我们在本网站上使用 Cookie 和类似技术(“Cookie”)。为了允许 Cookie 分析网站使用情况并提升功能性,请点击“接受”。如需选择授权我们使用哪些特定的 Cookie、更改您的设置或获取更多的详细信息,请点击“详情”。

详情

拒绝

接受

您可以在下面激活/停用本网站上使用的个别技术。
全部同意
需要

这些 Cookie 通过提供基本功能(如:页面导航、语言设置,以及对网站受保护区域的访问权限),以便您能使用网站。由于本网站在无此类 Cookie 的情况下将无法正常运行,故您无法退订此类 Cookie。

功能

这些 Cookie 通过保存诸如您的设置、选择和过滤器等,用以在后续的访问中识别您的设备,从而帮助我们改善网站的功能性和吸引力,并提高您的用户体验。

分析

这些 Cookie 允许我们和服务提供商(如:Google 通过 Google Analytics 服务)收集和分析有关您与我们网站互动的信息和统计数据,以便通过获取的信息优化我们的网站。

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最佳的算法参数设置,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,识别故障源并算出最佳的维护时间点。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