Dürr präsentiert mit Advanced Analytics die erste marktreife KI-Anwendung für Lackierereien.Als Teil des neuesten Moduls der DXQanalyze-Produktreihe führt diese Lösung neueste IT-Technologie und die Erfahrung von Dürr im Maschinenbau zusammen, identifiziert Fehlerquellen, definiert die optimalen Wartungsprogramme, verfolgt bisher unbekannte Zusammenhänge und nutzt dieses Wissen zur Anpassung der Algorithmus an das System nach dem Selbstlernprinzip.
Warum weisen Teile häufig die gleichen Mängel auf?Wann kann spätestens ein Mischer im Roboter ausgetauscht werden, ohne die Maschine anzuhalten?Genaue und präzise Antworten auf diese Fragen zu haben, ist grundlegend für einen nachhaltigen wirtschaftlichen Erfolg, da jeder Fehler oder jede unnötige Wartung, die vermieden werden kann, Geld spart oder die Produktqualität verbessert.„Bisher gab es nur sehr wenige konkrete Lösungen, mit denen wir Qualitätsmängel oder -ausfälle zeitnah erkennen konnten.Und wenn doch, basierten sie in der Regel auf einer sorgfältigen manuellen Auswertung der Daten oder Trial-and-Error-Versuchen.Dieser Prozess läuft dank künstlicher Intelligenz jetzt viel genauer und automatischer ab“, erklärt Gerhard Alonso Garcia, Vice President of MES & Control Systems bei Dürr.
Die digitale Produktreihe DXQanalyze von Dürr, die bereits Data Acquisition-Module zur Erfassung von Produktionsdaten, Visual Analytics zu deren Visualisierung und Streaming Analytics umfasste, kann jetzt auf die neue selbstlernende Advanced Analytics-Anlage und das Prozessüberwachungssystem zählen.
Die KI-Anwendung hat ihr Gedächtnis
Die Besonderheit von Advanced Analytics besteht darin, dass dieses Modul große Datenmengen einschließlich historischer Daten mit maschinellem Lernen kombiniert.Das bedeutet, dass die selbstlernende KI-Anwendung über ein eigenes Gedächtnis verfügt und somit die Informationen aus der Vergangenheit nutzen kann, um sowohl komplexe Zusammenhänge in großen Datenmengen zu erkennen als auch ein Ereignis in der Zukunft strombasiert mit hoher Präzision vorherzusagen Bedingungen einer Maschine.In Lackierereien gibt es dafür viele Anwendungen, sei es auf Komponenten-, Prozess- oder Anlagenebene.
Predictive Maintenance reduziert Anlagenstillstandszeiten
Bei Komponenten zielt Advanced Analytics darauf ab, Ausfallzeiten durch vorausschauende Wartungs- und Reparaturinformationen zu reduzieren, beispielsweise durch die Vorhersage der Restlebensdauer eines Mischers.Wird das Bauteil zu früh ausgetauscht, steigen die Ersatzteilkosten und damit die allgemeinen Reparaturkosten unnötig an.Andererseits kann es bei zu langem Laufen zu Qualitätsproblemen im Beschichtungsprozess und Maschinenstillständen kommen.Advanced Analytics beginnt mit dem Lernen der Verschleißindikatoren und des zeitlichen Musters des Verschleißes anhand hochfrequenter Roboterdaten.Da die Daten kontinuierlich erfasst und überwacht werden, erkennt das Machine-Learning-Modul anhand der tatsächlichen Nutzung individuell Alterungstrends der jeweiligen Komponente und errechnet so den optimalen Austauschzeitpunkt.
