Dürr выпустил первое в мире приложение с ИИ для покрасочных цехов

Концерн Dürr вывел на рынок первое в мире приложение с искусственным интеллектом для организации работы покрасочных цехов. Созданная на основе новейших IT технологий с учетом передового инжиниринга программа обнаруживает причины производственных дефектов, рассчитывает оптимальные графики техобслуживания оборудования, выявляет скрытые производственные корреляции и оптимизирует алгоритм работы цеха на основе самообучения. Приложение Advanced Analytics входит в качестве модуля в состав продуктовой линейки DXQanalyze. Опыт эксплуатации программного обеспечения Dürr показал, что оно оптимизирует техническую готовность оборудования и качество покраски кузовов.

«До сих пор примеры раннего предупреждения дефектов исбоев производства были редки. Как правило, решения принимались на основе кропотливой ручной оценкиданных или методе проб и ошибок. Искусственный интеллект автоматизирует процесс принятия решений и делает их намного более точными», – прокомментировал Герхард Алонсо Гарсия, вице-президент по MES & Control Systems компании Dürr.

Новая самообучающаяся система мониторинга производственных процессов Advanced Analytics дополнила линейку цифровых продуктов DXQanalyze концерна Dürr, которая уже включает модули Data Acquisition для сбора производственных данных и Visual Analytics для их визуализации, а также систему анализа производственных данных Streaming Analytics, которая работает в близком к реальному времени режиме на малокодовойплатформе. С её помощью операторы определяют отклонения от предустановленных целевых значений работы производства.

Особенностью Advanced Analytics является то, что модуль накапливает большое количество данных, включая параметры прошлых производственных циклов и сочетает это со способностью к машинному самообучению. В переносном смысле это означает, что самообучающееся приложение с искусственным интеллектом имеет собственную память, то есть, оно способно распознавать комплексные корреляции в большом массиве данных и прогнозировать события в будущем с высокой точностью на основе данных о текущем состояния оборудования. В покрасочных цехах есть много областей примененияданного модуля – как на уровне отдельных компонентов и процессов, так и всего производства в целом.

На основе мониторинга параметров работы цеха и отдельных агрегатов система Advanced Analytics позволяет прогнозировать оптимальное время проведения техобслуживания цеха или ремонта агрегатов, например, путем расчета оставшегося срока службы смесителя. Если компонент заменить слишком рано, вырастут необязательные расходы на запасные частиили на ремонт, а слишком поздняя замена может привести к проблемам с качеством во время нанесения покрытия и остановке оборудования. На основе непрерывно поступающих данных о функционировании робота приложение Advanced Analytics выявляет степень износа агрегата и рассчитывает график его износа во времени. Так как все данные непрерывно регистрируются и анализируются, модуль машинного обучения программыраспознает тенденции износакаждого компонента на основе данных его фактического использования ирассчитывает оптимальное время замены.

Приложение Advanced Analytics помогает улучшить качество, выявляя аномалии производственного процесса путем моделирования температурной кривой разогрева печи. До сих пор производители оперировали лишь даннымидатчиков, полученными во время измерительных циклов. Однако кривые разогрева, от которых напрямую зависит качество поверхности кузова автомобиля, меняются, поскольку печьизнашивается в промежутках между измерительными циклами. А это означает изменение в воздействии внешних условий на процесс, например, меняется мощность воздушного потока. «Сейчас производитель, например, тысячи кузовов, не знает до какой температуры нагревался каждый кузов. При машинном самообучении, наше приложение Advanced Analytics моделирует, как меняется температура в разных условиях. Поэтому это нашизаказчики теперь могут постоянноподтверждать качество каждого кузова и выявлять аномалии», – говорит Герхард Алонсо Гарсия.

На уровне завода программное обеспечение DXQplant.analytics вместе с модулем Advanced Analytics используется для повышения общей эффективности оборудования. Модуль ИИ отслеживает системные дефекты, в том числе повторяющиеся в определенных типах моделей, цветах покраски и элементахкузова. На основе полученных данных можно делать выводы, на каком этапе производственного процесса происходят отклонения. Установление связи между дефектами и их причинами позволяет повысить показатели работы при первом прогоне оборудования и вносить коррективы на ранней стадии.

Разработка самообучающихся цифровых моделей производства – сложный процесс. Машинное обучение не работает путем закладки неопределенных объемов производственных данных в «умный» алгоритм, который выдает интеллектуальный результат. Необходимо собирать только значимые (сенсорные) сигналы датчиков, тщательно отсортировать их и дополнять структурированными данными, описывающимипроизводственный процесс.

Система Advanced Analytics компании Dürr представляет собой многосценарное программное обеспечение, способное имитировать различные условия производства и отрабатывать в них модели, созданные на основе машинного обучения. «Сложность заключалась в том, что у нас не было ни общепризнанной модели машинного обучения, ни программ симуляции реальных производственных условий, в которых можно было бы тестировать полученные «умные» модели.Чтобы использовать ИИ на уровне всего завода, мы объединили наши знания в области машиностроения и промышленной эксплуатации со знаниями наших специалистов из «Digital Factory». В результате было создано первое решение с ИИ для покрасочных цехов», – объясняет Герхард Алонсо Гарсия.

Модуль Advanced Analytics разработан междисциплинарной группой, состоящей из специалистов по цифровым данным, экспертов в области вычислительных машин и специалистов по процессам. Dürr также вёл работы по проекту в партнерстве с несколькими ведущими автопроизводителями. В результате, разработчики имели в своем распоряжении реальные производственные данные и ряд экспериментальных заводских площадок для выработки различных сценариев использования приложения. Сначала алгоритмы отрабатывались в лаборатории с использованием обширного набора тестовых данных. Затем алгоритмы автономно прогонялись в реальных условиях эксплуатации на различных типах производственных площадок в разных условиях исредах. Недавно был успешно завершен этапбета-тестирования, доказавший высокий потенциал использования ИИ на производстве.