Dürr präsentiert Advanced Analytics, die erste marktreife KI-Anwendung für Lackieranlagen. Diese Lösung ist Teil des neuesten Moduls der DXQanalyze-Produktfamilie vereint die neueste IT-Technologie und die Erfahrung von Dürr im Maschinenbau. Sie identifiziert die Fehlerquellen, definiert die optimale Wartungszeitpunkte, spürt sie bislang unbekannte Zusammenhänge auf und passt mit diesem Wissen selbstlernend den Algorithmus an der Anlage an.
Warum weisen Stücke häufig die gleichen Mängel auf? Wann kann spätestens ein Mischer im Roboter ausgetauscht werden, ohne die Maschine anzuhalten? Genaue und präzise Beantwortungen dieser Fragen sind für einen nachhaltigen wirtschaftlichen Erfolg von grundlegender Bedeutung, da jeder Fehler oder jede unnötige Wartungseinsatz, die vermieden werden kann, Geld spart oder die Produktqualität verbessert. „Bisher gab es nur sehr wenige konkrete Lösungen, die es uns ermöglicht hätten, Qualitätsmängel oder - Ausfällen sofort zu identifizieren. Und wenn, basieren sie in der Regel auf einer mühsamen analogen Datenauswertung oder Trial-and-Error-Versuchen. Mit Künstlicher Intelligenz (KI) geht das jetzt wesentlich genauer und automatisch ", erklärt Gerhard Alonso Garcia, Vizepräsident von MES & Control Systems unter Dürr.
Die digitale Produktfamilie DXQanalyze von Dürr, die bereits die Module Data Acquisition für die Erfassung von Produktionsdaten, Visual Analytics für deren Visualisierung sowie Streaming Analytics enthielt, kann jetzt auf die neue selbstlernende Anlagen- und Prozessüberwachung Advanced Analytics zählen.
KI-Applikation hat ein eigenes Gedächtnis
Die Besonderheit von Advanced Analytics besteht darin, dass dieses Modul große Datenmengen einschließlich historischer Daten mit maschinellem Lernen kombiniert. Dies bedeutet, dass die
selbstlernende KI- Applikation über ein eigenes Gedächtnis verfügt und daher die Informationen aus der Vergangenheit verwenden kann, um sowohl komplexe Korrelationen in großen Datenmengen zu erkennen als auch ein Ereignis in der Zukunft mit einem hohen Grad an vorherzusagen Präzision basierend auf den aktuellen Bedingungen einer Maschine. Es gibt viele Anwendungsfälle in Lackieranlagen - auf der Komponenten-, Prozess- und Anlagenebene.
Vorausschauende Wartung reduziert Anlagenstillstand
Im Bereich der Komponenten zielt Advanced Analytics darauf ab,
Anlagenstillstand durch vorausschauende Wartungs- und Reparaturinformationen zu reduzieren , beispielsweise durch die Prognose der verbleibenden Lebensdauer eines Mischers. Wenn die Komponente zu früh ausgetauscht wird, steigen die Kosten für die Ersatzteile und folglich die allgemeinen Reparaturkosten unnötig. Wenn es jedoch zu lange laufen gelassen wird, kann es zu Qualitätsproblemen während des Beschichtungsprozesses und zu Maschinenstillständen kommen. Advanced Analytics beginnt mit dem Erlernen der Verschleißindikatoren und des zeitlichen Verschleißmusters anhand von Hochfrequenzroboterdaten. Da die Daten kontinuierlich erfasst und überwacht werden, erkennt das Machine-Learning-Modul für die jeweilige Komponente individuell anhand des tatsächlichen Gebrauchs und berechnet auf diese Weise die optimale Austauschzeit.
Machine Learning simuliert kontinuierliche Temperaturkurven
Advanced Analytics verbessert die Qualität auf Prozessebene, indem Anomalien identifiziert werden, beispielsweise durch Simulieren einer Aufheizkurve im Trockner. Bisher hatten Herstellern nur Daten, die von Sensoren während der Messläufe ermittelt wurden. Die Aufheizkurven, die für die
Oberflächenqualität der Karosserie von grundlegender Bedeutung sind, variieren jedoch seit dem Alter des Ofens in den Intervallen zwischen den Messläufen. Dieser Verschleiß verursacht schwankende Umgebungsbedingungen, beispielsweise in der Intensität des Luftstroms. „Heutzutage werden Tausende Karosserien produziert, ohne die genauen Temperaturen zu kennen, auf die die einzelne Karrosserie erwärmt wurden. Mithilfe von maschinellem Lernen simuliert unser Advanced Analytics-Modul, wie sich die Temperatur bei unterschiedlichen Bedingungen verändert. Dies bietet unseren Kunden einen dauerhaften Qualitätsnachweis für jede Einzelkarosserie und ermöglicht es ihnen, Anomalien zu identifizieren", erklärt Gerhard Alonso Garcia.
Höhere Erstläuferquote erhöht die Gesamtanlageneffektivität
Für das Implantat wird die Software DXQplant.analytics in Kombination mit dem Modul Advanced Analytics verwendet, um
die Gesamtanlageneffektivität (Overall Equipment Efficency, OEE) zu erhöhen . Die intelligente Lösung des deutschen Herstellers verfolgt wiederkehrende Qualitätsdefetkte bei bestimmten Modelltypen, bestimmten Farben oder an einzelnen Karosserieteilen. Auf diese Weise kann der Kunde verstehen, welcher Schritt im Produktionsprozess für die Abweichungen verantwortlich ist. Solche Fehler-Ursachen-Korrelationen werden die Erstlaufrate in Zukunft erhöhen, indem sie eine Intervention in einem sehr frühen Stadium ermöglichen.
Die Kombination zwischen Anlagen-Know-how und Digitalkompetenz
Die Entwicklung von KI-fähigen Datenmodellen ist ein sehr komplexer Prozess. Um mit maschinellem Lernen ein intelligentes Ergebnis zu erzielen, reicht es nicht aus, nicht spezifizierte Datenmengen in einen „ schlauen" Algorithmus einzufügen. Relevante Signale müssen gesammelt, sorgfältig ausgewählt und mit strukturierten Zusatzinformationen aus der Produktion integriert werden. Mit Advanced Analytics entwickelte Dürr eine Software, welche verschiedene Einsatzszenarien unterstützt, eine Laufzeitumgebung für Machine-Learning-Modelle bereitstellt und ein Modelltraining anstößt. „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 know-how unserer Experten aus der Digital Factory kombiniert. Dies führte zur ersten Lösung für künstliche Intelligenz in Lackieranlage", sagt Gerhard Alonso Garcia.
Fähigkeiten und Kenntnisse kombiniert, um Advanced Analytics zu entwickeln
Ein interdisziplinäres Team aus Data Scientisten, Informatikern und Prozessexperten entwickelte diese intelligente Lösung. Dürr ist auch Kooperationspartnerschaften mit mehreren großen Automobilherstellern eingegangen. Auf diese Weise hatten die Entwickler reale Fertigungsdaten und Beta-Site-Umgebungen für verschiedene Anwendungsfälle. Zunächst wurden die Algorithmen im Labor anhand einer Vielzahl von Testfällen trainiert. Anschließend setzten die Algorithmen das Lernen vor Ort während des realen Betriebs fort und passten sich an die Umgebung und die Nutzungsbedingungen an. Die Beta-Phase wurde kürzlich erfolgreich abgeschlossen und zeigte, wie viel KI-Potenzial sie hat. Erste praktische Anwendungen zeigen, dass die Software von Dürr die Anlagenverfügbarkeit und die Oberflächenqualität lackierter Karosserien optimiert.