საღებავების მაღაზიას ახლა შეუძლია დაეყრდნოს დიურის ხელოვნურ ინტელექტს

Dürr წარმოგიდგენთ Advanced Analytics, პირველ ბაზარზე მზა AI აპლიკაციას საღებავის მაღაზიებისთვის.DXQanalyze პროდუქციის სერიის უახლესი მოდულის ნაწილი, ეს გამოსავალი აერთიანებს უახლეს IT ტექნოლოგიას და დიურის გამოცდილებას მექანიკური ინჟინერიის სექტორში, განსაზღვრავს დეფექტების წყაროებს, განსაზღვრავს ოპტიმალურ ტექნიკურ პროგრამებს, აკონტროლებს ადრე უცნობ კორელაციას და იყენებს ამ ცოდნას ადაპტაციისთვის. სისტემის ალგორითმი თვითსწავლის პრინციპის გამოყენებით.

რატომ ავლენენ ნაწილებს ხშირად იგივე დეფექტები?როდის არის ბოლო, რომ რობოტში მიქსერი შეიძლება შეიცვალოს აპარატის გაჩერების გარეშე?ამ კითხვებზე ზუსტი და ზუსტი პასუხების ქონა ფუნდამენტურია მდგრადი ეკონომიკური წარმატებისთვის, რადგან ყოველი დეფექტი ან ყოველი არასაჭირო მოვლა, რომლის თავიდან აცილებაც შესაძლებელია, დაზოგავს ფულს ან აუმჯობესებს პროდუქტის ხარისხს.„აქამდე ძალიან ცოტა იყო კონკრეტული გადაწყვეტილებები, რომლებიც საშუალებას მოგვცემდა დროულად გამოგვედგინა ხარისხის ხარვეზები ან წარუმატებლობები.და თუ არსებობდა, ისინი ძირითადად ეფუძნებოდა მონაცემების სკრუპულოზურ ხელით შეფასებას ან საცდელ-შეცდომის მცდელობებს.ეს პროცესი ახლა ბევრად უფრო ზუსტი და ავტომატურია ხელოვნური ინტელექტის წყალობით“, განმარტავს გერჰარდ ალონსო გარსია, MES & Control Systems-ის ვიცე პრეზიდენტი Dürr-ში.
Dürr-ის DXQanalyze ციფრული პროდუქტების სერიას, რომელიც უკვე მოიცავდა მონაცემთა შეძენის მოდულებს წარმოების მონაცემების მისაღებად, Visual Analytics-ს ვიზუალიზაციისთვის და Streaming Analytics-ს, ახლა შეუძლია დაეყრდნოს ახალ თვითმსწავლებელ Advanced Analytics ქარხანას და პროცესის მონიტორინგის სისტემას.

AI აპლიკაციას აქვს თავისი მეხსიერება
Advanced Analytics-ის თავისებურება ის არის, რომ ეს მოდული აერთიანებს დიდი რაოდენობით მონაცემებს, მათ შორის ისტორიულ მონაცემებს მანქანურ სწავლასთან.ეს ნიშნავს, რომ თვითნასწავლი ხელოვნური ინტელექტის აპლიკაციას აქვს საკუთარი მეხსიერება და, შესაბამისად, მას შეუძლია გამოიყენოს ინფორმაცია წარსულიდან, რათა ამოიცნოს კომპლექსური კორელაციები დიდი რაოდენობით მონაცემებში და იწინასწარმეტყველოს მოვლენა მომავალში მაღალი სიზუსტით მიმდინარე მოვლენებზე დაყრდნობით. მანქანის პირობები.ამისთვის უამრავი აპლიკაციაა საღებავების მაღაზიებში, იქნება ეს კომპონენტის, პროცესის თუ ქარხნის დონეზე.

პროგნოზირებადი მოვლა ამცირებს მცენარის შეფერხების პერიოდს
როდესაც საქმე კომპონენტებს ეხება, Advanced Analytics მიზნად ისახავს შემცირების დროის შემცირებას წინასწარმეტყველური ტექნიკური და სარემონტო ინფორმაციის საშუალებით, მაგალითად, მიქსერის დარჩენილი მომსახურების ვადის პროგნოზირებით.თუ კომპონენტი ძალიან ადრე შეიცვალა, სათადარიგო ნაწილების ხარჯები იზრდება და, შესაბამისად, სარემონტო ზოგადი ხარჯები ზედმეტად იზრდება.მეორეს მხრივ, თუ ის დიდხანს დარჩება მუშაობაში, ამან შეიძლება გამოიწვიოს ხარისხის პრობლემები დაფარვის პროცესის დროს და მანქანების გაჩერების დროს.გაფართოებული ანალიტიკა იწყება აცვიათ ინდიკატორებისა და ტარების დროითი ნიმუშის შესწავლით მაღალი სიხშირის რობოტის მონაცემების გამოყენებით.ვინაიდან მონაცემები მუდმივად იწერება და კონტროლდება, მანქანათმცოდნეობის მოდული ინდივიდუალურად ცნობს შესაბამისი კომპონენტის დაბერების ტენდენციებს რეალური გამოყენების საფუძველზე და ამ გზით ითვლის ოპტიმალურ ჩანაცვლების დროს.

