H BMW εφαρµόζει λύσεις τεχνητής νοηµοσύνης για να βελτιώσει την ποιότητα της βαφής

Συνεχής ανάλυση της περιεκτικότητας σκόνης στον θάλαµο βαφής µε βάση αλγόριθµο. Σύγκριση βάσεων δεδοµένων για την πρόβλεψη της ποιότητας βαφής.
Η τεχνητή νοηµοσύνη µπορεί να προσφέρει ακόµη µεγαλύτερη ακρίβεια στον έλεγχο των πολύ ευαίσθητων συστηµάτων στην παραγωγή αυτοκινήτων, όπως έδειξε ένα πιλοτικό έργο στο βαφείο του εργοστασίου της BMW Group στο Μόναχο.
Παρά την προηγµένη τεχνολογία φιλτραρίσµατος, η περιεκτικότητα των λεπτότερων σωµατιδίων σκόνης στις γραµµές βαφής ποικίλλει ανάλογα µε τον περιβάλλοντα αέρα που απορροφάται. Οι ειδικοί της Τεχνητής Νοηµοσύνης (AI) από τον κεντρικό σχεδιασµό και το εργοστάσιο του Μονάχου, έχουν πλέον βρει έναν τρόπο να αποφύγουν εντελώς αυτήν την κατάσταση.
Κάθε φρεσκοβαµµένο αµάξωµα αυτοκινήτου πρέπει να υποβάλλεται σε αυτόµατο έλεγχο επιφάνειας στο βαφείο. Τα δεδοµένα που συλλέγονται σε αυτές τις επιθεωρήσεις χρησιµοποιούνται για την ανάπτυξη µιας ολοκληρωµένης βάσης δεδοµένων για την ανάλυση σωµατιδίων σκόνης. Οι ειδικοί εφαρµόζουν τώρα αλγόριθµους τεχνητής νοηµοσύνης για να συγκρίνουν ζωντανά δεδοµένα από αισθητήρες σωµατιδίων σκόνης στους θαλάµους βαφής και στα στεγνωτήρια µε αυτήν τη βάση δεδοµένων.
«Οι λύσεις που βασίζονται σε δεδοµένα µας βοηθούν να διασφαλίσουµε και να επεκτείνουµε περαιτέρω τις αυστηρές απαιτήσεις ποιότητας προς όφελος των πελατών µας. Η έξυπνη ανάλυση δεδοµένων και η τεχνητή νοηµοσύνη χρησιµεύουν ως βασικά βοηθήµατα λήψης αποφάσεων για την οµάδα µας, όταν πρόκειται για την ανάπτυξη βελτιώσεων της διαδικασίας.
Έχουµε καταθέσει αρκετές πατέντες που σχετίζονται µε αυτήν την καινοτόµο τεχνολογία ανάλυσης σωµατιδίων σκόνης», εξηγεί ο Albin Dirndorfer, Senior Vice President Painted Body, Finish and Surface στο BMW Group.
Δύο συγκεκριµένα παραδείγµατα δείχνουν τα οφέλη αυτής της νέας λύσης τεχνητής νοηµοσύνης: όταν τα επίπεδα σκόνης πρόκειται να αυξηθούν λόγω της εποχής ή κατά τη διάρκεια παρατεταµένων ξηρών περιόδων, ο αλγόριθµος µπορεί να ανιχνεύσει αυτήν την τάση εγκαίρως και είναι σε θέση να προσδιορίσει, για παράδειγµα, νωρίτερα την αντικατάσταση του φίλτρου.
Μπορούν να εντοπιστούν πρόσθετα µοτίβα όπου αυτός ο αλγόριθµος χρησιµοποιείται παράλληλα µε άλλα αναλυτικά εργαλεία. Για παράδειγµα, η ανάλυση θα µπορούσε να δείξει περαιτέρω ότι το σύστηµα που χρησιµοποιεί φτερά στρουθοκαµήλου για την αφαίρεση σωµατιδίων σκόνης από το αµάξωµα των αυτοκινήτων πρέπει να ρυθµιστεί λεπτοµερώς.
Οι ειδικοί τεχνητής νοηµοσύνης του BMW Group βλέπουν τεράστιες δυνατότητες στην ανάλυση σωµατιδίων σκόνης. Με βάση πληροφορίες από πολυάριθµους αισθητήρες και δεδοµένα από επιφανειακές επιθεωρήσεις, ο αλγόριθµος παρακολουθεί πάνω από 160 χαρακτηριστικά που σχετίζονται µε το αµάξωµα του αυτοκινήτου και είναι σε θέση να προβλέψει την ποιότητα της εφαρµογής βαφής µε µεγάλη ακρίβεια.
Αυτή η λύση τεχνητής νοηµοσύνης θα είναι κατάλληλη για εφαρµογή στη σειρά παραγωγής, όταν θα έχει αναπτυχθεί µια ακόµη ευρύτερη βάση δεδοµένων για τον αλγόριθµο. Συγκεκριµένα, αυτό απαιτεί πρόσθετα σηµεία µέτρησης και ακόµη πιο ακριβή δεδοµένα αισθητήρων για τους σταθµούς καθαρισµού του αµαξώµατος του αυτοκινήτου.
Οι ειδικοί της τεχνητής νοηµοσύνης είναι βέβαιοι ότι µόλις ολοκληρωθεί το πιλοτικό έργο στο εργοστάσιο στο Μόναχο, θα είναι δυνατό να ξεκινήσει η ανάλυση σωµατιδίων σκόνης και σε άλλα εργοστάσια αυτοκινήτων.