Na naszej stronie korzystamy z plików cookie (ciasteczek) i podobnych technologii.

W celu świadczenia usług na najwyższym poziomie w ramach naszej witryny stosujemy pliki cookie oraz podobne technologie do przechowywania danych. Potrzebujemy Twojej zgody, aby zapewnić lepsze korzystanie z naszej strony, prezentować treści marketingowe dopasowane do Twoich zainteresowań i potrzeb. W tym celu współpracujemy z dostawcami zewnętrznymi (np. Salesforce, LinkedIn, Google, Microsoft, Piwik PRO). Za pośrednictwem tych partnerów możesz także otrzymywać reklamy na innych stronach internetowych. W „Ustawieniach plików cookie” wybierz swoje preferencje, jakich plików cookie możemy używać. W każdym momencie można dokonać zmian tych ustawień. Więcej informacji, w szczególności o Twoich prawach, czy o możliwości wycofania zgody, znajduje się w naszej Polityce Prywatności.
Jeśli użytkownik wyrazi zgodę, jednocześnie akceptuje pewne późniejsze przetwarzanie swoich danych (np. przechowywanie adresu IP w profilach), a dane te będą przekazywane do USA i ewentualnie innych krajów przez jednego z dostawców usług wykorzystywanych do wspomnianych celów, przy czym istnieje ryzyko, że władze mogą uzyskać dostęp do danych, a prawa użytkownika mogą nie być egzekwowalne. Aby wybrać, które pliki cookie możemy wykorzystywać szczegółowo, należy dokonać wyboru w sekcji "Ustawienia". Więcej informacji na temat praw użytkownika, np. cofnięcia zgody, można znaleźć na stronie Polityka prywatności .

Ustawienia plików cookie

Niezbędne pliki cookie

Zaakceptuj wszystkie

Poniżej możesz ustawić swoje preferencje dotyczące poszczególnych technologii używanych na tej stronie internetowej.

Zaakceptuj wszystkie

Niezbędne pliki cookie

Te pliki cookie umożliwiają korzystanie ze strony internetowej, zapewniając podstawowe funkcje, takie jak nawigacja po stronie, ustawienia języka, preferencje dotyczące plików cookie i dostęp do chronionych obszarów strony internetowej. Pliki cookie z tej kategorii dodatkowo zapewniają zgodność strony internetowej z obowiązującymi wymogami prawnymi i normami bezpieczeństwa. Ze względu na istotny charakter tych plików cookie nie można zapobiec ich wykorzystaniu na naszej stronie internetowej. Szczegółowe informacje na temat tych plików cookie są dostępne w sekcji „Więcej informacji”.

Funkcjonalne pliki cookie

Te pliki cookie gromadzą informacje o Twoich zwyczajach podczas korzystania z naszych stron internetowych i pomagają nam zwiększyć wygodę użytkownika poprzez dostosowanie funkcji i atrakcyjności naszych stron internetowych w oparciu o poprzednie wizyty, lokalizację i ustawienia przeglądarki. Umożliwiają one również dostęp do zintegrowanych narzędzi innych firm na naszej stronie internetowej (np. Microsoft Azure do uwierzytelniania jednokrotnego logowania). Może to wiązać się z przekazaniem danych użytkownika do Stanów Zjednoczonych (informacje na temat związanego z tym ryzyka znajdują się w punkcie 1. 5 naszej Polityki Prywatności). Jeśli odrzucisz te pliki cookie, możesz nie być w stanie uzyskać dostępu do pełnej funkcjonalności strony internetowej. Szczegółowe informacje na temat używanych przez nas narzędzi są dostępne w sekcji „Więcej informacji”.

Analityczne pliki cookie

Te pliki cookie są wykorzystywane do tworzenia podstawowych statystyk użytkowania i użytkowników w oparciu o sposób korzystania z naszych stron internetowych (np. za pośrednictwem Google Tag Manager, Piwik PRO). Akceptując te pliki cookie, jednocześnie wyrażasz zgodę na przetwarzanie i przesyłanie Twoich danych do Stanów Zjednoczonych przez usługi takie jak Salesforce Pardot (informacje na temat związanych z tym zagrożeń znajdują się w punkcie 1. 5 naszej Polityki Prywatności). Szczegółowe informacje na temat używanych przez nas narzędzi są dostępne w sekcji „Więcej informacji”.

Reklamowe pliki cookie oraz media społecznościowe

Te pliki cookie pomagają stronom trzecim gromadzić informacje o tym, w jaki sposób udostępniasz treści z naszej witryny w mediach społecznościowych lub dostarczać dane analityczne na temat zachowania użytkownika podczas przechodzenia między platformami mediów społecznościowych lub między naszymi kampaniami w mediach społecznościowych a naszymi stronami internetowymi (np. LinkedIn Insights). Marketingowe pliki cookie ze źródeł zewnętrznych pomagają nam również mierzyć skuteczność naszych reklam na innych stronach internetowych (np. Google Ads, Microsoft Advertising). Używamy tych plików cookie, aby zoptymalizować sposób dostarczania Ci naszych treści. Zewnętrzne źródła i platformy mediów społecznościowych, z których korzystamy, mogą przekazywać Twoje dane do Stanów Zjednoczonych (informacje na temat związanego z tym ryzyka znajdują się w punkcie 1. 5 naszej Polityki prywatności). Akceptując te pliki cookie, jednocześnie wyrażasz zgodę na przesyłanie i przetwarzanie Twoich danych w sposób opisany powyżej. Szczegółowe informacje na temat używanych przez nas narzędzi i naszej obecności w mediach społecznościowych można znaleźć w sekcji „Więcej informacji”.

