نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

1 اردیبهشت 1403 12:55 ق.ظ

راه اندازی اولین فناوری تبیین هوش مصنوعی در صنعت

21 دسامبر 2020

فناوری جدید با شناسایی ناسازگاری ها و ناهنجاری ها در مجموعه داده های بازرسی بینایی ، کنترل کیفیت را در تولید بهبود می بخشد.

بوستون ، ماساچوست ، شرکت نرم افزاری AI AI ، Neurala ، از راه اندازی فناوری تبیین هوش مصنوعی خود خبر داد که برای کاربردها یی در صنایع و تولید ساخته شده است. ویژگی جدید به تولیدکنندگان کمک می کند تا با شناسایی دقیق اشیا موجود در یک تصویر که مشکل خاصی ایجاد می کنند یا ناهنجاری دارند ، بازرسی کیفیت را بهبود بخشند.

ماکس ورساچه ، مدیرعامل و بنیانگذار این شرکت گفته که :

“تبیین به طور گسترده ای به عنوان یک ویژگی کلیدی برای سیستم های هوش مصنوعی شناخته شده است ، به ویژه هنگامی که در مورد شناسایی سوگیری یا مسائل اخلاقی است. اما این قابلیت در موارد استفاده صنعتی نیز دارای پتانسیل و ارزش بی نظیری است ، جایی که تولیدکنندگان نه تنها به هوش مصنوعی دقیق احتیاج دارند بلکه باید بدانند که چرا یک تصمیم خاص اتخاذ شده است. ما خوشحالیم که این فناوری جدید را به کار می گیریم تا تولیدکنندگان را قادر سازیم تا با حجم گسترده ای با داده های جمع آوری شده توسط سیستم های IIoT کارهای بیشتری انجام دهند و با دقت لازم برای پاسخگویی به خواسته های صنعت Industry 4.0 اقدام کنند.”

فناوری تبیین پذیری Neurala برای رفع چالش های دیجیتالی سازی صنعت 4.0 ساخته شده است. سیستم های اینترنت اشیا صنعتی به طور مداوم در حال جمع آوری مقادیر عظیمی از داده های وضعیت ماشین آلات به صورت تصاویر هستند که در روند بازرسی کیفیت استفاده می شوند. با معرفی ویژگی تبیین Neurala ، تولیدکنندگان می توانند از این مجموعه داده ها اطلاعات عملیاتی تری را بدست آورند و تشخیص دهند که آیا یک تصویر واقعاً غیرطبیعی است یا اینکه این خطای مثبت کاذب است و نتیجه شرایط دیگر محیط مانند نور است. این امر به تولیدکنندگان درک دقیق تری از اینکه چه اشتباهی رخ داده است ، و در کجای فرآیند تولید ، و به آنها امکان می دهد اقدامات مناسب را انجام دهند – چه برای حل مسئله در جریان تولید و چه برای بهبود کیفیت تصویر.

تولیدکنندگان می توانند از ویژگی تبیین پذیری Neurala با مدل های طبقه بندی یا تشخیص وضعیت استفاده کنند. با تبیین ، ناحیه تصویر برجسته می شود و باعث می شود مدل AI بینایی تصمیم خاصی درباره نقص بگیرد. در مورد طبقه بندی ، این شامل تصمیم گیری طبقاتی خاصی در مورد نحوه دسته بندی یک شی است. یا در مورد تشخیص ناهنجاری ، طبیعی یا غیر عادی بودن یک شی را نشان می دهد. با تولید این درک دقیق از عملکرد مدل AI و تصمیم گیری آن ، تولیدکنندگان قادر خواهند بود مدل هایی با عملکرد بهتر بسازند که به طور مداوم روندها و کارایی ها را بهبود بخشد.

https://industrytoday.com

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *