Dürr Advanced Analytics پیش کرتا ہے، جو پینٹ شاپس کے لیے مارکیٹ کے لیے تیار پہلی AI ایپلی کیشن ہے۔DXQanalyze پروڈکٹ سیریز کے تازہ ترین ماڈیول کا حصہ، یہ حل جدید ترین IT ٹیکنالوجی اور مکینیکل انجینئرنگ کے شعبے میں Dürr کے تجربے کو یکجا کرتا ہے، نقائص کے ذرائع کی نشاندہی کرتا ہے، بہترین دیکھ بھال کے پروگراموں کی وضاحت کرتا ہے، پہلے سے نامعلوم ارتباط کا سراغ لگاتا ہے اور اس علم کو استعمال کرتا ہے خود سیکھنے کے اصول کا استعمال کرتے ہوئے سسٹم میں الگورتھم۔
ٹکڑے اکثر ایک جیسے نقائص کیوں دکھاتے ہیں؟کب تازہ ترین ہے کہ روبوٹ میں مکسر مشین کو روکے بغیر تبدیل کیا جا سکتا ہے؟ان سوالات کے درست اور درست جوابات پائیدار معاشی کامیابی کے لیے بنیادی ہیں کیونکہ یہ ہر نقص یا ہر غیر ضروری دیکھ بھال جس سے بچا جا سکتا ہے پیسہ بچاتا ہے یا مصنوعات کے معیار کو بہتر بناتا ہے۔"اب سے پہلے، بہت کم ٹھوس حل تھے جو ہمیں معیار کی خرابیوں یا ناکامیوں کو فوری طور پر شناخت کرنے کی اجازت دیتے۔اور اگر وہاں تھے تو، وہ عام طور پر ڈیٹا یا آزمائش اور غلطی کی کوششوں کے ایک محتاط دستی تشخیص پر مبنی تھے۔یہ عمل مصنوعی ذہانت کی بدولت اب بہت زیادہ درست اور خودکار ہے"، Dürr میں MES اور کنٹرول سسٹمز کے نائب صدر Gerhard Alonso Garcia کی وضاحت کرتے ہیں۔
Dürr کی DXQanalyze ڈیجیٹل پروڈکٹ سیریز، جس میں پہلے سے ہی پروڈکشن ڈیٹا حاصل کرنے کے لیے ڈیٹا ایکوزیشن ماڈیولز، اسے دیکھنے کے لیے بصری تجزیات، اور سٹریمنگ تجزیات شامل ہیں، اب نئے خود سیکھنے والے ایڈوانسڈ اینالیٹکس پلانٹ اور عمل کی نگرانی کے نظام پر اعتماد کر سکتے ہیں۔
AI ایپلی کیشن کی میموری ہے۔
Advanced Analytics کی خاصیت یہ ہے کہ یہ ماڈیول مشین لرننگ کے ساتھ تاریخی ڈیٹا سمیت بڑی مقدار میں ڈیٹا کو یکجا کرتا ہے۔اس کا مطلب یہ ہے کہ خود سیکھنے والی AI ایپلی کیشن کی اپنی یادداشت ہے اور اس لیے وہ ماضی کی معلومات کو استعمال کر کے ڈیٹا کی بڑی مقدار میں پیچیدہ ارتباط کو پہچان سکتی ہے اور کرنٹ کی بنیاد پر اعلیٰ درجے کی درستگی کے ساتھ مستقبل میں ہونے والے کسی واقعے کی پیش گوئی کر سکتی ہے۔ مشین کی شرائطپینٹ کی دکانوں میں اس کے لیے بہت ساری ایپلی کیشنز موجود ہیں، چاہے جزو، عمل، یا پودوں کی سطح پر۔
پیشن گوئی کی دیکھ بھال پلانٹ کے ڈاؤن ٹائم کو کم کرتی ہے۔
