کنترل کیفیت از طریق صدا، هوش مصنوعی برای افراد بدون تجربه

30 مارس 2021توسط Fraunhofer-Gesellschaft

چارچوب جدید نرم افزار IDMT-ISAAC متعلق به Fraunhofer IDMT ابزارهای تجزیه و تحلیل صوتی مبتنی بر هوش مصنوعی را فراهم می کند که حتی آن دسته از کاربرانی که دانش تخصصی AI ندارند می‌توانند از آن‌ها استفاده کنند. این نرم افزار متناسب با فرایندها و نیازهای تولید خاص  شرکتها سازگار است و بنابراین کاربران می‌توانند با تجزیه و تحلیل داده های صوتی، روش‌های تضمین کیفیت خود را گسترش داده و بهینه کنند.

بسیاری از شرکت‌ها اطمینان ندارند که مدل‌های هوش مصنوعی را آزمایش کنند. این مدل ها به سرعت، گیج‌کننده می شوند.  آن‌ها از یک ظرفیت بالقوه استفاده نشده برای کنترل کیفیت برخوردار هستند. اکنون نرم افزار جدید IDMT-ISAAC این امکان را برای کاربران بدون هیچ گونه دانش تخصصی در مورد هوش مصنوعی فراهم می کند تا از برنامه های هوش مصنوعی نیز بهره مند شوند.

هوش مصنوعی پتانسیل زیادی، به عنوان مثال برای کنترل کیفیت در شرکت‌های تولیدی دارد.  با این وجود روش آموزش مدل های هوش مصنوعی پیچیده است و دانش ریاضی را می طلبد. در نهایت، چنین تجزیه و تحلیل‌هایی ممکن است شامل پارامترهای بی شماری باشد. بنابراین موانع ورود به آن بسیار زیاد است . شرکت های کوچک و متوسط ​​(SME) که دپارتمان توسعه خود را ندارند معمولاً از کاربردهای هوش مصنوعی طفره می روند. عملیات در حال اجرا نیز نیاز به تخصص دارد. اگر بعد از برنامه ریزی الگوریتم هوش مصنوعی، طرح یا هندسه محصول یک جز کمی تغییر کند، الگوریتم در ابتدا این را یک خطا مشاهده خواهد کرد. سپس هوش مصنوعی نیاز به آموزش مجدد دارد.

نرم افزار IDMT-ISAAC از موسسه Fraunhofer برای فناوری رسانه های دیجیتال IDMT در ایلمنو به کاربران بدون هیچ گونه دانش تخصصی در زمینه هوش مصنوعی کمک می‌کند تا از این موانع عبور کنند. IDMT-ISAAC مخفف Industrial Sound Analysis برای کنترل خودکار کیفیت است. جودیت لیبتراو، از برنامه های رسانه های صنعتی پیشرو در Fraunhofer IDMT ، توضیح می دهد: «هدف این است که SME ها را واجد شرایط کنیم تا الگوریتم های هوش مصنوعی خود را اصلاح و انطباق دهند. آن‌ها می‌توانند IDMT-ISAAC را روی داده‌های صوتی خود اعمال كنند و نرم افزار را برای دستیابی به نتایج سریع و قابل اعتماد و كمك به سیستم‌های تصمیم گیری برای اقدامات تضمین كیفیت خود، مجدداً آموزش دهند.

همانطور که اپراتورهای  با تجربه می‌دانند، صدای فرآیند به نقص اشاره می‌کند. این نرم افزار نیز به صدا متکی است. محققان سیستم را با داده های صوتی ضبط شده از فرآیندهای جوشکاری آموزش دادند. نرم افزار AI صداهای فرآیند معمولی را تحلیل کرده و در مورد کیفیت درز جوش مورد نظر از داده های صوتی نتیجه گیری می کند. در هسته IDMT-ISAAC چارچوبی وجود دارد که به کاربران امکان می‌دهد پارامترهای مختلف را فقط با چند کلیک تغییر دهند، به عنوان مثال، فرآیند هوش مصنوعی را در مورد تغییر هندسه محصول آموزش دهند. پس از آن سیستم باید بتواند داده های در زمان واقعی تولید را به سرعت تجزیه و تحلیل کند و فرایندهای تضمین کیفیت را بهینه کند.  هدف این است که این نرم افزار طی سه تا چهار سال آینده به طور فعال در تولید مداخله کند.

این چارچوب پتانسیل‌های جدید تجزیه و تحلیل را برای مواردی بیش از فرآیندهای جوشکاری ارائه می‌دهد.

برای سازگاری نرم افزار برای تعدادی از گروه های کاربری می توان از پروفایل های کاربر مختلف استفاده کرد. هم برای تازه کاران و هم برای کاربران هوش مصنوعی مسلط به آن. توسعه دهندگان الگوریتم هوش مصنوعی دوست دارند درک کنند، به عنوان مثال، اینکه چگونه هوش مصنوعی تصمیمات خود را می گیرد و از صداهایی استفاده می کند که پایه آن تصمیمات است. لیبتراو می گوید: «بنابراین ما چارچوب را یک قدم به هوش مصنوعی قابل توضیح نزدیک می کنیم تا بتوانیم هوش مصنوعی را بیشتر درک کنیم.»