DXQequipment.analytics

DXQequipment.analytics donne un aperçu détaillé des diverses étapes de processus et de l’équipement impliqué tout au long de la chaîne de valeur. Le pack logiciel a pour but d’améliorer tous les aspects de l’efficacité totale de l’équipement (performance système, qualité de production, disponibilité d’équipement). Dans un premier temps, DXQequipment.analytics a pour objectif le dépannage plus rapide avec analyse de la cause profonde en visualisant situations critiques, modèles détectés et seuils dépassés. Dans un second temps, une analyse automatique est possible grâce au générateur d’analyses par glisser-déposer afin de créer des algorithmes personnalisés. Avec le développement d’un tel algorithme, les données peuvent être analysées automatiquement et un retour direct à la machine en temps réel peut être effectué. Le module Advanced Analytics utilise les données historiques et l’apprentissage automatique afin de déterminer le paramétrage optimal d’algorithmes et de reconnaître les tendances et les modèles à long terme. L’utilisation de l’IA combine technologie informatique et savoir-faire en construction mécanique, identifie les sources d’erreur et détermine les périodes de maintenance optimales. Elle repère les liens dans l’équipement et ajuste l’algorithme de manière autonome.

Combinés à DXQplant.analytics, les algorithmes d’auto-apprentissage seront automatiquement entraînés afin d’identifier les problèmes de qualité. En parallèle de DXQequipment.maintenance, plus d'informations relatives aux opérations de maintenance détectées sont fournies.

DXQequipment.analytics se base sur l’expertise de Dürr et est disponible pour plusieurs types d’équipements, par ex. robots d’application, fours, systèmes PT/CATA.

Fonctions:

Analyses continues en temps réel afin d’assurer la qualité de production
Détection d’auto-apprentissage pour anomalie de qualité
Serveurs frontaux simples d’utilisation pour visualisation des données et création de modèles analytiques
Acquisition et analyses permanentes de données d’équipement
Algorithmes d’apprentissage automatique pour l’évaluation du processus de peinture et la prévision de défaillances de l’équipement

Avantages:

Dépannage plus rapide pour une meilleure disponibilité d’équipement
Meilleur taux de première exécution
Baisse des temps d'immobilisation de l’équipement
Identification optimisée des causes profondes