جب اجزاء کی بات آتی ہے، تو Advanced Analytics کا مقصد پیشین گوئی کی دیکھ بھال اور مرمت کی معلومات کے ذریعے ڈاؤن ٹائم کو کم کرنا ہوتا ہے، مثال کے طور پر مکسر کی بقیہ سروس لائف کی پیشین گوئی کر کے۔اگر اجزاء کو بہت جلد تبدیل کر دیا جائے تو اسپیئر پارٹس کی قیمتیں بڑھ جاتی ہیں اور نتیجتاً مرمت کے عمومی اخراجات میں غیرضروری اضافہ ہو جاتا ہے۔دوسری طرف، اگر اسے زیادہ دیر تک چلنا چھوڑ دیا جائے، تو یہ کوٹنگ کے عمل اور مشین کے رکنے کے دوران کوالٹی کے مسائل پیدا کر سکتا ہے۔اعلیٰ تجزیات اعلی تعدد والے روبوٹ ڈیٹا کا استعمال کرتے ہوئے پہننے کے اشارے اور لباس کے وقتی پیٹرن کو سیکھنے سے شروع ہوتا ہے۔چونکہ ڈیٹا کو مسلسل ریکارڈ کیا جاتا ہے اور اس کی نگرانی کی جاتی ہے، اس لیے مشین لرننگ ماڈیول انفرادی طور پر متعلقہ جزو کے لیے اصل استعمال کی بنیاد پر عمر بڑھنے کے رجحانات کو پہچانتا ہے اور اس طرح سے زیادہ سے زیادہ متبادل وقت کا حساب لگاتا ہے۔
مسلسل درجہ حرارت کے منحنی خطوط جو مشین لرننگ کے ذریعے بنائے گئے ہیں۔
ایڈوانسڈ اینالیٹکس بے ضابطگیوں کی نشاندہی کرکے عمل کی سطح پر معیار کو بہتر بناتا ہے، مثال کے طور پر اوون میں ہیٹ اپ کریو کی تقلید کرکے۔اب تک، مینوفیکچررز کے پاس پیمائش کے دوران صرف سینسر کے ذریعے طے شدہ ڈیٹا ہوتا تھا۔تاہم، کار کے جسم کی سطح کے معیار کے لحاظ سے بنیادی اہمیت کے حامل حرارت کے منحنی خطوط اوون کی عمر سے، پیمائش کے چلنے کے درمیان وقفوں کے دوران مختلف ہوتے ہیں۔یہ پہننے کی وجہ سے محیطی حالات میں اتار چڑھاؤ آتا ہے، مثال کے طور پر ہوا کے بہاؤ کی شدت میں۔"ابھی تک، ہزاروں لاشیں پیدا ہوتی ہیں بغیر درست درجہ حرارت کو جانے جس سے انفرادی جسموں کو گرم کیا جاتا ہے۔مشین لرننگ کا استعمال کرتے ہوئے، ہمارا ایڈوانسڈ اینالیٹکس ماڈیول نقل کرتا ہے کہ مختلف حالات میں درجہ حرارت کیسے بدلتا ہے۔یہ ہمارے صارفین کو ہر انفرادی حصے کے لیے معیار کا مستقل ثبوت فراہم کرتا ہے اور انہیں بے ضابطگیوں کی نشاندہی کرنے کی اجازت دیتا ہے"، وضاحت کرتے ہیں گیرہارڈ الونسو گارسیا۔
اعلی فرسٹ رن ریٹ مجموعی طور پر آلات کی تاثیر کو بڑھاتا ہے۔