Kontinuierliche Temperaturkurven simuliert durch maschinelles Lernen
Advanced Analytics verbessert die Qualität auf Prozessebene, indem Anomalien identifiziert werden, beispielsweise durch die Simulation einer Aufheizkurve im Ofen.Bisher hatten Hersteller nur Daten, die Sensoren bei Messfahrten ermittelten.Allerdings verändern sich die für die Oberflächenqualität der Karosserie grundlegenden Aufheizkurven seit dem Ofenalter in den Intervallen zwischen den Messfahrten.Dieser Verschleiß verursacht schwankende Umgebungsbedingungen, beispielsweise in der Intensität des Luftstroms.„Bisher werden tausende Karosserien produziert, ohne die genauen Temperaturen zu kennen, auf die die einzelnen Karosserien aufgeheizt wurden.Unser Advanced Analytics-Modul simuliert mithilfe von maschinellem Lernen, wie sich die Temperatur unter verschiedenen Bedingungen ändert.Das bietet unseren Kunden einen dauerhaften Qualitätsnachweis für jedes einzelne Teil und erlaubt ihnen, Anomalien zu erkennen“, erklärt Gerhard Alonso Garcia.
Eine höhere First-Run-Rate erhöht die Gesamtanlageneffektivität
Was das Implantat betrifft, wird die DXQplant.analytics-Software in Kombination mit dem Advanced Analytics-Modul verwendet, um die Gesamteffektivität der Ausrüstung zu erhöhen.Die intelligente Lösung des deutschen Herstellers spürt wiederkehrende Qualitätsmängel bei bestimmten Modelltypen, bestimmten Farben oder an einzelnen Karosserieteilen auf.Dadurch kann der Kunde nachvollziehen, welcher Schritt im Produktionsprozess für die Abweichungen verantwortlich ist.Solche Defekt-Ursachen-Korrelationen werden zukünftig die First-Run-Rate erhöhen, indem sie ein sehr frühes Eingreifen ermöglichen.
Die Kombination aus Anlagentechnik und digitaler Expertise
Die Entwicklung von KI-kompatiblen Datenmodellen ist ein sehr komplexer Prozess.Um mit maschinellem Lernen ein intelligentes Ergebnis zu erzielen, reicht es nicht aus, unspezifizierte Datenmengen in einen „intelligenten“ Algorithmus einzufügen.Relevante Signale müssen gesammelt, sorgfältig ausgewählt und mit strukturierten Zusatzinformationen aus der Produktion integriert werden.Dürr konnte eine Software entwerfen, die unterschiedliche Anwendungsszenarien unterstützt, eine Laufzeitumgebung für Machine-Learning-Modelle bereitstellt und das Modelltraining initiiert.„Die Entwicklung dieser Lösung war eine echte Herausforderung, da es kein gültiges Machine-Learning-Modell und keine geeignete Laufzeitumgebung gab, die wir hätten verwenden können.Um KI auf Anlagenebene einsetzen zu können, haben wir unser Wissen aus dem Maschinen- und Anlagenbau mit dem unserer Digital Factory-Experten kombiniert.Dies führte zur ersten künstlichen Intelligenzlösung für Lackierereien“, sagt Gerhard Alonso Garcia.
Fähigkeiten und Wissen kombiniert, um Advanced Analytics zu entwickeln
Ein interdisziplinäres Team aus Data Scientists, Informatikern und Prozessexperten hat diese intelligente Lösung entwickelt.Darüber hinaus ist Dürr Kooperationspartnerschaften mit mehreren großen Automobilherstellern eingegangen.Auf diese Weise hatten die Entwickler reale Produktionsdaten und Beta-Site-Umgebungen in der Produktion für verschiedene Anwendungsfälle.Zunächst wurden die Algorithmen im Labor anhand einer Vielzahl von Testfällen trainiert.Anschließend lernten die Algorithmen im realen Betrieb vor Ort weiter und passten sich an Umgebung und Einsatzbedingungen an.Die Beta-Phase wurde kürzlich erfolgreich abgeschlossen und zeigte, wie viel KI-Potenzial darin steckt.Erste Praxisanwendungen zeigen, dass die Software von Dürr die Anlagenverfügbarkeit und die Oberflächenqualität von lackierten Karosserien optimiert.
Postzeit: 16. März 2022