Dürr ले उन्नत एनालिटिक्स प्रस्तुत गर्दछ, पेन्ट पसलहरूको लागि पहिलो बजार-तयार एआई अनुप्रयोग।DXQanalyze उत्पादन श्रृंखलाको नवीनतम मोड्युलको अंश, यो समाधानले मेकानिकल इन्जिनियरिङ क्षेत्रमा नवीनतम आईटी प्रविधि र Dürr को अनुभव मर्ज गर्दछ, त्रुटिहरूको स्रोतहरू पहिचान गर्दछ, इष्टतम मर्मत कार्यक्रमहरू परिभाषित गर्दछ, पहिलेको अज्ञात सहसंबंधहरू ट्र्याक गर्दछ र यस ज्ञानलाई अनुकूलन गर्न प्रयोग गर्दछ। स्व-सिक्ने सिद्धान्त प्रयोग गरेर प्रणालीमा एल्गोरिथ्म।
किन टुक्राहरूले बारम्बार एउटै दोषहरू देखाउँछन्?रोबोटमा मिक्सरलाई मेसिन नरोकिकनै बदल्न सकिने सबैभन्दा नयाँ कुरा कहिले हो?यी प्रश्नहरूको सही र सटीक जवाफहरू दिगो आर्थिक सफलताको लागि आधारभूत छ किनकि यसले प्रत्येक दोष वा प्रत्येक अनावश्यक मर्मतलाई जोगिन सकिन्छ पैसा बचत गर्छ वा उत्पादनको गुणस्तर सुधार गर्दछ।"अहिले भन्दा पहिले, त्यहाँ धेरै थोरै ठोस समाधानहरू थिए जसले हामीलाई गुणस्तर दोष वा असफलताहरू तुरुन्तै पहिचान गर्न अनुमति दिने थियो।र यदि त्यहाँ थियो भने, तिनीहरू सामान्यतया डाटा वा परीक्षण-र-त्रुटि प्रयासहरूको एक बेजोड म्यानुअल मूल्याङ्कनमा आधारित थिए।यो प्रक्रिया आर्टिफिसियल इन्टेलिजेन्सको लागि अब धेरै सटीक र स्वचालित छ ", Gerhard Alonso गार्सिया, Dürr मा MES र नियन्त्रण प्रणालीका उपाध्यक्ष बताउँछन्।
Dürr को DXQanalyze डिजिटल उत्पादन श्रृंखला, जसमा पहिले नै उत्पादन डेटा प्राप्त गर्नको लागि डेटा अधिग्रहण मोड्युलहरू, यसलाई भिजुअलाइज गर्नको लागि भिजुअल एनालिटिक्स, र स्ट्रिमिङ एनालिटिक्सहरू समावेश छन्, अब नयाँ आत्म-सिकाउने उन्नत एनालिटिक्स प्लान्ट र प्रक्रिया निगरानी प्रणालीमा भरोसा गर्न सकिन्छ।
एआई अनुप्रयोगसँग यसको मेमोरी छ
उन्नत एनालिटिक्सको विशेषता यो हो कि यो मोड्युलले मेसिन लर्निङसँग ऐतिहासिक डेटा सहित ठूलो मात्रामा डेटा संयोजन गर्दछ।यसको मतलब यो हो कि स्व-सिक्ने एआई अनुप्रयोगको आफ्नै मेमोरी हुन्छ र यसले विगतको जानकारी दुवैलाई ठूलो मात्रामा डाटामा जटिल सहसंबंधहरू पहिचान गर्न र वर्तमानको आधारमा उच्च परिशुद्धताको साथ भविष्यमा हुने घटनाको भविष्यवाणी गर्न प्रयोग गर्न सक्छ। मेसिनको अवस्था।पेन्ट पसलहरूमा यसको लागि धेरै अनुप्रयोगहरू छन्, चाहे कम्पोनेन्ट, प्रक्रिया, वा बोट स्तरमा।
अनुमानित मर्मतले बिरुवाको डाउनटाइम घटाउँछ