جہاں تک امپلانٹ کا تعلق ہے، DXQplant.analytics سافٹ ویئر کو ایڈوانسڈ اینالیٹکس ماڈیول کے ساتھ مل کر استعمال کیا جاتا ہے تاکہ آلات کی مجموعی تاثیر کو بڑھایا جا سکے۔جرمن مینوفیکچرر کا ذہین حل مخصوص ماڈل کی اقسام، مخصوص رنگوں یا جسم کے انفرادی حصوں میں بار بار آنے والے معیار کے نقائص کا پتہ لگاتا ہے۔یہ صارف کو یہ سمجھنے کی اجازت دیتا ہے کہ پیداواری عمل میں کون سا مرحلہ انحراف کے لیے ذمہ دار ہے۔اس طرح کی خرابی اور وجہ کے ارتباط بہت ابتدائی مرحلے میں مداخلت کی اجازت دے کر مستقبل میں پہلی بار کی شرح میں اضافہ کریں گے۔
پلانٹ انجینئرنگ اور ڈیجیٹل مہارت کے درمیان امتزاج
AI سے ہم آہنگ ڈیٹا ماڈلز تیار کرنا ایک بہت پیچیدہ عمل ہے۔درحقیقت، مشین لرننگ کے ساتھ ذہین نتیجہ پیدا کرنے کے لیے، "سمارٹ" الگورتھم میں ڈیٹا کی غیر متعینہ مقدار داخل کرنا کافی نہیں ہے۔متعلقہ سگنلز کو جمع کیا جانا چاہیے، احتیاط سے منتخب کیا جانا چاہیے اور پیداوار سے اضافی معلومات کے ساتھ مربوط ہونا چاہیے۔Dürr ایک ایسا سافٹ ویئر ڈیزائن کرنے کے قابل تھا جو استعمال کے مختلف منظرناموں کو سپورٹ کرتا ہے، مشین لرننگ ماڈل کے لیے رن ٹائم ماحول فراہم کرتا ہے اور ماڈل ٹریننگ شروع کرتا ہے۔"اس حل کو تیار کرنا ایک حقیقی چیلنج تھا کیونکہ کوئی درست مشین لرننگ ماڈل نہیں تھا اور کوئی مناسب رن ٹائم ماحول نہیں تھا جسے ہم استعمال کر سکتے تھے۔پلانٹ کی سطح پر AI کو استعمال کرنے کے قابل ہونے کے لیے، ہم نے مکینیکل اور پلانٹ انجینئرنگ کے اپنے علم کو اپنے ڈیجیٹل فیکٹری کے ماہرین کے ساتھ ملایا ہے۔یہ پینٹ شاپس کے لیے مصنوعی ذہانت کے پہلے حل کا باعث بنی"، گیرہارڈ الونسو گارسیا کہتے ہیں۔
اعلی درجے کے تجزیات کو تیار کرنے کے لیے مہارت اور علم کو ملا کر
ڈیٹا سائنسدانوں، کمپیوٹر سائنسدانوں اور عمل کے ماہرین پر مشتمل ایک بین الضابطہ ٹیم نے یہ ذہین حل تیار کیا۔Dürr نے کئی بڑے آٹوموٹو مینوفیکچررز کے ساتھ تعاون کی شراکت داری بھی کی ہے۔اس طرح، ڈویلپرز کے پاس مختلف ایپلیکیشن کیسز کے لیے پروڈکشن میں حقیقی زندگی کا پروڈکشن ڈیٹا اور بیٹا سائٹ کا ماحول تھا۔سب سے پہلے، الگورتھم کو لیبارٹری میں بڑی تعداد میں ٹیسٹ کیسز کا استعمال کرتے ہوئے تربیت دی گئی۔اس کے بعد، الگورتھم نے حقیقی زندگی کے آپریشن کے دوران سائٹ پر سیکھنا جاری رکھا اور خود کو ماحول اور استعمال کے حالات کے مطابق ڈھال لیا۔بیٹا مرحلہ حال ہی میں کامیابی کے ساتھ مکمل ہوا اور اس نے دکھایا کہ اس میں AI کی کتنی صلاحیت ہے۔پہلی عملی ایپلی کیشنز یہ دکھا رہی ہیں کہ Dürr کا سافٹ ویئر پودوں کی دستیابی اور پینٹ شدہ جسموں کی سطح کے معیار کو بہتر بناتا ہے۔
پوسٹ ٹائم: مارچ 16-2022