უწყვეტი ტემპერატურის მრუდები, სიმულირებული მანქანური სწავლით
Advanced Analytics აუმჯობესებს ხარისხს პროცესის დონეზე ანომალიების იდენტიფიცირებით, მაგალითად, ღუმელში გაცხელების მრუდის სიმულირებით.აქამდე მწარმოებლებს მხოლოდ სენსორებით განსაზღვრული მონაცემები ჰქონდათ გაზომვის დროს.თუმცა, გაცხელების მრუდები, რომლებიც ფუნდამენტური მნიშვნელობისაა მანქანის ძარის ზედაპირის ხარისხის თვალსაზრისით, განსხვავდება ღუმელის დაძველების შემდეგ, გაზომვებს შორის ინტერვალის დროს.ეს ცვეთა იწვევს გარემო პირობების ცვალებადობას, მაგალითად, ჰაერის ნაკადის ინტენსივობას.„აქამდე ათასობით სხეული იქმნება, რომ არ ვიცით ზუსტი ტემპერატურა, რომელზედაც თბება ცალკეული სხეულები.მანქანური სწავლის გამოყენებით, ჩვენი Advanced Analytics მოდული ახდენს ტემპერატურის ცვლილების სიმულაციას სხვადასხვა პირობებში.ეს ჩვენს მომხმარებლებს სთავაზობს ხარისხის მუდმივ მტკიცებულებას თითოეული ცალკეული ნაწილისთვის და საშუალებას აძლევს მათ დაადგინონ ანომალიები“, - განმარტავს გერჰარდ ალონსო გარსია.

პირველი გაშვების მაღალი მაჩვენებელი ზრდის აღჭურვილობის საერთო ეფექტურობას
რაც შეეხება იმპლანტს, DXQplant.analytics პროგრამული უზრუნველყოფა გამოიყენება Advanced Analytics მოდულთან ერთად, რათა გაიზარდოს აღჭურვილობის საერთო ეფექტურობა.გერმანელი მწარმოებლის ინტელექტუალური გადაწყვეტა თვალყურს ადევნებს ხარისხის დეფექტებს კონკრეტული მოდელების ტიპებში, კონკრეტულ ფერებში ან სხეულის ცალკეულ ნაწილებზე.ეს საშუალებას აძლევს მომხმარებელს გააცნობიეროს წარმოების პროცესის რომელი ეტაპია პასუხისმგებელი გადახრებზე.ასეთი დეფექტი და გამომწვევი კორელაციები მომავალში გაზრდის პირველი გაშვების მაჩვენებელს, რაც საშუალებას მისცემს ჩარევას ძალიან ადრეულ ეტაპზე.

კომბინაცია მცენარეთა ინჟინერიასა და ციფრულ გამოცდილებას შორის
AI-თან თავსებადი მონაცემთა მოდელების შემუშავება ძალიან რთული პროცესია.სინამდვილეში, მანქანური სწავლით ინტელექტუალური შედეგის მისაღებად საკმარისი არ არის მონაცემთა დაუზუსტებელი რაოდენობის ჩასმა „ჭკვიან“ ალგორითმში.შესაბამისი სიგნალები უნდა იყოს შეგროვებული, ყურადღებით შერჩეული და ინტეგრირებული წარმოების სტრუქტურირებულ დამატებით ინფორმაციას.დიურმა შეძლო დაეპროექტებინა პროგრამული უზრუნველყოფა, რომელიც მხარს უჭერს გამოყენების სხვადასხვა სცენარებს, უზრუნველყოფს სამუშაო დროის გარემოს მანქანური სწავლის მოდელისთვის და იწყებს მოდელის ტრენინგს.„ამ გადაწყვეტილების შემუშავება რეალური გამოწვევა იყო, რადგან არ არსებობდა მანქანური სწავლების მოქმედი მოდელი და არ იყო შესაფერისი გაშვების გარემო, რომლის გამოყენებაც შეგვეძლო.იმისათვის, რომ შეგვეძლოს ხელოვნური ინტელექტის გამოყენება ქარხნის დონეზე, ჩვენ გავაერთიანეთ ჩვენი ცოდნა მექანიკური და ქარხნის ინჟინერიის შესახებ ჩვენი ციფრული ქარხნის ექსპერტებთან.ამან გამოიწვია პირველი ხელოვნური ინტელექტის გადაწყვეტა საღებავების მაღაზიებისთვის“, - ამბობს გერჰარდ ალონსო გარსია.

უნარები და ცოდნა გაერთიანებულია გაფართოებული ანალიტიკის გასავითარებლად
ინტერდისციპლინურმა გუნდმა, რომელიც შედგება მონაცემთა მეცნიერებისგან, კომპიუტერის მეცნიერებისგან და პროცესის ექსპერტებისგან, შეიმუშავა ეს ინტელექტუალური გადაწყვეტა.Dürr-მა ასევე დადო თანამშრომლობის პარტნიორობა რამდენიმე მსხვილ ავტომობილების მწარმოებელთან.ამ გზით, დეველოპერებს ჰქონდათ რეალური წარმოების მონაცემები და ბეტა საიტის გარემო წარმოებაში სხვადასხვა განაცხადის შემთხვევისთვის.პირველ რიგში, ალგორითმები მომზადდა ლაბორატორიაში დიდი რაოდენობით ტესტის შემთხვევების გამოყენებით.შემდგომში, ალგორითმებმა განაგრძეს ადგილზე სწავლა რეალურ ცხოვრებაში მუშაობის დროს და მოერგნენ გარემოსა და გამოყენების პირობებს.ბეტა ფაზა ახლახან წარმატებით დასრულდა და აჩვენა, რამდენად დიდი AI პოტენციალი აქვს მას.პირველი პრაქტიკული აპლიკაციები აჩვენებს, რომ Dürr-ის პროგრამული უზრუნველყოფა ოპტიმიზირებს მცენარეთა ხელმისაწვდომობას და მოხატული სხეულების ზედაპირის ხარისხს.