பெயிண்ட் ஷாப் இப்போது டூரின் செயற்கை நுண்ணறிவை நம்பலாம்

பெயிண்ட் கடைகளுக்கான முதல் சந்தைக்கு தயாராக இருக்கும் AI அப்ளிகேஷனான Advanced Analytics ஐ Dürr வழங்குகிறது.DXQanalyze தயாரிப்புத் தொடரின் சமீபத்திய தொகுதியின் ஒரு பகுதியாக, இந்தத் தீர்வு சமீபத்திய IT தொழில்நுட்பம் மற்றும் இயந்திர பொறியியல் துறையில் Dürr இன் அனுபவத்தை ஒருங்கிணைக்கிறது, குறைபாடுகளின் ஆதாரங்களை அடையாளம் காட்டுகிறது, உகந்த பராமரிப்பு திட்டங்களை வரையறுக்கிறது, முன்பு அறியப்படாத தொடர்புகளைக் கண்காணிக்கிறது மற்றும் இந்த அறிவைப் பயன்படுத்துகிறது. சுய-கற்றல் கொள்கையைப் பயன்படுத்தி கணினிக்கான வழிமுறை.

துண்டுகள் ஏன் அடிக்கடி ஒரே குறைபாடுகளைக் காட்டுகின்றன?இயந்திரத்தை நிறுத்தாமல் ரோபோவில் உள்ள மிக்சரை மாற்றுவது எப்போது?இந்தக் கேள்விகளுக்கான துல்லியமான மற்றும் துல்லியமான பதில்களைக் கொண்டிருப்பது நிலையான பொருளாதார வெற்றிக்கு அடிப்படையாகும், ஏனெனில் ஒவ்வொரு குறைபாடு அல்லது ஒவ்வொரு தேவையற்ற பராமரிப்பும் பணத்தை மிச்சப்படுத்துகிறது அல்லது தயாரிப்பு தரத்தை மேம்படுத்துகிறது."இப்போது, ​​மிகக் குறைவான உறுதியான தீர்வுகள் இருந்தன, அவை தரக் குறைபாடுகள் அல்லது தோல்விகளை உடனடியாக அடையாளம் காண அனுமதிக்கும்.மேலும் அவை இருந்தால், அவை பொதுவாக தரவு அல்லது சோதனை மற்றும் பிழை முயற்சிகளின் துல்லியமான கைமுறை மதிப்பீட்டை அடிப்படையாகக் கொண்டவை.செயற்கை நுண்ணறிவுக்கு நன்றி, இந்த செயல்முறை இப்போது மிகவும் துல்லியமானது மற்றும் தானாகவே உள்ளது” என்று Dürr இல் உள்ள MES & Control Systems இன் துணைத் தலைவர் Gerhard Alonso Garcia விளக்குகிறார்.
Dürr இன் DXQanalyze டிஜிட்டல் தயாரிப்புத் தொடர், ஏற்கனவே உற்பத்தித் தரவைப் பெறுவதற்கான தரவு கையகப்படுத்தல் தொகுதிகள், அதைக் காட்சிப்படுத்துவதற்கான விஷுவல் அனலிட்டிக்ஸ் மற்றும் ஸ்ட்ரீமிங் அனலிட்டிக்ஸ் ஆகியவற்றை உள்ளடக்கியது, இப்போது புதிய சுய-கற்றல் மேம்பட்ட பகுப்பாய்வு ஆலை மற்றும் செயல்முறை கண்காணிப்பு அமைப்பு ஆகியவற்றை நம்பலாம்.

AI பயன்பாடு அதன் நினைவகத்தைக் கொண்டுள்ளது
மேம்பட்ட பகுப்பாய்வின் தனித்தன்மை என்னவென்றால், இந்த தொகுதியானது வரலாற்று தரவுகள் உட்பட பெரிய அளவிலான தரவுகளை இயந்திர கற்றலுடன் ஒருங்கிணைக்கிறது.இதன் பொருள் சுய-கற்றல் AI பயன்பாடு அதன் சொந்த நினைவகத்தைக் கொண்டுள்ளது, எனவே இது கடந்த கால தகவல்களைப் பயன்படுத்தி பெரிய அளவிலான தரவுகளில் சிக்கலான தொடர்புகளை அடையாளம் காணவும் மற்றும் எதிர்காலத்தில் நடப்பு அடிப்படையில் அதிக துல்லியத்துடன் ஒரு நிகழ்வைக் கணிக்கவும் முடியும். ஒரு இயந்திரத்தின் நிபந்தனைகள்.பெயிண்ட் கடைகளில், கூறுகள், செயல்முறைகள் அல்லது தாவர மட்டத்தில் இதற்கு நிறைய பயன்பாடுகள் உள்ளன.

