Dürr అడ్వాన్స్‌డ్ అనలిటిక్స్‌ను అందజేస్తుంది, పెయింట్ షాపుల కోసం మార్కెట్‌కు సిద్ధంగా ఉన్న మొదటి AI అప్లికేషన్.DXQanalyze ఉత్పత్తి శ్రేణిలోని తాజా మాడ్యూల్‌లో భాగంగా, ఈ పరిష్కారం తాజా IT సాంకేతికతను మరియు మెకానికల్ ఇంజనీరింగ్ విభాగంలో డ్యూర్ యొక్క అనుభవాన్ని విలీనం చేస్తుంది, లోపాల మూలాలను గుర్తిస్తుంది, సరైన నిర్వహణ ప్రోగ్రామ్‌లను నిర్వచిస్తుంది, గతంలో తెలియని సహసంబంధాలను ట్రాక్ చేస్తుంది మరియు ఈ పరిజ్ఞానాన్ని స్వీకరించడానికి ఉపయోగిస్తుంది. స్వీయ-అభ్యాస సూత్రాన్ని ఉపయోగించి సిస్టమ్‌కు అల్గోరిథం.
ముక్కలు తరచుగా ఒకే లోపాలను ఎందుకు చూపుతాయి?యంత్రాన్ని ఆపకుండా రోబోట్‌లోని మిక్సర్‌ను ఎప్పుడు మార్చవచ్చు?ఈ ప్రశ్నలకు ఖచ్చితమైన మరియు ఖచ్చితమైన సమాధానాలు కలిగి ఉండటం స్థిరమైన ఆర్థిక విజయానికి ప్రాథమికమైనది, ఎందుకంటే ఇది ప్రతి లోపం లేదా ప్రతి అనవసరమైన నిర్వహణ డబ్బును ఆదా చేస్తుంది లేదా ఉత్పత్తి నాణ్యతను మెరుగుపరుస్తుంది."ఇప్పటి ముందు, నాణ్యత లోపాలు లేదా వైఫల్యాలను వెంటనే గుర్తించడానికి మాకు అనుమతించే కొన్ని నిర్దిష్ట పరిష్కారాలు ఉన్నాయి.మరియు ఉంటే, అవి సాధారణంగా డేటా లేదా ట్రయల్-అండ్-ఎర్రర్ ప్రయత్నాల యొక్క సూక్ష్మమైన మాన్యువల్ మూల్యాంకనంపై ఆధారపడి ఉంటాయి.ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ కారణంగా ఈ ప్రక్రియ ఇప్పుడు మరింత ఖచ్చితమైనది మరియు ఆటోమేటిక్‌గా ఉంది” అని డ్యూర్‌లోని MES & కంట్రోల్ సిస్టమ్స్ వైస్ ప్రెసిడెంట్ గెర్హార్డ్ అలోన్సో గార్సియా వివరించారు.
Dürr యొక్క DXQanalyze డిజిటల్ ఉత్పత్తి సిరీస్, ఇది ఇప్పటికే ఉత్పత్తి డేటాను పొందడం కోసం డేటా సేకరణ మాడ్యూల్‌లను కలిగి ఉంది, దానిని విజువలైజ్ చేయడానికి విజువల్ అనలిటిక్స్ మరియు స్ట్రీమింగ్ అనలిటిక్స్, ఇప్పుడు కొత్త స్వీయ-అభ్యాస అధునాతన అనలిటిక్స్ ప్లాంట్ మరియు ప్రాసెస్ మానిటరింగ్ సిస్టమ్‌పై లెక్కించవచ్చు.
AI అప్లికేషన్ దాని మెమరీని కలిగి ఉంది
అడ్వాన్స్‌డ్ అనలిటిక్స్ యొక్క ప్రత్యేకత ఏమిటంటే, ఈ మాడ్యూల్ మెషిన్ లెర్నింగ్‌తో హిస్టారికల్ డేటాతో సహా పెద్ద మొత్తంలో డేటాను మిళితం చేస్తుంది.దీనర్థం స్వీయ-అభ్యాస AI అప్లికేషన్ దాని స్వంత మెమరీని కలిగి ఉంది మరియు అందువల్ల పెద్ద మొత్తంలో డేటాలో సంక్లిష్ట సహసంబంధాలను గుర్తించడానికి మరియు భవిష్యత్తులో జరిగే సంఘటనను కరెంట్ ఆధారంగా అధిక స్థాయి ఖచ్చితత్వంతో అంచనా వేయడానికి ఇది గతంలోని సమాచారాన్ని ఉపయోగించవచ్చు. యంత్రం యొక్క పరిస్థితులు.కాంపోనెంట్, ప్రాసెస్ లేదా ప్లాంట్ స్థాయిలో అయినా పెయింట్ షాపుల్లో దీని కోసం చాలా అప్లికేషన్లు ఉన్నాయి.
