|
Advanced Analytics 是第一款用于涂裝車(chē)間的市場(chǎng)化 AI 應用程序。該智能解決方案結合了最新的 IT 技術(shù)和機械工程專(zhuān)業(yè)知識，可識別缺陷來(lái)源并確定最佳的維護計劃。它還能追蹤以前未知的相關(guān)性，并利用該知識，結合自學(xué)習原理使算法適應于整個(gè)車(chē)間。Advanced Analytics 是 DXQanalyze 產(chǎn)品系列的最新模塊。最初的實(shí)際應用表明，杜爾的軟件可以?xún)?yōu)化車(chē)間可用性和噴漆車(chē)身的表面質(zhì)量。 為什么車(chē)身部件出現相同缺陷的頻率異常高？在不導致停機的情況下，最晚什么時(shí)候可以更換機器人中的混合器？答案對于實(shí)現可持續地成本節約至關(guān)重要。因為避開(kāi)每個(gè)可避免的缺陷、省去每次不必要的維護都可以節省資金或提高產(chǎn)品質(zhì)量�！霸诖酥�，幾乎沒(méi)有能及早發(fā)現質(zhì)量缺陷或故障的精確推斷。如果有的話(huà)，也往往來(lái)自繁復的人工數據評估或反復的試驗。人工智能 (AI) 使這一過(guò)程更加準確和自動(dòng)化，”杜爾MES 和控制系統副總裁 Gerhard Alonso Garcia 解釋說(shuō)。 DXQanalyze 增加了新的自學(xué)習Advanced Analytics車(chē)間和工藝監控系統。杜爾的數字產(chǎn)品系列已經(jīng)包括用于獲取生產(chǎn)數據的數據采集模塊、用于實(shí)現可視化的可視化分析和流分析。后者使設備操作員可以使用無(wú)需大量編程的代碼平臺近乎實(shí)時(shí)地分析生產(chǎn)是否偏離先前定義的規則或目標值。 具有自我記憶能力的 AI 應用 Advanced Analytics 之所以與眾不同，是因為該模塊將包括歷史數據在內的大量數據與機器學(xué)習能力結合在一起。從象征意義上講，這意味著(zhù)自主學(xué)習 AI 應用 具有自我記憶能力。這意味著(zhù)它可以使用過(guò)去的信息，既可以識別大量數據中復雜的相關(guān)性，又可以根據機器的當前狀態(tài)以高精度預測將來(lái)的事件。在涂裝車(chē)間，無(wú)論是在組件、工藝還是車(chē)間級別，都有許多這樣的應用。 預測性維護減少車(chē)間停機時(shí)間 對于組件，Advanced Analytics 旨在通過(guò)預測維護和維修信息（例如，預測混合器的剩余使用壽命）來(lái)減少停機時(shí)間。如果組件更換得太早，會(huì )不必要地增加備件成本和維修費用；而更換組件的時(shí)間太晚，則會(huì )導致噴涂和機器停機過(guò)程中出現質(zhì)量問(wèn)題。Advanced Analytics 首先使用高頻機器人數據學(xué)習磨損指標和磨損的時(shí)間模式，由于數據是被連續記錄和監控的，因此機器學(xué)習模塊會(huì )根據實(shí)際使用情況單獨識別各個(gè)組件的老化趨勢，并以此方式計算出最佳更換時(shí)間。 機器學(xué)習模擬連續溫度曲線(xiàn) Advanced Analytics 通過(guò)識別異常（例如，通過(guò)模擬烘房中的加熱曲線(xiàn)）來(lái)提高過(guò)程級別上的質(zhì)量。到目前為止，制造商僅在測量運行過(guò)程通過(guò)傳感器測定數據。然而，由于烘房在兩次測量之間的間隔中會(huì )老化，因此對于車(chē)身表面質(zhì)量至關(guān)重要的加熱曲線(xiàn)會(huì )發(fā)生變化。