कम्पोनेन्टको कुरा गर्दा, उन्नत एनालिटिक्सले भविष्यवाणी गर्ने मर्मत र मर्मत जानकारी मार्फत डाउनटाइम घटाउने लक्ष्य राख्छ, उदाहरणका लागि मिक्सरको बाँकी सेवा जीवनको भविष्यवाणी गरेर।यदि कम्पोनेन्ट धेरै चाँडो प्रतिस्थापन गरियो भने, स्पेयर पार्ट्सको लागत बढ्छ र फलस्वरूप सामान्य मर्मत लागत अनावश्यक रूपमा बढ्छ।अर्कोतर्फ, यदि यो धेरै लामो समयसम्म चलिरहेको छ भने, यसले कोटिंग प्रक्रिया र मेशिन रोकिने क्रममा गुणस्तर समस्याहरू निम्त्याउन सक्छ।उन्नत एनालिटिक्स उच्च-फ्रिक्वेन्सी रोबोट डेटा प्रयोग गरी पहिरन सूचकहरू र पहिरनको अस्थायी ढाँचा सिकेर सुरु हुन्छ।डेटा लगातार रेकर्ड र अनुगमन गरिएको हुनाले, मेसिन लर्निङ मोड्युलले वास्तविक प्रयोगको आधारमा सम्बन्धित कम्पोनेन्टको उमेर बढ्दै गएको प्रवृत्तिलाई व्यक्तिगत रूपमा पहिचान गर्छ र यसरी इष्टतम प्रतिस्थापन समय गणना गर्छ।
मेसिन लर्निङद्वारा सिमुलेटेड लगातार तापक्रम वक्रहरू
उन्नत एनालिटिक्सले विसंगतिहरू पहिचान गरेर प्रक्रिया स्तरमा गुणस्तर सुधार गर्दछ, उदाहरणका लागि ओभनमा तातो-अप कर्भ सिमुलेट गरेर।अहिले सम्म, निर्माताहरूले मात्र मापन रन को समयमा सेन्सर द्वारा निर्धारित डाटा थियो।यद्यपि, कार बडीको सतहको गुणस्तरको सन्दर्भमा मौलिक महत्त्वका ताप-अप कर्भहरू ओभनको उमेरदेखि मापन चल्ने बीचको अन्तरालहरूमा भिन्न हुन्छन्।यो पहिरनले परिवेशको अवस्थालाई अस्थिर बनाउँछ, उदाहरणका लागि हावा प्रवाहको तीव्रतामा।“अहिलेसम्म, व्यक्तिगत शरीरलाई कुन तापक्रममा न्यानो पारिएको छ, त्यो थाहा नपाई हजारौं शवहरू उत्पादन भएका छन्।मेसिन लर्निङको प्रयोग गरेर, हाम्रो उन्नत एनालिटिक्स मोड्युलले विभिन्न परिस्थितिहरूमा तापक्रम कसरी परिवर्तन हुन्छ भन्ने अनुकरण गर्छ।यसले हाम्रा ग्राहकहरूलाई प्रत्येक व्यक्तिगत भागको गुणस्तरको स्थायी प्रमाण प्रदान गर्दछ र उनीहरूलाई विसंगतिहरू पहिचान गर्न अनुमति दिन्छ”, गेर्हार्ड अलोन्सो गार्सिया भन्छन्।
उच्च पहिलो-रन दरले समग्र उपकरणको प्रभावकारिता बढाउँछ
इम्प्लान्टको लागि, DXQplant.analytics सफ्टवेयर उपकरणको समग्र प्रभावकारिता बढाउनको लागि उन्नत विश्लेषण मोड्युलसँग संयोजनमा प्रयोग गरिन्छ।जर्मन निर्माताको बुद्धिमानी समाधानले विशिष्ट मोडेल प्रकार, विशिष्ट रङ वा शरीरका व्यक्तिगत अंगहरूमा पुनरावर्ती गुणस्तर दोषहरू ट्र्याक गर्दछ।यसले उपभोक्तालाई उत्पादन प्रक्रियामा कुन चरण विचलनको लागि जिम्मेवार छ भनेर बुझ्न अनुमति दिन्छ।यस्तो दोष र कारण सहसंबंध एक धेरै प्रारम्भिक चरणमा हस्तक्षेप अनुमति दिएर भविष्यमा पहिलो रन दर वृद्धि हुनेछ।
