我们使用 Cookie、类似技术和跟踪服务

本网站会使用 Cookie、类似技术和跟踪服务(以下简称“Cookie”)。我们需要获得您的同意,才能使用 Cookie,这些 Cookie 不仅用于从技术上显示我们的网站,还可以使我们的网站达到最佳的使用效果并能根据您的使用行为对我们的网站进行改进,或者展示您可能感兴趣的内容和营销。出于这些目的,我们与第三方供应商合作(例如 Salesforce、LinkedIn、 Google、Microsoft、Piwik PRO)。通过这些合作伙伴,您也可以在其他网站上接收广告。
如果您同意,表示您还接受对您的个人数据的某些后续处理(例如,将您的 IP 地址存储在配置文件中),并且我们的合作伙伴可能会将您的数据传输到美国,以及其他国家/地区(如果适用)。此类传输涉及官方可能访问数据的风险,并且您的权利可能无法得到保障。请在“设置”下选择我们可使用的 cookie。更多信息,尤其是关于您的权利的相关信息(例如撤销同意), 可通过我们的隐私政策进行了解 .

设置

仅技术上必需的 cookie

接受全部

您可以在下方启用/停用本网站上使用的各项技术。

全部接受

必需

这些 Cookie 提供基本功能(例如页面导航、语言设置,Cookie 偏好和对网站受保护区域的访问),保障网站的正常使用。此外,该类别的 Cookie 确保网站符合法规和安全标准。鉴于其重要性,您不能阻止在我们网站上使用这些 Cookie。关于这些 Cookie 的详情,请参见“更多信息”。

功能性和个性化

这些 Cookie 收集有关您使用我们网站习惯的信息,并帮助我们根据您之前的访问、位置和浏览器设置情况来调整我们网站的功能,使其更具吸引力,以改善您的使用体验。它们也使您能够访问我们整合到网站中的第三方工具(例如用于单点登录身份验证的 Microsoft Azure)。这可能涉及将您的数据传输到美国(有关相关风险的信息,请阅读我们的隐私政策第 1.5 条)。如果您不接受这些 Cookie,则您无法使用网站的全部功能。关于所使用工具的详情,请参见“更多信息”。

分析

这些 Cookie 用于根据我们网站的使用情况创建基本的应用和用户数据统计(例如通过 Google Tag Manager、Piwik PRO)。一旦您同意使用 Cookie,表示您也同意后续的数据处理,包括通过所用的服务(例如 Salesforce Pardot)将您的数据传输到美国(有关相关风险的信息,请阅读我们的隐私政策第 1.5 条)。关于所使用工具的详情,请参见“更多信息”。

营销与社交媒体

这些 Cookie 帮助第三方收集您如何在社交媒体上分享我们网站内容的信息,或者当您在社交媒体平台或我们的社交媒体宣传和我们自己的网站之间切换时(例如领英洞察),提供关于您使用行为的分析数据。此外,第三方营销 Cookie 帮助我们评估我们在他方网站上的广告效果(如谷歌广告、微软广告)。我们使用这些 Cookie 来优化我们向您提供内容的方式。所使用的第三方供应商和社交媒体平台可能会将您的数据传输到美国(有关相关风险的信息,请阅读我们的隐私政策第 1.5 条)。一旦您接受,不仅表示您同意使用 Cookie,而且表示您也同意后续的数据处理,包括所述的传输。关于所使用工具和我们社交媒体的详情可以参见“更多信息”。

更多信息

保存设置

DXQanalyze

感受机器和工厂的起伏波动.

DXQanalyze产品系列允许全面记录所有可用的过程数据,目的是实时确定产品可能存在的质量缺陷或设备即将发生的磨损。就更高级的层面而言,汇总数据可以让系统根据记录的产品质量得出关于价值链上各步操作的结论。未来这些信息将用于自动调整程序,以应对不断变化的状况。DXQanalyze产品系列中的产品使用人工智能(即机器学习)来识别异常和派生模式。

优点

  • 为各级数据科学家(新人、高级用户、专家)提供全面的分析服务
  • 更快速地排除故障,从而提高设备/工厂的可用性和首次运行率
  • 将专业知识集成到分析解决方案中

DXQanalyze产品

借助 DXQequipment.analytics 可以详细了解整个价值链上的各个工艺步骤和各种工艺设备。软件包旨在提升整个设备有效性的所有方面(系统性能、生产质量、设备可用性)。首先,DXQequipment.analytics 通过可视化重要情况、检测到的模式和超出的阈值进行故障原因分析,从而有助于更快速地排除故障。然后,通过具有拖放功能的分析应用生成器自动进行分析,以创建自己的算法。借助此类算法可以自动分析数据,并可将直接反馈实时发送到机器。借助高级分析模块,将历史数据和机器学习用于算出理想的算法参数设置,并识别长期趋势与模式。AI 应用结合了 IT 技术与机械工程专业知识,识别故障源并算出理想的维护时间点。它追踪并发现设备中的各种关系并通过自主学习调整算法。

DXQplant.analytics自我学习算法结合使用后会自动训练,以确定质量问题。提供DXQequipment.maintenance的同时还提供了有关检测到的维护任务的更多信息。

DXQequipment.analytics基于Dürr的专业知识,可用于各种设备类型,例如应用机器人、烘房、预处理/电泳系统。

功能

  • 进行实时流分析,确保生产质量
  • 自我学习质量异常检测
  • 简单易用式前端,用于数据可视化和分析模型创建
  • 永久性采集并分析设备数据
  • 采用机器学习算法评估喷涂程序和预测设备故障

优点

  • 更快速排除故障,提高设备可用性
  • 提高了首次运行率
  • 减少了设备停机时间
  • 优化识别根本原因

DXQplant.analytics旨在提高生产系统的首次运行率。首先,质量仪表板和报告显示关键绩效指标,以提高质量循环中产品质量状态的透明性。其次,利用智能模式识别功能检测系统性质量问题。在未来,系统性质量问题将与DXQequipment.analytics派生的程序异常关联,以进行根本原因分析并尽早排除故障。

功能

  • 使用仪表板显示与质量相关的工厂KPI
  • 通过智能模式识别系统质量缺陷
  • 直观显示受影响工件的产品生命周期
  • 根据大数据分析和专家规则指示根本原因

优点

  • 改进的首次运行率提高了OEE
  • 结构化概述工件相关的质量和过程数据
  • 在寻找质量缺陷和过程原因之间的相关性时提供支持
  • 将专业知识与数据分析相关联