這種磨損導致環(huán)境條件產(chǎn)生波動(dòng)，例如氣流強度的變化。 “如今，成千上萬(wàn)的車(chē)身被生產(chǎn)出來(lái)，以往我們卻無(wú)法了解各個(gè)車(chē)身加熱達到的溫度。通過(guò)機器學(xué)習，我們的 Advanced Analytics 模塊可以模擬不同條件下的溫度變化。這為我們的客戶(hù)提供了關(guān)于每個(gè)車(chē)身的永久質(zhì)量證明，讓他們能夠識別異常情況�！盙erhard Alonso Garcia 說(shuō)。 更高的首次運行率提高整體設備效率（OEE） DXQplant.analytics 軟件與 Advanced Analytics 模塊結合使用，可在車(chē)間級別提高整體設備效率。人工智能可跟蹤系統缺陷，例如特定模型類(lèi)型、特定顏色或單個(gè)車(chē)身部件的重復性質(zhì)量缺陷等。這樣就可以推斷出生產(chǎn)過(guò)程中的哪個(gè)步驟產(chǎn)生了偏差。人們可以通過(guò)這樣的”缺陷-原因”相關(guān)性在早期階段進(jìn)行干預，從而能夠在將來(lái)提高首次運行率。 車(chē)間和數字專(zhuān)業(yè)知識的專(zhuān)業(yè)結合 開(kāi)發(fā)具有 AI 功能的數據模型是一個(gè)非常復雜的過(guò)程。這是因為機器學(xué)習無(wú)法將未指定數量的數據輸入“智能”算法來(lái)輸出智能結果,而是必須收集、仔細選擇相關(guān)（傳感器）信號，并對這些信號補充來(lái)自生產(chǎn)過(guò)程中的結構化附加信息。借助 Advanced Analytics，杜爾開(kāi)發(fā)了一款軟件，該軟件支持不同的使用場(chǎng)景，為機器學(xué)習模型提供運行時(shí)的環(huán)境，并觸發(fā)模型訓練�！疤魬鹪谟�，當時(shí)我們沒(méi)有普遍有效的機器學(xué)習模型，也沒(méi)有可以使用的合適的運行環(huán)境。為了能夠在車(chē)間級別使用 AI，我們將機械和車(chē)間工程知識與數字工廠(chǎng)的專(zhuān)業(yè)知識結合了起來(lái)。由此誕生了第一個(gè)面向涂裝車(chē)間的 AI 解決方案�！盙erhard Alonso Garcia 解釋說(shuō)。 需要跨學(xué)科知識 Advanced Analytics 是由一支跨學(xué)科團隊開(kāi)發(fā)出來(lái)的，團隊成員由數據科學(xué)家、計算機科學(xué)家和工藝專(zhuān)家組成。杜爾還與多家領(lǐng)先的汽車(chē)制造商建立了合作伙伴關(guān)系。這意味著(zhù)開(kāi)發(fā)人員具有生產(chǎn)中針對不同應用案例的真實(shí)生產(chǎn)數據和測試站點(diǎn)環(huán)境。首先，在實(shí)驗室中使用大量測試案例對算法進(jìn)行了訓練。接下來(lái)，這些算法將繼續在實(shí)際操作中進(jìn)行現場(chǎng)學(xué)習，并自動(dòng)適應環(huán)境和使用條件。測試階段最近成功完成，展示了 AI 的潛力。 
圖 1：杜爾的 AI 應用程序 Advanced Analytics 可以識別缺陷來(lái)源并確定最佳維護計劃。
圖 2： 杜爾軟件通過(guò)預測性維護和維修信息減少了車(chē)間停機時(shí)間。
圖 3：借助人工智能，可以檢測到噴涂過(guò)程中的系統錯誤，因此可以通過(guò)在早期階段進(jìn)行干預來(lái)提高 OEE。 |
