创建可扩展的边缘解决方案
英特尔与奥迪一起,使用英特尔的工业边缘洞见软件创建了流分析算法。这些算法实现了预测性分析和建模,进而将工厂数据转化为有价值的洞察。该解决方案吸收了焊枪控制器的数据,并在边缘进行分析。
英特尔的数据科学家创建了一种机器学习算法,并将其生成的预测与奥迪提供的实际检测数据进行了比较,从而对其准确性进行了训练。模型使用焊接控制器生成的数据,其显示了焊接作业期间的电压和电流曲线。数据还包括其他参数,例如焊缝结构、金属类型和焊条使用状况。仪表板可让奥迪员工将数据可视化,并且系统会在检测到错误的焊接或构造发生潜在变化时提醒技术人员,从而可将错误总数尽可能减少或消除。
![](/uploads/20230403/79a68b1d2700a123ce0013762f7eb790.png)
在工厂车间进行的优化不仅仅局限于一个流程,而且可以扩展到工厂的其余部分。奥迪可以将该平台解决方案用于其他涉及机器人和控制器的用例,例如铆接、涂胶和涂漆。“建立边缘分析平台的价值在于它可以让更多数据融入其中,并查看关联性、因果关系和其他有趣的分析,甚至某些你一开始可能不会想到的作用”,英特尔物联网集团副总裁兼工业系统工程与架构总监 Brian McCarson 这样表示。“这个平台为奥迪提供了很大的发展空间。这不只是专用于这个应用场景。在完成了最初的平台投资之后,奥迪可以在其各个工厂和其他用例中进行发展和扩展。”
提高效率和精度
从人工检查转向自动化的数据驱动流程,让奥迪提高了其质量控制流程的范围和准确性。而且,这也在其他方面带来了益处。
Häffner 强调,提高自动化程度和效率不是要取代工人,而是要给他们赋予新的知识和技能,并为他们创造新的机会。这同样也是必要的,因为许多熟练的工厂工人正在陆续退休,并且带走了他们宝贵的知识。因此实现其中一些工作的自动化并使年轻的员工朝着新的方向发展,对企业和工人都有利。
新系统及其实现的精确检查的另一个主要优点是,奥迪可以积极主动地专注于避免问题,而不仅仅是应对问题。“假设我们每天对一辆汽车的 5000 个或更多的焊接点进行整体检查,也许其中 95% 的焊接没问题,而有 5% 的焊接不合格”, Mathias Mayer 说。“将来,我们可以专注于这 5%,因为我们知道它们会在工厂中的哪些环节出现,并且我们可以更快地采取措施。
面向未来
拥有一个透明的系统,让奥迪能够理解设备产生的数据并从中学习,这启发了奥迪考虑新的可能性,而且还提供了额外的收益 —— 其中有些是意外收获。Häffner 说,“由于我们正在运行数据分析,且数据的可见性不断提高,所以奥迪减轻了其公司的税务负担。”“在过去,我们不得不做很多假设,而我们的税费就是基于这些假设情况。而现在,真实数据表明我们的纳税义务减少了,这可节省大量成本。”
奥迪已经计划在内卡苏姆工厂将此平台用于其他应用场景,并最终打算在大众汽车集团的所有生产设施中部署预测性焊接检查和其他解决方案。Henning Löser 说,“我们正处于收集和分析数据的起始阶段。”“随着我们持续开展这一进程,它将会给我们带来更多的惊喜和新的机会。”
能够可持续地制造更精密的汽车真是太美妙了,是英特尔与奥迪等合作伙伴一起成就了这些美妙。