Информационная платформа данных помогает в работе с автомобильными покрытиями

Автомобильный завод производить в среднем 250 000 автомобилей в год, или примерно один в минуту. И независимо от марки, стиля или цвета, покрытие на каждом транспортном средстве должно быть безупречным, когда автомобиль выходит с завода.

Вот где Viu Insight надеется помочь автопроизводителям максимально приблизиться к совершенству в своих процессах окраски с помощью платформы данных, которая обеспечивает взаимодействие между миллионами фрагментированных точек данных, собранных с прикладного оборудования, систем автоматизации и людей, которые их используют, и ищет способы повышения качества, повышения производительности и эффективности. «Большинство автопроизводителей хорошо умеют измерять свои показатели», - говорит Иван Мальдонадо, соучредитель Viu Insight. «Но если учесть, что все малярные цеха оснащены самой современной технологией и тысячами датчиков, использование данных, собранных со всех этих датчиков, очень мало для корреляции условий эксплуатации с качеством продукции».

Платформа представляет собой облачную систему, которая, по словам Viu Insight, поможет руководителям предприятий лучше понять эти взаимосвязи, чтобы снизить потери в качестве, производительности и затратах. Волшебство заключается не только в сборе данных, но и в том, как точки данных связаны друг с другом. «Речь идет о том, чтобы увидеть, сможем ли мы определить эти корреляции с конкретными условиями труда в процессе окраски, которые сделают этот процесс менее эффективным», - говорит Мальдонадо. «Окупаемость заключается в поиске путей повышения эффективности».

Viu Insight - это стартап, запущенный в 2018 году, в который также входят управляющие партнеры Kasey Stark, которые возглавляют операционную и техническую группы; Дэвид Кумаран, который руководит развитием и ростом продаж продукта; Джефф Стивенс, который курирует стратегическое партнерство и усилия по развитию бизнеса.

Это уникальная и динамичная команда, которая объединяет опыт и знания в области производства автомобилей с новейшими технологиями из «Силиконовой долины».

АВТОМОБИЛЬНАЯ ПРОМЫШЛЕННОСТЬ ВЕТЕРАНЫ

И Мальдонадо, и Стивенс имеют давние отношения в автомобильной промышленности покрытий, и оба работали в этом в течение многих десятилетий. По профессии инженер, Мальдонадо обладает более чем 20-летним опытом работы в самых сложных промышленных условиях в разных странах и руководил оптимизацией сложных производственных операций. Он повысил эффективность и сократил потери при работе с Peugeot с 7% до менее 0,5% за счет улучшения процессов и анализа данных. Он улучшил и стабилизировал работу OEM-поставщика Toyota, используя данные для повышения доступности на 13% и улучшения качества до 99%.

Viu Insight объединяет все точки данных в единую сеть, которая позволяет проводить целостную аналитику для оптимизации эксплуатационных характеристик. Он объединяет данные в производственном аппарате, а основание данных используется для анализа агрегированных сложных наборов данных и извлечения полезной информации.

Стивенс был поставщиком услуг для автомобильной промышленности в течение почти 30 лет. Имея различные руководящие должности в компаниях-поставщиках услуг, он работал с большинством автопроизводителей на протяжении всей своей карьеры. Ведя разработку и внедрение инновационных концепций обслуживания, он имеет все возможности для внедрения новых технологий в автомобильное производство.

НЕЙРОННАЯ СЕТЬ УЗЛОВ (N3)

Стивенс говорит, что заводы имеют множество источников данных из электронных таблиц, контрольных списков, систем автоматизации, баз данных бизнес-процессов и людей, которые управляют или контролируют оборудование. В дополнение к структурированным данным, он говорит, что есть данные, которые в настоящее время не могут быть оцифрованы, и что сбор и подключение всех структурированных и неструктурированных данных является основой того, что Viu Insight называет «нейронной сетью узлов» или N3.

Платформа Viu измеряет данные, такие как скорость, и предоставляет диаграммы и графики для демонстрации корреляций.

