業界のテスト システムは毎日大量のデータを生成します。データが正しく処理され、評価されれば、実際に利益が生まれます。そのため、ZF Test Systems は Advanced Analytics をビジネスに導入しています。
これは、製品が ZF 社から出荷されて顧客に届く前の生産ラインの最後の段階、つまりライン終端テストベンチです。ここでは、親指を立てるか下げるか、緑か赤か、「OK」か「NOK」かが示されます。この段階で ZF 社が「OK ではない」部品を特定すれば、コストが節約され、グループの高品質サプライヤーとしての評判が高まります。自動車のトランスミッションなどの NOK 部品が顧客に届けられていたら、苦情や車両のリコールにつながる可能性がありました。
多くの人が知らないことですが、ラインから「NOK」部品を取り出すテストベンチも ZF 製です。テストと検証用のハードウェアを開発および設計するノウハウは、ZF グループ内の別部門である ZF テスト システムで 35 年以上にわたって蓄積されてきました。ヨーロッパ、アジア、アメリカに拠点を置く ZF テスト システムでは、自動車業界だけでなく、外部の顧客向けにも、さまざまな業界向けのテストベンチを製造しています。
過去数十年にわたり、ZF テスト システムズは世界中で 1,800 台のテスト システムを構築し、納入してきました。これには、最終ラインのテスト ベンチに加えて、研究開発用の非常に複雑なシステムも含まれます。新しいタイヤ コンパウンド、バッテリー、電気モーターの電磁両立性など、産業界でイノベーションが日の目を見るときには、ZF テスト システムのテスト ベンチが頻繁に使用されます。
その結果、ZF の最終工程テスト システムは、世界中で毎秒部品をテストし、その結果をデジタルで記録しています。最終工程テスト システムは、このようにして 1 日あたり最大 30,000 のデータセットを生成します。「当社のマシンは、AI アルゴリズムによるさらなる評価に適したデジタル情報を生成します」と、ZF テスト システムで高度分析を担当する Simone Fuchs 氏は説明します。「当社は、マシン メーカー、AI エキスパート、そして高品質部品の連続生産に関わるあらゆる個別製造の専門家としてのノウハウを組み合わせます。このドメイン知識を魅力的で実用的なソリューションに変えることができます。」これらは、自動化を改善し (したがって、生産をより効率的に)、品質を高め、製造プロセス全体で排出量を削減して、より持続可能なものにするのに役立ちます。
ZF テスト システムの多くの顧客が自社のデータを活用したい、あるいはコンサルティング会社やソフトウェア プロバイダーからそうするように勧められているのも不思議ではありません。「AI を活用したいと考えている顧客は多くいます。しかし、AI ベースのモデルを製造現場の適切な状況に組み込むには、当社の分野固有の専門知識が必要です」とフックス氏は説明します。そのため、ZF テスト システムでは、テスト ベンチの販売と組み合わせて、分析ソリューションを追加事業として提供したいと考えています。「今が絶好のタイミングです。当社はここ数年、いくつかのパイロット プロジェクトで当社のモデルを実証してきました。その結果得られたソリューションはさまざまな製造ラインに統合され、日々定量化可能な付加価値を生み出しています。」
しかし、これは自然に起こったわけではありません。AI アルゴリズムを使用してデータを評価するには、まずデータを中央の場所に集め、準備し、標準化して利用できるようにする必要があります。多くの分析プロジェクトがこの段階ですでに失敗しているため、ZF テスト システムでは、中央システムに自動的に長期保存するための独自の製品を開発しました。「Tatoo」は、製造中または製造後にすべてのデータを中央データベースに保存し、評価に使用できます。ザールブリュッケンの ZF 工場の最終工程テストベンチの例は、データの潜在的可能性をどのように活用できるかを示しています。ZF テスト システムでは、ザールブリュッケンの ZF AI ラボの専門家と協力して、トランスミッションと電気モーターの NVH 動作 (ノイズ、振動、ハーシュネス) をデジタルで評価できる AI ベースのアルゴリズムを開発しました。高速で回転するコンポーネント、または巨大な力を伝達するコンポーネントでは、NVH 動作の不規則性が後で潜在的な損傷を示す可能性があります。ソノグラムは、どの周波数がどの速度で存在するかに関する情報を提供します。ニコラス・テウェス博士とその同僚は、OK テスト済みのトランスミッションの何千ものソノグラムからピクセルパーフェクトなマップを作成するアルゴリズムを開発しました。このマップは、その後のすべてのテストの参照として使用されます。簡単に言えば、新しいテスト実行のソノグラムが、参照モデルとリアルタイムで比較されます。検出された偏差に基づいて、AI は製造の専門家に重要な洞察を提供します。
このアルゴリズム的アプローチにより、エンドオブラインテストでこれまで発生したことのないエラーを見つけることができます。また、テストデータの AI ベースの処理はさらに進んでいます。大量のデータにより、分類アルゴリズムをトレーニングして、NOK テスト済みコンポーネントで発生したエラーを非常に正確に評価することが可能になります。「当社のソリューションの大きな可能性は、この自動分類にあります」と Thewes 氏は強調します。これまでは、エラーの原因を特定するために、すべての NOK サンプルとそのデータを製品の専門家が徹底的に検査する必要がありました。AI システムがそのようなタスクを 24 時間 365 日自動的に引き継ぐことができるようになっています。アルゴリズムはすでに分類の 3 分の 1 を自律的かつ正確に処理しており、その割合は増加すると予想されています。この例は、AI アプリケーションのおかげで、高度な資格を持つ人員の負担を軽減できることを示しています。これは ZF の工場での便利な問題解決であり、専門家は実際のタスクに多くの時間を費やすことができます。さらに、これにより製品の最適化が加速されます。生産品質を向上させるための具体的な基準点も NOK ケースから導き出すことができるためです。
ZF の生産ユニットは、グループのテスト システム子会社のアプローチと製品に非常に満足しており、まもなく「wAIve Guard」がいくつかの工場で使用される予定です。電動パワートレイン技術部門だけでなく、産業技術部門、具体的にはロンメル (ベルギー) と天津 (中国) の風力発電プラントでも使用されます。
「ロールアウトにより、私たちはさらなる経験と、何よりも、あらゆる AI ソリューションの重要な原動力であるさらなるデータを獲得できるでしょう」と Thewes 氏は確信しています。その頃には、Simone Fuchs 氏と彼女のチームは、生産とテストのデータをより高品質、より持続可能、より効率的な生産に変える方法について、さらなるユースケースを開発しているでしょう。これは、ZF Test Systems の顧客にとって明らかな付加価値であると同時に、関連する生産と最終工程のテスト データをいかにして収益性の高い方法で使用できるかを示す具体的な例でもあります。
アンドレアス・ニーマンは、2001 年に 6HP トランスミッションに関する最初の ZF テキストを執筆しました。それ以来、この自動車ライターは、社内外の読者向けに多数の出版物に寄稿し、グループのより複雑なテーマに対する情熱を披露してきました。
元記事: https://www.zf.com/mobile/en/technologies/digitalization/stories/advanced_analytics.html