Η τεχνητή νοημοσύνη αναβαθμίζει την ποιότητα βαφής

Η τεχνητή νοημοσύνη (AI) μπορεί να διασφαλίσει ακόμα μεγαλύτερη ακρίβεια στον έλεγχο εξαιρετικά ευαίσθητων συστημάτων στην παραγωγή αυτοκινήτων, όπως κατέδειξε πιλοτικό πρόγραμμα στο βαφείο του εργοστασίου του BMW Group στο Μόναχο.

Παρά την προηγμένη τεχνολογία φιλτραρίσματος, η ύπαρξη πολύ μικρών σωματιδίων σκόνης στις γραμμές βαφής ποικίλει ανάλογα με τον εξαερισμό. Εάν τα ποσοστά σκόνης υπερβαίνουν κάποια όρια, η ακόμα υγρή βαφή ενδέχεται να παγιδεύει σωματίδια, αλλοιώνοντας τη βαμμένη επιφάνεια.

Οι ειδικοί της τεχνητής νοημοσύνης από το τμήμα κεντρικού σχεδιασμού και το εργοστάσιο του Μονάχου έχουν βρει τώρα έναν τρόπο που δίνει οριστική λύση. Κάθε φρεσκοβαμμένο αμάξωμα περνά από αυτόματη επιθεώρηση επιφάνειας στο βαφείο. Τα δεδομένα που συλλέγονται σε αυτούς τους ελέγχους χρησιμοποιούνται για τη δημιουργία μιας ολοκληρωμένης βάσης δεδομένων για ανάλυση σωματιδίων σκόνης. Οι ειδικοί εφαρμόζουν τώρα αλγορίθμους τεχνητής νοημοσύνης για να συγκρίνουν δεδομένα σε πραγματικό χρόνο από αισθητήρες σωματιδίων σκόνης σε θαλάμους βαφής και στεγνωτήρες με στοιχεία της βάσης δεδομένων.

Eπίπεδα της σκόνης

Δύο συγκεκριμένα παραδείγματα δείχνουν τα οφέλη αυτής της νέας λύσης τεχνητής νοημοσύνης: Όπου τα επίπεδα της σκόνης αναμένεται να αυξηθούν λόγω εποχής ή κατά τη διάρκεια παρατεταμένης ξηρασίας, ο αλγόριθμος μπορεί να ανιχνεύσει αυτή την τάση έγκαιρα και να αποφασίσει, για παράδειγμα, μία αντικατάσταση φίλτρου νωρίτερα. Πρόσθετα μοτίβα μπορούν να ανιχνεύονται σε περιπτώσεις που αυτός ο αλγόριθμος χρησιμοποιείται παράλληλα με άλλα εργαλεία ανάλυσης. Για παράδειγμα, η ανάλυση μπορεί να αποκαλύψει επιπλέον ότι το σύστημα που χρησιμοποιεί φτερά στρουθοκαμήλου για την αφαίρεση σωματιδίων σκόνης από τα αμαξώματος πρέπει να αναβαθμιστεί.

Πολυάριθμοι αισθητήρες

Οι ειδικοί τεχνητής νοημοσύνης του BMW Group βλέπουν τεράστιες δυνατότητες στην ανάλυση σωματιδίων σκόνης. Με βάση πληροφορίες από πολυάριθμους αισθητήρες και δεδομένα από ελέγχους επιφανειών, ο αλγόριθμος παρακολουθεί πάνω από 160 χαρακτηριστικά που σχετίζονται με το αμάξωμα και είναι σε θέση να προβλέπει την ποιότητα της διαδικασίας βαφής με μεγάλη ακρίβεια. Αυτή η λύση θα είναι κατάλληλη για εφαρμογή στη μαζική παραγωγή αφού διευρυνθεί περαιτέρω η βάση δεδομένων. Ειδικότερα, αυτό απαιτεί πρόσθετα σημεία μέτρησης και ακόμα πιο ακριβή δεδομένα αισθητήρων για τους σταθμούς καθαρισμού αμαξωμάτων. Οι ειδικοί στην τεχνητή νοημοσύνη είναι σίγουροι ότι αφού ολοκληρωθεί το πιλοτικό project στο εργοστάσιο του Μονάχου, θα μπορεί να ξεκινήσει η ανάλυση σωματιδίων σκόνης και σε άλλα εργοστάσια οχημάτων.