결함과 원인의 상관관계는 초기에 개입을 허용함으로써 향후 초도율을 높일 것이다.
플랜트 엔지니어링과 디지털 전문성의 결합
AI 호환 데이터 모델을 개발하는 것은 매우 복잡한 프로세스입니다.실제로 기계 학습으로 지능적인 결과를 생성하려면 "스마트" 알고리즘에 지정되지 않은 양의 데이터를 삽입하는 것만으로는 충분하지 않습니다.관련 신호를 수집하고 신중하게 선택하고 생산에서 구조화된 추가 정보와 통합해야 합니다.Dürr는 다양한 사용 시나리오를 지원하고 기계 학습 모델을 위한 런타임 환경을 제공하며 모델 교육을 시작하는 소프트웨어를 설계할 수 있었습니다."이 솔루션을 개발하는 것은 유효한 기계 학습 모델이 없었고 우리가 사용할 수 있는 적절한 런타임 환경이 없었기 때문에 정말 어려운 일이었습니다.공장 수준에서 AI를 사용할 수 있도록 기계 및 공장 엔지니어링에 대한 지식과 Digital Factory 전문가의 지식을 결합했습니다.이로 인해 페인트 공장을 위한 최초의 인공 지능 솔루션이 탄생했습니다.”라고 Gerhard Alonso Garcia는 말합니다.
고급 분석을 개발하기 위해 결합된 기술과 지식
데이터 과학자, 컴퓨터 과학자 및 프로세스 전문가로 구성된 학제 간 팀이 이 지능형 솔루션을 개발했습니다.Dürr는 또한 여러 주요 자동차 제조업체와 협력 파트너십을 체결했습니다.이러한 방식으로 개발자는 다양한 애플리케이션 사례에 대해 실제 프로덕션 데이터와 프로덕션 환경의 베타 사이트 환경을 갖게 되었습니다.첫째, 알고리즘은 많은 테스트 케이스를 사용하여 실험실에서 훈련되었습니다.그 후 알고리즘은 실제 작동 중에 현장 학습을 계속했으며 환경과 사용 조건에 적응했습니다.베타 단계는 최근 성공적으로 완료되었으며 얼마나 많은 AI 잠재력을 가지고 있는지 보여주었습니다.첫 번째 실용적인 응용 프로그램은 Dürr의 소프트웨어가 공장 가용성과 도장된 본체의 표면 품질을 최적화한다는 것을 보여줍니다.
게시 시간: 2022년 3월 16일