प्लान्ट इन्जिनियरिङ् र डिजिटल विशेषज्ञता बीचको संयोजन
एआई-कम्प्याटिबल डाटा मोडेलहरू विकास गर्नु धेरै जटिल प्रक्रिया हो।वास्तवमा, मेसिन लर्निङको साथ एक बौद्धिक परिणाम उत्पादन गर्न, यो "स्मार्ट" एल्गोरिथ्ममा डेटाको अनिर्दिष्ट मात्रा सम्मिलित गर्न पर्याप्त छैन।सान्दर्भिक संकेतहरू सङ्कलन, सावधानीपूर्वक चयन र उत्पादनबाट संरचित अतिरिक्त जानकारी संग एकीकृत हुनुपर्छ।Dürr एक सफ्टवेयर डिजाइन गर्न सक्षम थियो जसले विभिन्न प्रयोग परिदृश्यहरूलाई समर्थन गर्दछ, मेसिन लर्निंग मोडेलको लागि रनटाइम वातावरण प्रदान गर्दछ र मोडेल प्रशिक्षण प्रारम्भ गर्दछ।"यस समाधानको विकास गर्नु एक वास्तविक चुनौती थियो किनकि त्यहाँ कुनै मान्य मेसिन लर्निङ मोडेल थिएन र हामीले प्रयोग गर्न सक्ने उपयुक्त रनटाइम वातावरण थिएन।प्लान्ट स्तरमा AI प्रयोग गर्न सक्षम हुनको लागि, हामीले मेकानिकल र प्लान्ट इन्जिनियरिङको ज्ञानलाई हाम्रा डिजिटल फ्याक्ट्री विशेषज्ञहरूसँग जोडेका छौं।यसले पेन्ट पसलहरूको लागि पहिलो कृत्रिम बुद्धिमत्ता समाधानको नेतृत्व गर्यो, "गेर्हार्ड अलोन्सो गार्सिया भन्छन्।
उन्नत एनालिटिक्स विकास गर्न कौशल र ज्ञान संयुक्त
डाटा वैज्ञानिकहरू, कम्प्युटर वैज्ञानिकहरू र प्रक्रिया विशेषज्ञहरू मिलेर बनेको एक अन्तःविषय टोलीले यो बौद्धिक समाधान विकसित गर्यो।Dürr ले धेरै प्रमुख मोटर वाहन निर्माताहरु संग सहयोग साझेदारी मा प्रवेश गरेको छ।यसरी, विकासकर्ताहरूसँग वास्तविक जीवन उत्पादन डेटा र बिटा साइट वातावरणहरू विभिन्न अनुप्रयोग केसहरूको लागि उत्पादनमा थिए।पहिलो, एल्गोरिदमहरू प्रयोगशालामा धेरै संख्यामा परीक्षण केसहरू प्रयोग गरेर तालिम दिइयो।पछि, एल्गोरिदमहरूले वास्तविक जीवन सञ्चालनको क्रममा साइटमा सिकाइ जारी राखे र वातावरण र प्रयोगका सर्तहरूमा आफूलाई अनुकूलित गरे।बीटा चरण भर्खरै सफलतापूर्वक सम्पन्न भयो र यसले एआई क्षमता कति छ भनेर देखाएको छ।पहिलो व्यावहारिक अनुप्रयोगहरूले देखाउँदै छन् कि Dürr को सफ्टवेयरले बिरुवाको उपलब्धता र चित्रित निकायहरूको सतहको गुणस्तरलाई अनुकूलन गर्दछ।
पोस्ट समय: मार्च-16-2022