ప్రిడిక్టివ్ మెయింటెనెన్స్ ప్లాంట్ డౌన్‌టైమ్‌లను తగ్గిస్తుంది
కాంపోనెంట్‌ల విషయానికి వస్తే, అడ్వాన్స్‌డ్ అనలిటిక్స్ ముందస్తు నిర్వహణ మరియు మరమ్మత్తు సమాచారం ద్వారా డౌన్‌టైమ్‌లను తగ్గించాలని లక్ష్యంగా పెట్టుకుంది, ఉదాహరణకు మిక్సర్ యొక్క మిగిలిన సేవా జీవితాన్ని అంచనా వేయడం ద్వారా.భాగం చాలా ముందుగానే భర్తీ చేయబడితే, విడిభాగాల ఖర్చులు పెరుగుతాయి మరియు తత్ఫలితంగా సాధారణ మరమ్మత్తు ఖర్చులు అనవసరంగా పెరుగుతాయి.మరోవైపు, ఇది చాలా కాలం పాటు నడుస్తుంటే, పూత ప్రక్రియ మరియు యంత్రం ఆపే సమయంలో నాణ్యత సమస్యలను కలిగిస్తుంది.అధిక-ఫ్రీక్వెన్సీ రోబోట్ డేటాను ఉపయోగించి దుస్తులు సూచికలు మరియు దుస్తులు యొక్క తాత్కాలిక నమూనాను నేర్చుకోవడం ద్వారా అధునాతన విశ్లేషణలు ప్రారంభమవుతాయి.డేటా నిరంతరం రికార్డ్ చేయబడి మరియు పర్యవేక్షించబడుతోంది కాబట్టి, మెషిన్ లెర్నింగ్ మాడ్యూల్ వాస్తవ వినియోగం ఆధారంగా సంబంధిత కాంపోనెంట్ కోసం వృద్ధాప్య పోకడలను వ్యక్తిగతంగా గుర్తిస్తుంది మరియు ఈ విధంగా వాంఛనీయ భర్తీ సమయాన్ని గణిస్తుంది.
మెషిన్ లెర్నింగ్ ద్వారా అనుకరణ చేయబడిన నిరంతర ఉష్ణోగ్రత వక్రతలు
అధునాతన అనలిటిక్స్ క్రమరాహిత్యాలను గుర్తించడం ద్వారా ప్రక్రియ స్థాయిలో నాణ్యతను మెరుగుపరుస్తుంది, ఉదాహరణకు ఓవెన్‌లో హీట్-అప్ కర్వ్‌ను అనుకరించడం ద్వారా.ఇప్పటి వరకు, తయారీదారులు కొలత పరుగుల సమయంలో సెన్సార్లచే నిర్ణయించబడిన డేటాను మాత్రమే కలిగి ఉన్నారు.అయితే, కారు శరీరం యొక్క ఉపరితల నాణ్యత పరంగా ప్రాథమిక ప్రాముఖ్యత కలిగిన హీట్-అప్ వక్రతలు ఓవెన్ వయస్సు నుండి, కొలత పరుగుల మధ్య వ్యవధిలో మారుతూ ఉంటాయి.ఈ దుస్తులు హెచ్చుతగ్గుల పరిసర పరిస్థితులకు కారణమవుతాయి, ఉదాహరణకు గాలి ప్రవాహం యొక్క తీవ్రత.“ఇప్పటి వరకు, వ్యక్తిగత శరీరాలు వేడెక్కిన ఖచ్చితమైన ఉష్ణోగ్రతలు తెలియకుండా వేలాది శరీరాలు ఉత్పత్తి అవుతాయి.మెషిన్ లెర్నింగ్ ఉపయోగించి, మా అధునాతన విశ్లేషణల మాడ్యూల్ వివిధ పరిస్థితులలో ఉష్ణోగ్రత ఎలా మారుతుందో అనుకరిస్తుంది.ఇది మా కస్టమర్‌లకు ప్రతి ఒక్క భాగానికి నాణ్యతకు శాశ్వత రుజువుని అందిస్తుంది మరియు క్రమరాహిత్యాలను గుర్తించడానికి వారిని అనుమతిస్తుంది” అని గెర్హార్డ్ అలోన్సో గార్సియా వివరించారు.
అధిక ఫస్ట్-రన్ రేట్ మొత్తం పరికరాల ప్రభావాన్ని పెంచుతుంది
ఇంప్లాంట్ విషయానికొస్తే, DXQplant.analytics సాఫ్ట్‌వేర్ పరికరాల యొక్క మొత్తం ప్రభావాన్ని పెంచడానికి అధునాతన అనలిటిక్స్ మాడ్యూల్‌తో కలిపి ఉపయోగించబడుతుంది.జర్మన్ తయారీదారు యొక్క ఇంటెలిజెంట్ సొల్యూషన్ నిర్దిష్ట మోడల్ రకాలు, నిర్దిష్ట రంగులు లేదా వ్యక్తిగత శరీర భాగాలలో పునరావృతమయ్యే నాణ్యతా లోపాలను ట్రాక్ చేస్తుంది.ఉత్పత్తి ప్రక్రియలో ఏ దశ విచలనాలకు బాధ్యత వహిస్తుందో అర్థం చేసుకోవడానికి ఇది వినియోగదారుని అనుమతిస్తుంది.అటువంటి లోపం మరియు కారణ సహసంబంధాలు చాలా ప్రారంభ దశలో జోక్యాన్ని అనుమతించడం ద్వారా భవిష్యత్తులో మొదటి-పరుగు రేటును పెంచుతాయి.
