DXQanalyze

Spüren Sie den Puls Ihrer Maschinen und Anlagen.

Die DXQanalyze-Produktfamilie ermöglicht eine umfassende Protokollierung aller verfügbaren Prozessdaten, um mögliche Qualitätsdefekte am Produkt oder eine sich abzeichnende Abnutzung der Geräte in Echtzeit zu erkennen. Das System nutzt auf einer übergeordneten Ebene verdichtete Daten, um basierend auf der dokumentierten Produktqualität Schlussfolgerungen über die Funktion einzelner Schritte entlang der Wertschöpfungskette zu ziehen. In Zukunft werden diese Informationen dazu verwendet werden, den Prozess automatisch anzupassen, um auf diese veränderten Rahmenbedingungen zu reagieren. Produkte unserer DXQanalyze-Produktfamilie nutzen künstliche Intelligenz, d. h. maschinelles Lernen, um Abweichungen zu erkennen und Muster abzuleiten.

Ihr Nutzen

  • Umfassende Analysemöglichkeiten für Data Scientists mit unterschiedlichem Erfahrungsniveau (Einsteiger, Fortgeschrittene, Experten)
  • Erhöhte Geräte-/Anlagenverfügbarkeit und Erstläuferquote durch schnellere Fehlerbehebung
  • Integriertes Domänenwissen in Analytics-Lösungen

DXQanalyze – Produkte

DXQequipment.analytics ermöglicht detaillierte Einblicke in verschiedene Prozessschritte und am Prozess beteiligte Anlagen entlang der gesamten Wertschöpfungskette. Mit dem Softwarepaket sollen alle Faktoren der Gesamtanlageneffektivität (Leistung des Systems, Qualität der Produktion, Verfügbarkeit der Anlage) verbessert werden. In einem ersten Schritt unterstützt DXQequipment.analytics durch eine Fehler-Ursachen-Analyse dabei, Fehler schneller zu beheben, indem kritische Situationen, erkannte Muster und überschrittene Schwellenwerte visualisiert werden. Anschließend erfolgt eine automatisierte Auswertung durch einen Builder für Analytics-Anwendungen mit Drag-and-drop-Funktion, um eigene Algorithmen zu erstellen. Mithilfe solcher Algorithmen können Daten automatisch ausgewertet und ein direktes Feedback in Echtzeit an die Maschine gesendet werden. Zukünftig werden Historiendaten und maschinelles Lernen dazu verwendet werden, die optimale Parametrierung von Algorithmen zu ermitteln und langfristige Trends und Muster zu erkennen.

In Kombination mit selbstlernenden Algorithmen kann auch DXQplant.analytics lernen, Qualitätsprobleme automatisch zu identifizieren. Parallel zu DXQequipment.maintenance werden auch Informationen zu erkannten Wartungsaufgaben bereitgestellt.

DXQequipment.analytics basiert auf dem Expertenwissen von Dürr und kann für verschiedene Anlagentypen wie Applikationsroboter, Trockner und Systeme zur Vorbehandlung und kathodischen Tauchlackierung angeboten werden.

Funktionen

  • Streaminganalysen in Echtzeit zur Sicherung der Produktionsqualität
  • Selbstlernende Erkennung von Qualitätsabweichungen
  • Benutzerfreundliche Frontends für die Datenvisualisierung und Erstellung von Analysemodellen
  • Permanente Erfassung und Analyse von Gerätedaten
  • Maschinelles Lernen-Algorithmen für die Auswertung des Lackierprozesses und die Vorhersage von Anlagenausfällen

Ihr Nutzen

  • Schnellere Fehlerbehebung für eine höhere Anlagenverfügbarkeit
  • Erhöhte Erstläuferquote
  • Reduzierte Stillstandszeiten der Anlagen
  • Optimierte Identifikation von Fehlerursachen

Mit DXQplant.analytics soll die Erstläuferquote von Produktionssystemen verbessert werden. Zunächst werden auf Dashboards und in Berichten Leistungskennzahlen angezeigt, um die Transparenz des Produktqualitätsstatus innerhalb eines Qualitätskreislaufs zu verbessern. In einem zweiten Schritt werden mittels intelligenter Mustererkennung systematische Qualitätsprobleme ermittelt. Zukünftig werden für eine Fehler-Ursachen-Analyse und frühzeitige Fehlerbehebung systematische Qualitätsprobleme mit Prozessabweichungen korreliert, die von DXQequipment.analytics angezeigt werden.

Funktionen

  • Dashboarding für qualitätsbezogene Leistungskennzahlen (KPIs) der Anlage
  • Intelligente Mustererkennung für systematische Qualitätsdefekte
  • Visualisierung des Produktlebenszyklus von betroffenen Werkstücken
  • Angabe von Hauptursachen basierend auf Massendatenanalyse und Expertenregeln

Ihr Nutzen

  • Verbesserte Erstläuferquote zur Steigerung der Gesamtanlageneffektivität
  • Strukturierte Übersicht der werkstückbezogenen Qualitäts- und Prozessdaten
  • Unterstützung bei der Suche nach Zusammenhängen zwischen Qualitätsdefekten und Ursachen im Prozess
  • Domänenwissen in Verbindung mit Datenanalytik