Więcej informacji

Zapisz ustawienia

Advanced Analytics from Dürr bringing artificial intelligence to the paint shop

First market-ready AI application for paint shops

Bietigheim-Bissingen, 27 March 2020 – Advanced Analytics is the first market-ready AI application for paint shops. The intelligent solution, which combines the latest IT technology and mechanical engineering expertise, identifies sources of defects and determines optimal maintenance schedules. It also tracks previously unknown correlations and uses this knowledge to adapt the algorithm to the plant using the principle of self-learning. Advanced Analytics is the latest module from the DXQanalyze product series. First practical applications are showing that the software from Dürr optimizes plant availability and the surface quality of painted bodies.

Why do body parts exhibit the same defects with unusual high frequency? When is the latest that a mixer in the robot can be replaced without causing a machine stoppage? Precise answers are important for sustainable economic success. Because every defect or every unnecessary maintenance that can be avoided saves money or improves the product quality. “Before now there were very few precise conclusions that would enable the early detection of quality defects or failures. And if there were, they were generally based on a painstaking manual data evaluation or trial-and-error attempts. Artificial intelligent (AI) makes this much more accurate and automatic,” explains Gerhard Alonso Garcia, Vice President MES & Control Systems at Dürr.

The new self-learning Advanced Analytics plant and process monitoring system adds to DXQanalyze. The digital product series from Dürr already included the Data Acquisition modules for acquiring production data, Visual Analytics for visualizing it, and Streaming Analytics. The latter lets plant operators analyze in close to real time whether there are deviations from previously defined rules or target values in production using a low-code platform.

AI application with its own memory
What makes Advanced Analytics special is that this module combines large quantities of data including historical data with machine learning. In the figurative sense this means that the self-learning AI application has a memory. This means that it can use information from the past to both recognize complex correlations in large quantities of data and predict an event in the future with a high degree of accuracy based on the current condition of a machine. There are lots of applications for this in paint shops, whether at component, process, or plant level.

Predictive maintenance reduces plant downtimes
When it comes to components, Advanced Analytics aims to reduce downtimes through predictive maintenance and repair information, for example by predicting the remaining service life of a mixer. If the component is replaced too early, this increases the spare part costs and repair overhead unnecessarily, while leaving it too long to replace a component can result in quality problems during coating and machine stoppages. Advanced Analytics starts by learning the wear indicators and the temporal pattern of the wear using high-frequency robot data. Since the data is continuously recorded and monitored, the machine learning module individually recognizes aging trends for the respective component based on actual use and in this way calculates the optimum replacement time.

Machine learning simulates continuous temperature curves
Advanced Analytics improves quality at process level by identifying anomalies, for example by simulating a heat-up curve in the oven. Up to now, manufacturers only had data determined by sensors during measurement runs. However, the heat-up curves that are of vital importance for surface quality of the car bodies vary since the oven ages during the intervals between the measurement runs. This wear causes fluctuating ambient conditions, for example in the strength of the air flow. “These days, thousands of bodies are produced without us knowing the temperatures to which the individual bodies were heated. Using machine learning, our Advanced Analytics module simulates how the temperature varies under different conditions. This gives our customers a permanent proof of quality for each individual body and lets them identify anomalies,” says Gerhard Alonso Garcia.

Higher first-run rate increases overall equipment effectiveness
At plant level, the DXQplant.analytics software is used with the Advanced Analytics module to increase overall equipment effectiveness. The artificial intelligence tracks system defects such as recurring quality defects in specific model types, specific colors, or on individual body parts. This in turn permits conclusions about which step in the production process is responsible for the deviations. Such defect and cause correlations will make it possible to increase the first-run rate in the future by allowing intervention at a very early stage.

Plant and digital expertise expertly combined
Developing AI-capable data models is a very complex process. This is because machine learning does not work by feeding unspecified amounts of data into a “smart” algorithm, which then spits out an intelligent result. Instead, relevant (sensor) signals must be collected, carefully selected, and supplemented with structured additional information from production. With Advanced Analytics, Dürr has developed a piece of software that supports different use scenarios, provides a runtime environment for machine learning models, and initiates model training. “The challenge was that there was no generally valid machine learning model and no suitable run-time environment we could have used. To be able to use AI at plant level, we combined our knowledge of mechanical and plant engineering with the knowledge of our experts from the Digital Factory. This resulted in the first AI solution for paint shops,” explains Gerhard Alonso Garcia.

By using a runtime environment and developing specific machine-learning models, the application of the Advanced Analytics model is currently being tested in the woodworking industry and in electronics production.

Interdisciplinary knowledge required
Advanced Analytics was developed by an interdisciplinary team made up of data scientists, computer scientists, and process experts. Dürr also entered into cooperation partnerships with several leading automotive manufacturers. This meant that the developers had real-life production data and beta site environments in production for different application cases. First the algorithms were trained in the lab using a large number of test cases. Next, the algorithms continued learning on-site in real-life operation and autonomously adapted to environment and use conditions. The beta phase was recently successfully completed and showed just how much potential AI has.

  • Dürr Advanced Analytics for DXQanalyze

    The AI application Advanced Analytics by Dürr identifies sources of defects and determines optimal maintenance schedules.

  • Dürr Advanced Analytics for DXQanalyze

    The Dürr software reduces plant downtimes through predictive maintenance and repair information.

  • DXQanalyze

    With Artificial Intelligence, systematic errors in the painting process can be detected, thus OEE can be increased by allowing intervention at a very early stage.