Advanced Analytics é a primeira aplicação de IA pronta para o mercado, destinada a linhas de pintura. É o último módulo da série de produtos DXQanalyze. A solução inteligente, que combina a última tecnologia de TI e experiência em engenharia mecânica, identifica fontes de defeitos e determina os ótimos cronogramas de manutenção. Também rastreia correlações previamente desconhecidas e utiliza esse conhecimento para adaptar o algoritmo à planta, utilizando princípio do auto aprendizado. As primeiras aplicações práticas mostram que o software da Dürr otimiza a disponibilidade da planta e a qualidade da superfície das carrocerias pintadas.
Por que existem os mesmos defeitos com uma frequência incomum em partes da carroceria? Quando é o último momento para substituir um misturador no robô sem provocar uma parada da máquina? Respostas precisas são importantes para um sucesso econômico sustentável. Porque todo defeito ou toda manutenção desnecessária, que pode ser evitado, traz uma economia de dinheiro ou melhora a qualidade do produto.
“Antes tínhamos poucas conclusões precisas que permitiam a detecção rápida de defeitos de qualidade ou falhas. E, se houvessem, geralmente seriam baseadas em uma cuidadosa avaliação manual de dados ou em uma metodologia por tentativa e erro. A inteligência artificial (IA) as torna muito mais precisas e automáticas”, explica Gerhard Alonso Garcia, Vice President MES & Control Systems na Dürr.
O novo sistema de monitoramento de planta e processo de autoaprendizado Advanced Analytics complementa a DXQanalyze. A série de produtos digitais da Dürr já incluía os módulos Data Acquisition para a aquisição de dados de produção, Visual Analytics para visualização e Streaming Analytics. Este último permite aos operadores de planta analisar quase em tempo real se existem desvios das regras ou valores previamente definidos na produção, utilizando uma plataforma low-code.
Aplicação de IA com memória própria
O que torna o Advanced Analytics especial é que esse módulo combina grandes quantidades de dados, inclusive dados históricos, com o aprendizado de máquina. Figurativamente, isso significa que a aplicação de IA de autoaprendizado possui uma memória própria. Assim, ela consegue usar informações do passado, tanto para reconhecer correlações complexas em grandes quantidades de dados como para prever um evento, com um alto grau de precisão baseado na condição atual de uma máquina. Existem muitos casos de uso para isso em linhas de pintura, sejam a nível de componente, de processo ou de planta.
A manutenção preditiva reduz os tempos de parada da planta
Em relação aos componentes, o Advanced Analytics deseja reduzir os tempos de parada através da manutenção preditiva e da informação de reparo, por exemplo, prevendo a vida útil restante de um misturador. Se o componente for substituído muito cedo, aumenta desnecessariamente os custos das peças de reposição e as despesas gerais de reparo. Enquanto que se demorar muito tempo para substituir um componente pode resultar em problemas de qualidade durante o revestimento e em paradas de máquina. O módulo Advanced Analytics começa memorizando os indicadores de desgaste e o padrão temporal do desgaste usando dados de robô em alta frequência. Como os dados são continuamente registrados e monitorados, o módulo de aprendizado de máquina reconhece individualmente as tendências de envelhecimento do respectivo componente com base no seu uso real e, assim, calcula o tempo ótimo de substituição.
O aprendizado de máquina simula curvas de temperatura contínuas
O Advanced Analytics melhora a qualidade em nível de processo identificando anomalias, por exemplo, simulando uma curva de aquecimento na estufa. Até agora, os fabricantes somente possuíam dados determinados por sensores durante as execuções de medição. Porém, as curvas de aquecimento, que são de vital importância para a qualidade da superfície das carrocerias de carro, variam desde que a estufa envelhece durante os intervalos entre as execuções de medição. Este desgaste causa condições ambientais flutuantes, por exemplo, na força do fluxo de ar. “Hoje em dia, milhares de carrocerias são produzidas sem que saibamos a temperatura real a que a carroceria individual foi aquecida. Usando o aprendizado de máquina, nosso módulo Advanced Analytics simula como a temperatura varia sob diferentes condições. Isso dá aos nossos clientes uma prova permanente de qualidade para cada carroceria individual e permite identificar anomalias", diz Gerhard Alonso Garcia.
Uma maior taxa de sucesso na primeira execução aumenta a eficácia geral do equipamento
No nível da planta, o software DXQplant.analytics é utilizado com o módulo Advanced Analytics para aumentar a eficácia geral do equipamento. A inteligência artificial rastreia os defeitos do sistema, como defeitos de qualidade recorrentes em tipos de modelos e cores específicos, ou partes individuais da carroceria. Por sua vez, isso permite conclusões sobre qual etapa do processo de produção é responsável pelos desvios. Essas correlações entre defeito e causa tornarão possível aumentar a taxa de sucesso na primeira execução no futuro, permitindo a intervenção em um estágio muito inicial.
Experiência digital e de planta combinadas excelentemente
O desenvolvimento de modelos de dados compatíveis com IA é um processo muito complexo. Isso porque o aprendizado de máquina não funciona alimentando quantidades não especificadas de dados em um algoritmo “smart”, que então dá um resultado inteligente. Ao invés disso, sinais relevantes (dos sensores) devem ser coletados, cuidadosamente selecionados e complementados com informações adicionais estruturadas da produção. Com o Advanced Analytics, a Dürr desenvolveu um software que dá suporte a diferentes cenários de uso, fornece um ambiente de tempo de execução para modelos de aprendizado de máquina e inicia o treinamento de modelo. “O desafio é que não existia um modelo de aprendizado de máquina geralmente válido e nenhum ambiente de tempo de execução adequado que poderíamos adotar. Para utilizar a IA em nível de planta, combinamos os nossos conhecimentos de engenharia mecânica e de planta com os conhecimentos de nossos especialistas da Digital Factory. Isso resultou na primeira solução IA para linhas de pintura”, explica Gerhard Alonso Garcia.
Conhecimentos interdisciplinares necessários
O Advanced Analytics foi desenvolvido por uma equipe interdisciplinar formada por cientistas de dados, cientistas informáticos e especialistas em processo. A Dürr também realizou parcerias de cooperação com diversos importantes fabricantes automotivos. Isso significa que os desenvolvedores tinham dados de produção reais e ambientes beta em produção para diferentes casos de aplicação. Primeiro, os algoritmos foram treinados no laboratório usando um grande número de casos de teste. Depois, os algoritmos continuaram o aprendizado no local em operações reais e se adaptaram de maneira autônoma ás condições ambientais e de utilização. A fase beta foi completada com sucesso recentemente e mostrou o potencial da IA.
