A Dürr apresenta a Advanced Analytics, a primeira aplicação de IA para sistemas de pintura pronto para lançamento no mercado. Parte do mais recente módulo da série de produtos DXQanalyze, esta solução combina as mais modernas tecnologias de TI e a experiência da Dürr em engenharia mecânica, identifica as causas dos defeitos, estabelece planos de manutenção ideais, rastreia correlações até então desconhecidas e aplique esse conhecimento para adaptar o algoritmo ao sistema usando o princípio de auto aprendizado.
Por que algumas peças têm os mesmos defeitos com frequência? Qual é o último momento útil para substituir um misturador no robô sem provocar uma parada da máquina? Ter respostas precisas a essas perguntas é essencial para alcançar um sucesso econômico sustentável, pois qualquer defeito e qualquer intervenção de manutenção evitada permitem economizar dinheiro ou melhorar a qualidade do produto. "Até agora, havia muito poucas soluções concretas que nos permitiam identificar antecipadamente as causas de defeitos ou falhas de qualidade . E, se presentes, geralmente eram baseados em uma avaliação manual escrupulosa dos dados ou em uma metodologia por tentativa e erro. Agora, esse processo é muito mais preciso e dinâmico, graças à Inteligência Artificial", explica Gerhard Alonso Garcia Vice President MES & Control Systems na Dürr.
A gama de produtos digitais DXQanalyze da Dürr, que já incluía os Data Acquisition para a aquisição de dados de produção, Visual Analytics para visualização e Streaming Analytics, agora pode contar com o novo sistema de monitoramento de planta e processo de autoaprendizado Advanced Analytics.
Aplicação AI com memória própria
O que torna o Advanced Analytics único é que é um módulo que combina grandes quantidades de dados, incluindo dados históricos, usando o aprendizado de máquina. Isso significa que
aplicação de AI de autoaprendizado possui uma memória e pode usar informações passadas para reconhecer correlações complexas em grandes quantidades de dados e prever eventos futuros com grande precisão, com base nas condições de trabalho atuais da máquina. Tem muitas aplicações nas linhas de pintura, seja no nível de componente, de processo ou de planta.
A manutenção preditiva reduz o tempo de inatividade do sistema
Quanto aos componentes, o Advanced Analytics visa
reduzir o tempo de inatividade, fornecendo informações para prever manutenção e reparos, por exemplo, prevendo o tempo de vida útil restante de um misturador. Se um componente for substituído muito cedo, os custos com peças de reposição e reparos aumentam desnecessariamente. Por outro lado, se um componente for substituído tarde demais, poderão ocorrer problemas de qualidade durante o revestimento, a parada da máquina ou mesmo a produção. O Advanced Analytics estuda os indicadores de desgaste e o modelo de progressão de desgaste usando dados de robô coletados repetidamente ao longo do tempo. Como os dados são constantemente registrados e monitorados, o módulo de aprendizado de máquina reconhece as tendências de degradação dos produtos com base em seu uso real e, dessa maneira, calcula de maneira ideal quando eles precisam ser substituídos.
O aprendizado automático simula curvas de temperatura contínuas
O Advanced Analytics aprimora a qualidade no nível do processo, identificando anomalias, por exemplo, simulando uma curva de aquecimento na estufa. Até agora, os fabricantes só tinham dados gravados pelos sensores durante as medições. No entanto, as curvas de aquecimento, fundamentais para a
qualidade das superfícies da carroçaria, podem variar devido à deterioração da estufa durante os vários intervalos entre uma medição e outra. Isso causa mudanças nas condições ambientais, por exemplo, a força do fluxo. "Neste momento, milhares de carrocerias são produzidos sem saber a que temperatura cada um deles foi aquecido. Graças ao aprendizado automático, nosso módulo Advanced Analytics simula alterações de temperatura em várias condições. Isso fornece aos nossos clientes uma prova permanente da qualidade de cada carrocerias e permite que eles reconheçam anomalias ", diz Gerhard Alonso Garcia.
Uma maior taxa de sucesso na primeira execução
No nível da planta, o software DXQplant.analytics é usado junto com o módulo Advanced Analytics para
aumentar a eficácia geral do equipamento. A solução inteligente do fabricante alemão rastreia defeitos de qualidade recorrentes em modelos ou cores específicos ou em partes individuais da carroceria. Isso permite tirar conclusões sobre qual estágio do processo de produção pode ter causado os desvios. Essas correlações entre os defeitos e suas causas permitem aumentar a taxa de sucesso futuro na primeira inicialização, uma vez que permitem a intervenção prévia.
Combinação de experiência industriais e digitais
O desenvolvimento de modelos de dados compatíveis com inteligência artificial é um processo muito complexo. De fato, para produzir um resultado inteligente com o aprendizado de máquina, não basta fornecer quantidades genéricas de dados a um algoritmo "inteligente". Sinais relevantes devem ser coletados, cuidadosamente selecionados e completados por meio de informações estruturadas adicionais da produção. Com o Advanced Analytics, a Dürr oferece software que suporta várias possibilidades de aplicativos, fornece o ambiente para a execução de modelos de aprendizado de máquina e inicia os modelos de treinamento. "A dificuldade era que não havia um modelo de aprendizado de máquina válido geralmente nem um ambiente de execução adequado que pudéssemos usar. Para poder usar a IA no nível da planta, combinamos nosso conhecimento de engenharia industrial e mecânica com o de nossos especialistas em Fábrica Digital. O resultado é a primeira solução de IA para sistemas de pintura ", explica Gerhard Alonso Garcia.
Habilidades e conhecimentos combinados para desenvolver o Advanced Analytics
Uma equipe interdisciplinar de cientistas de dados, engenheiros de TI e especialistas em processos desenvolveu esta solução inteligente. A Dürr também colaborou com vários fabricantes automotivos. Isso significa que os programadores tinham dados reais de produção e ambientes beta em operação para diferentes casos de aplicativos. Primeiro, os algoritmos foram refinados em laboratório, graças a um grande número de casos de teste. Posteriormente, os algoritmos continuaram o auto-aprendizado na produção, durante a operação real da planta, adaptando-se automaticamente às condições ambientais e de uso. A fase beta foi concluída com sucesso recentemente e demonstrou o imenso potencial da IA.
As primeiras aplicações práticas estão mostrando que o software da Dürr otimiza a disponibilidade dos sistemas e a qualidade da superfície das carroçaria pintadas.