முன்கணிப்பு பராமரிப்பு ஆலை வேலையில்லா நேரத்தை குறைக்கிறது
உதிரிபாகங்களுக்கு வரும்போது, ​​முன்கணிப்பு பராமரிப்பு மற்றும் பழுதுபார்க்கும் தகவல் மூலம் வேலையில்லா நேரத்தைக் குறைப்பதை மேம்பட்ட பகுப்பாய்வு நோக்கமாகக் கொண்டுள்ளது, எடுத்துக்காட்டாக, கலவையின் மீதமுள்ள சேவை வாழ்க்கையைக் கணிப்பதன் மூலம்.கூறு மிக விரைவாக மாற்றப்பட்டால், உதிரி பாகங்களின் செலவுகள் அதிகரிக்கும் மற்றும் அதன் விளைவாக பொதுவான பழுதுபார்ப்பு செலவுகள் தேவையில்லாமல் அதிகரிக்கும்.மறுபுறம், இது அதிக நேரம் இயங்கினால், பூச்சு செயல்முறை மற்றும் இயந்திரம் நிறுத்தப்படும் போது தரமான சிக்கல்களை ஏற்படுத்தும்.உயர் அதிர்வெண் ரோபோ தரவைப் பயன்படுத்தி உடைகள் குறிகாட்டிகள் மற்றும் உடைகளின் தற்காலிக வடிவத்தைக் கற்றுக்கொள்வதன் மூலம் மேம்பட்ட பகுப்பாய்வு தொடங்குகிறது.தரவு தொடர்ந்து பதிவு செய்யப்பட்டு கண்காணிக்கப்படுவதால், இயந்திர கற்றல் தொகுதியானது உண்மையான பயன்பாட்டின் அடிப்படையில் அந்தந்த கூறுக்கான வயதான போக்குகளை தனித்தனியாக அங்கீகரிக்கிறது மற்றும் இந்த வழியில் உகந்த மாற்று நேரத்தை கணக்கிடுகிறது.

இயந்திர கற்றல் மூலம் உருவகப்படுத்தப்பட்ட தொடர்ச்சியான வெப்பநிலை வளைவுகள்
மேம்பட்ட அனலிட்டிக்ஸ், ஒழுங்கின்மைகளை அடையாளம் காண்பதன் மூலம் செயல்முறை மட்டத்தில் தரத்தை மேம்படுத்துகிறது, எடுத்துக்காட்டாக, அடுப்பில் வெப்ப-அப் வளைவை உருவகப்படுத்துவதன் மூலம்.இப்போது வரை, உற்பத்தியாளர்கள் அளவீட்டு ரன்களின் போது சென்சார்களால் தீர்மானிக்கப்பட்ட தரவுகளை மட்டுமே கொண்டிருந்தனர்.இருப்பினும், கார் உடலின் மேற்பரப்பு தரத்தின் அடிப்படையில் அடிப்படை முக்கியத்துவம் வாய்ந்த வெப்ப-அப் வளைவுகள், அடுப்பு வயது முதல், அளவீட்டு ஓட்டங்களுக்கு இடையிலான இடைவெளியில் மாறுபடும்.இந்த உடைகள் ஏற்ற இறக்கமான சுற்றுப்புற நிலைமைகளை ஏற்படுத்துகிறது, உதாரணமாக காற்று ஓட்டத்தின் தீவிரத்தில்.“இப்போது வரை, தனிப்பட்ட உடல்கள் சூடேற்றப்பட்ட சரியான வெப்பநிலையை அறியாமல் ஆயிரக்கணக்கான உடல்கள் உற்பத்தி செய்யப்படுகின்றன.இயந்திர கற்றலைப் பயன்படுத்தி, எங்கள் மேம்பட்ட பகுப்பாய்வு தொகுதி வெவ்வேறு சூழ்நிலைகளில் வெப்பநிலை எவ்வாறு மாறுகிறது என்பதை உருவகப்படுத்துகிறது.இது எங்கள் வாடிக்கையாளர்களுக்கு ஒவ்வொரு தனிப் பகுதிக்கும் தரத்திற்கான நிரந்தர ஆதாரத்தை வழங்குகிறது மற்றும் அவர்கள் முரண்பாடுகளை அடையாளம் காண அனுமதிக்கிறது" என்று ஹெஹார்ட் அலோன்சோ கார்சியா விளக்குகிறார்.

அதிக முதல் ஓட்ட விகிதம் ஒட்டுமொத்த உபகரண செயல்திறனை அதிகரிக்கிறது
உள்வைப்பைப் பொறுத்தவரை, DXQplant.analytics மென்பொருள், உபகரணங்களின் ஒட்டுமொத்த செயல்திறனை அதிகரிக்க மேம்பட்ட பகுப்பாய்வு தொகுதியுடன் இணைந்து பயன்படுத்தப்படுகிறது.ஜெர்மன் உற்பத்தியாளரின் அறிவார்ந்த தீர்வு குறிப்பிட்ட மாதிரி வகைகள், குறிப்பிட்ட வண்ணங்கள் அல்லது தனிப்பட்ட உடல் பாகங்களில் தொடர்ச்சியான தரக் குறைபாடுகளைக் கண்காணிக்கிறது.உற்பத்திச் செயல்பாட்டில் எந்தப் படிநிலை விலகல்களுக்குப் பொறுப்பாகும் என்பதைப் புரிந்து கொள்ள இது அனுமதிக்கிறது.இத்தகைய குறைபாடு மற்றும் காரண தொடர்புகள் மிக ஆரம்ப கட்டத்தில் தலையீட்டை அனுமதிப்பதன் மூலம் எதிர்காலத்தில் முதல் ஓட்ட விகிதத்தை அதிகரிக்கும்.