По словам Мальдонадо, каждая точка сбора данных является узлом, например, с окрасочными пистолетами и другим оборудованием для нанесения покрытий, а также датчиками, измеряющими нисходящий поток в покрасочных камерах. Это также могут быть сотрудники завода, осматривающие продукт, или персонал, выполняющий техническое обслуживание оборудования.

«Благодаря соединению узлов все данные предприятия теперь можно анализировать целостным образом, разбивая информационные бункеры», - говорит он. Затем платформа Viu Insight преобразует данные в действенные идеи, используя данные для улучшения бизнес-логики и процессов. В прошлом некоторые автопроизводители не решались использовать стороннюю аналитику своих данных из-за опасений, связанных с тем, что сторонние компании получают доступ к своим системам и открывают их для возможного нарушения своих потоковых процессов. Но Мальдонадо говорит, что платформе Viu Insight не нужно получать доступ к системам внутри предприятия, а просто нужно регулярно отправлять им данные, будь то по минутам, часам или дням.

«Клиенты сохраняют данные в общем файле в хранилище вне своих систем, и тогда у нас есть возможность их прочитать и проанализировать», - говорит он. «Это разъединенная связь, и нет никаких проблем, мешающих их контролю или управлению заводом».

УЧЕБНЫЕ МЕТОДЫ ОБУЧЕНИЯ МАШИНЫ

Когда компания начала свою деятельность, Стивенс сказал, что первоначальная концепция Viu была разработана в результате поиска путей оптимизации производственных процессов за счет использования данных. Большинство производственных сред уже включают значительные уровни автоматизации от ПЛК до роботов, которые содержат многочисленные датчики, которые генерируют важные рабочие данные. Первоначально Viu разработала дополнительные инструменты для сбора данных с этих датчиков и создала информационные панели для визуализации важных индикаторов процесса.

«Мы просто царапали поверхность и поняли, что чем больше игра соединяется со всеми доступными источниками данных», - говорит он. «Задача, которую мы взяли, заключалась в том, чтобы разработать способ использования методов машинного обучения, чтобы сделать производственный процесс более интеллектуальным». Viu Insight в настоящее время работает с тем, что, по словам Мальдонадо, является «крупным игроком» в автомобильной промышленности, и постепенно работает с другими OEM-производителями над тестированием и интеграцией платформы. Он даже надеется в будущем работать с аппликаторами покрытий за пределами автомобильной промышленности.

«Сейчас у нас есть клиент, который внимательно изучает его данные, связанные с условиями нисходящего потока и окрасочной камеры», - говорит он. «Может быть сложно точно измерить нисходящий поток в покрасочной камере, но мы разработали и разработали ультразвуковой датчик скорости воздуха, и нам удалось получить очень точные измерения как при нисходящем, так и поперечном тяге, и мы начинаем производить значимые корреляции между Скорость воздушного потока и качество работы системы окраски по результатам нашего анализа ».

Мальдонадо и Стивенс говорят, что OEM-производители постоянно следят за окрасочными цехами, уделяя большое внимание постоянному совершенствованию. В малярных цехах так много переменных, что достижение постоянной производительности изо дня в день является серьезной проблемой. Несмотря на то, что все OEM-производители прилагают все усилия для достижения высокого уровня качества с первого раза (FTT), постепенные улучшения могут быть трудно достижимыми. Они уверены, что аналитика данных, машинное обучение и искусственный интелект будут иметь значение.

Они говорят, что это может быть сделано на основе трех ключевых факторов:

1)согласованность производственного процесса и постоянное стремление к улучшениям;

2)новые технологии в виде новых производственных материалов, а также производственных процессов;

3)использование данных и передовой аналитики для повышения производительности.

«Все три фактора должны развиваться в координации, чтобы быть конкурентоспособными», - говорит Мальдонадо. «Сбой в одном, и ваш завод останется позади, рискуя проиграть конкуренцию».