ప్లాంట్ ఇంజనీరింగ్ మరియు డిజిటల్ నైపుణ్యం మధ్య కలయిక
AI-అనుకూల డేటా నమూనాలను అభివృద్ధి చేయడం చాలా క్లిష్టమైన ప్రక్రియ.వాస్తవానికి, మెషీన్ లెర్నింగ్‌తో తెలివైన ఫలితాన్ని అందించడానికి, “స్మార్ట్” అల్గారిథమ్‌లో పేర్కొనబడని మొత్తంలో డేటాను చొప్పించడం సరిపోదు.సంబంధిత సంకేతాలను తప్పనిసరిగా సేకరించాలి, జాగ్రత్తగా ఎంపిక చేసుకోవాలి మరియు ఉత్పత్తి నుండి నిర్మాణాత్మక అదనపు సమాచారంతో ఏకీకృతం చేయాలి.Dürr విభిన్న వినియోగ దృశ్యాలకు మద్దతు ఇచ్చే సాఫ్ట్‌వేర్‌ను రూపొందించగలిగారు, మెషిన్ లెర్నింగ్ మోడల్ కోసం రన్‌టైమ్ వాతావరణాన్ని అందిస్తుంది మరియు మోడల్ శిక్షణను ప్రారంభించింది."ఈ పరిష్కారాన్ని అభివృద్ధి చేయడం నిజమైన సవాలుగా ఉంది, ఎందుకంటే చెల్లుబాటు అయ్యే మెషిన్ లెర్నింగ్ మోడల్ లేదు మరియు మేము ఉపయోగించగలిగే తగిన రన్‌టైమ్ వాతావరణం లేదు.ప్లాంట్ స్థాయిలో AIని ఉపయోగించుకోవడానికి, మేము మా డిజిటల్ ఫ్యాక్టరీ నిపుణులతో మెకానికల్ మరియు ప్లాంట్ ఇంజనీరింగ్‌కు సంబంధించిన మా పరిజ్ఞానాన్ని మిళితం చేసాము.ఇది పెయింట్ షాపుల కోసం మొదటి కృత్రిమ మేధస్సు పరిష్కారానికి దారితీసింది" అని గెర్హార్డ్ అలోన్సో గార్సియా చెప్పారు.
అధునాతన విశ్లేషణలను అభివృద్ధి చేయడానికి నైపుణ్యాలు మరియు జ్ఞానం కలిపి
డేటా శాస్త్రవేత్తలు, కంప్యూటర్ శాస్త్రవేత్తలు మరియు ప్రక్రియ నిపుణులతో కూడిన ఇంటర్ డిసిప్లినరీ బృందం ఈ తెలివైన పరిష్కారాన్ని అభివృద్ధి చేసింది.Dürr అనేక ప్రధాన ఆటోమోటివ్ తయారీదారులతో సహకార భాగస్వామ్యాలను కూడా నమోదు చేసింది.ఈ విధంగా, డెవలపర్‌లు వేర్వేరు అప్లికేషన్ కేసుల కోసం ఉత్పత్తిలో నిజ జీవిత ఉత్పత్తి డేటా మరియు బీటా సైట్ పరిసరాలను కలిగి ఉన్నారు.మొదట, అల్గోరిథంలు పెద్ద సంఖ్యలో పరీక్ష కేసులను ఉపయోగించి ప్రయోగశాలలో శిక్షణ పొందాయి.తదనంతరం, అల్గారిథమ్‌లు నిజ-జీవిత ఆపరేషన్ సమయంలో ఆన్-సైట్ లెర్నింగ్‌ను కొనసాగించాయి మరియు పర్యావరణం మరియు వినియోగ పరిస్థితులకు అనుగుణంగా తమను తాము స్వీకరించాయి.బీటా దశ ఇటీవల విజయవంతంగా పూర్తయింది మరియు దానికి ఎంత AI సామర్థ్యం ఉందో చూపించింది.మొదటి ఆచరణాత్మక అప్లికేషన్లు Dürr నుండి సాఫ్ట్‌వేర్ మొక్కల లభ్యతను మరియు పెయింట్ చేసిన శరీరాల ఉపరితల నాణ్యతను ఆప్టిమైజ్ చేస్తుందని చూపిస్తున్నాయి.
పోస్ట్ సమయం: మార్చి-16-2022