ஆலை பொறியியல் மற்றும் டிஜிட்டல் நிபுணத்துவம் ஆகியவற்றின் கலவையாகும்
AI-இணக்கமான தரவு மாதிரிகளை உருவாக்குவது மிகவும் சிக்கலான செயல்முறையாகும்.உண்மையில், இயந்திர கற்றல் மூலம் அறிவார்ந்த முடிவை உருவாக்க, "ஸ்மார்ட்" அல்காரிதத்தில் குறிப்பிடப்படாத அளவிலான தரவைச் செருகுவது போதாது.தொடர்புடைய சமிக்ஞைகள் சேகரிக்கப்பட்டு, கவனமாகத் தேர்ந்தெடுக்கப்பட்டு, உற்பத்தியில் இருந்து கட்டமைக்கப்பட்ட கூடுதல் தகவலுடன் ஒருங்கிணைக்கப்பட வேண்டும்.வெவ்வேறு பயன்பாட்டுக் காட்சிகளை ஆதரிக்கும், இயந்திர கற்றல் மாதிரிக்கான இயக்க நேர சூழலை வழங்கும் மற்றும் மாதிரிப் பயிற்சியைத் தொடங்கும் மென்பொருளை Dürr வடிவமைக்க முடிந்தது."இந்த தீர்வை உருவாக்குவது ஒரு உண்மையான சவாலாக இருந்தது, ஏனெனில் சரியான இயந்திர கற்றல் மாதிரி மற்றும் நாம் பயன்படுத்தக்கூடிய பொருத்தமான இயக்க நேர சூழல் இல்லை.ஆலை மட்டத்தில் AI ஐப் பயன்படுத்துவதற்கு, இயந்திரவியல் மற்றும் தாவர பொறியியல் பற்றிய எங்கள் அறிவை எங்கள் டிஜிட்டல் தொழிற்சாலை நிபுணர்களுடன் இணைத்துள்ளோம்.பெயிண்ட் கடைகளுக்கான முதல் செயற்கை நுண்ணறிவு தீர்வுக்கு இது வழிவகுத்தது" என்கிறார் ஹெஹார்ட் அலோன்சோ கார்சியா.

மேம்பட்ட பகுப்பாய்வுகளை உருவாக்க திறன்களும் அறிவும் இணைந்துள்ளன
தரவு விஞ்ஞானிகள், கணினி விஞ்ஞானிகள் மற்றும் செயல்முறை வல்லுநர்களைக் கொண்ட ஒரு இடைநிலைக் குழு இந்த அறிவார்ந்த தீர்வை உருவாக்கியது.Dürr பல முக்கிய வாகன உற்பத்தியாளர்களுடன் ஒத்துழைப்பு கூட்டாண்மையிலும் நுழைந்துள்ளார்.இந்த வழியில், டெவலப்பர்கள் வெவ்வேறு பயன்பாட்டு நிகழ்வுகளுக்கான தயாரிப்பில் நிஜ வாழ்க்கை தயாரிப்பு தரவு மற்றும் பீட்டா தள சூழல்களைக் கொண்டிருந்தனர்.முதலாவதாக, அல்காரிதம்கள் அதிக எண்ணிக்கையிலான சோதனை நிகழ்வுகளைப் பயன்படுத்தி ஆய்வகத்தில் பயிற்சியளிக்கப்பட்டன.பின்னர், அல்காரிதம்கள் நிஜ வாழ்க்கை செயல்பாட்டின் போது ஆன்-சைட் கற்றலைத் தொடர்ந்தன மற்றும் சூழலுக்கும் பயன்பாட்டு நிலைமைகளுக்கும் தங்களைத் தகவமைத்துக் கொண்டன.பீட்டா கட்டம் சமீபத்தில் வெற்றிகரமாக முடிக்கப்பட்டது மற்றும் அது எவ்வளவு AI திறனைக் கொண்டுள்ளது என்பதைக் காட்டுகிறது.முதல் நடைமுறை பயன்பாடுகள் Dürr இன் மென்பொருள் தாவரங்களின் கிடைக்கும் தன்மை மற்றும் வர்ணம் பூசப்பட்ட உடல்களின் மேற்பரப்பு தரத்தை மேம்படுத்துகிறது என்பதைக் காட்டுகிறது.