Empat langkah untuk kejayaan aplikasi kecerdasan buatan dalam pembuatan

Pengilang boleh mendapat manfaat daripada kecerdasan buatan dalam pelbagai cara, seperti meningkatkan pengeluaran, kawalan kualiti dan kecekapan. Walaupun AI menawarkan beberapa aplikasi baharu untuk pengilang, untuk mendapatkan nilai tertinggi, syarikat mesti menggunakannya sepanjang keseluruhan proses pembuatan.

Ini bermakna jurutera pembuatan perlu menumpukan pada empat aspek utama penyediaan data AI, pemodelan, simulasi dan ujian serta penggunaan untuk berjaya beroperasi dalam pembuatan tanpa gangguan. Kecerdasan buatan adalah digunakan dalam proses.

Tidak perlu menjadi pakar AI

Jurutera mungkin berpendapat bahawa membangunkan model AI mengambil masa yang agak lama, tetapi ini selalunya tidak berlaku. Pemodelan ialah langkah penting dalam proses aliran kerja, tetapi ia bukan matlamat akhir. Kunci untuk berjaya menggunakan AI ialah mengenal pasti sebarang isu pada permulaan proses. Ini membolehkan jurutera mengetahui aspek aliran kerja yang memerlukan pelaburan masa dan sumber untuk mendapatkan hasil yang terbaik.

Apabila membincangkan aliran kerja, terdapat dua perkara yang perlu dipertimbangkan:

Sistem pembuatan adalah besar dan kompleks, dan kecerdasan buatan hanyalah satu bahagian daripadanya. Oleh itu, AI perlu bekerjasama dengan semua bahagian kerja lain pada barisan pengeluaran dalam semua senario. Sebahagian daripada ini menggunakan protokol komunikasi industri, seperti OPCUA, dan perisian mesin lain, seperti logik kawalan dan pemantauan serta antara muka mesin manusia, untuk mengumpul data daripada penderia pada peralatan.

Dalam kes ini, jurutera telah pun bersedia untuk berjaya apabila menggabungkan AI kerana mereka sudah memahami peranti itu, tidak kira sama ada mereka mempunyai pengalaman AI yang luas. Dalam erti kata lain, jika mereka bukan pakar AI, mereka masih boleh menggunakan kepakaran mereka untuk berjaya menambahkan AI pada aliran kerja mereka.

Aliran kerja dipacu AI

Membina aliran kerja dipacu AI memerlukan 4 langkah:

1 Penyediaan data

Apabila tiada yang baik Apabila menggunakan data untuk melatih model AI, projek lebih berkemungkinan gagal. Oleh itu, penyediaan data adalah penting. Data yang salah boleh memakan masa jurutera untuk mengetahui sebab model itu tidak berfungsi.

Melatih model biasanya merupakan langkah yang paling memakan masa, tetapi ia juga merupakan langkah penting. Jurutera harus bermula dengan data yang paling bersih, berlabel yang mungkin dan menumpukan pada memasukkan data ke dalam model daripada menumpukan pada menambah baik model.

Sebagai contoh, jurutera harus menumpukan pada prapemprosesan dan memastikan data yang dimasukkan ke dalam model dilabel dengan betul, bukannya melaraskan parameter dan memperhalusi model. Ini memastikan model memahami dan memproses data.

Cabaran lain ialah perbezaan antara operator mesin dan pengeluar mesin. Yang pertama biasanya mempunyai akses kepada operasi peranti, manakala yang kedua memerlukan data ini untuk melatih model AI. Untuk memastikan pengeluar mesin berkongsi data dengan pengendali mesin (iaitu pelanggan mereka), kedua-dua pihak harus membangunkan protokol dan model perniagaan untuk mengawal perkongsian ini.

Pengilang peralatan pembinaan Caterpillar memberikan contoh yang bagus tentang kepentingan penyediaan data. Ia mengumpul sejumlah besar data medan, yang, walaupun diperlukan untuk pemodelan AI yang tepat, bermakna ia mengambil banyak masa untuk membersihkan dan melabel data. Syarikat itu berjaya memanfaatkan MATLAB untuk menyelaraskan proses ini. Ia membantu syarikat membangunkan data berlabel bersih yang kemudiannya boleh dimasukkan ke dalam model pembelajaran mesin, memanfaatkan cerapan yang berkuasa daripada jentera di lapangan. Selain itu, proses ini berskala dan fleksibel untuk pengguna yang mempunyai kepakaran domain tetapi bukan pakar AI.

2. Pemodelan Kecerdasan Buatan

Fasa ini bermula selepas data dibersihkan dan dilabelkan dengan betul. Sebenarnya, ini adalah apabila model belajar daripada data. Jurutera tahu mereka telah memasuki fasa pemodelan yang berjaya apabila mereka mempunyai model yang tepat dan boleh dipercayai yang boleh membuat keputusan bijak berdasarkan input. Peringkat ini juga memerlukan jurutera menggunakan pembelajaran mesin, pembelajaran mendalam atau gabungan kedua-duanya untuk menentukan keputusan yang paling tepat.

Dalam fasa pemodelan, sama ada menggunakan model pembelajaran mendalam atau pembelajaran mesin, adalah penting untuk mempunyai akses kepada beberapa algoritma aliran kerja kecerdasan buatan, seperti klasifikasi, ramalan dan regresi. Sebagai titik permulaan, pelbagai model pra-bina yang dicipta oleh komuniti yang lebih luas mungkin berguna. Jurutera juga boleh menggunakan alat yang fleksibel seperti MATLAB dan Simulink.

Perlu diambil perhatian bahawa walaupun algoritma dan model pra-bina merupakan permulaan yang baik, jurutera harus mencari laluan paling cekap untuk pelaksanaan khusus mereka dengan menggunakan algoritma dan contoh daripada orang lain dalam Sasaran bidang mereka. Itulah sebabnya MATLAB menyediakan ratusan contoh berbeza untuk membina model AI merentas berbilang domain.

Selain itu, aspek lain yang perlu dipertimbangkan ialah penjejakan perubahan dan pengelogan lelaran latihan adalah penting. Alat seperti Pengurus Eksperimen boleh membantu mencapai ini dengan mentafsir parameter yang membawa kepada model yang paling tepat dan hasil yang boleh dihasilkan semula.

3. Simulasi dan ujian

Langkah ini memastikan model AI berfungsi dengan betul. Model AI adalah sebahagian daripada sistem yang lebih besar dan perlu berfungsi dengan pelbagai bahagian sistem. Contohnya, dalam pembuatan, model AI mungkin menyokong penyelenggaraan ramalan, perancangan trajektori dinamik atau pemeriksaan kualiti visual.

Selebihnya perisian mesin termasuk kawalan, logik pemantauan dan komponen lain. Simulasi dan ujian memberitahu jurutera bahawa bahagian model berfungsi seperti yang diharapkan, kedua-duanya sendiri dan dengan sistem lain. Sesuatu model hanya boleh digunakan dalam dunia nyata jika ia boleh ditunjukkan bahawa ia berfungsi seperti yang diharapkan dan cukup berkesan untuk mengurangkan risiko.

Tidak kira situasi, model mesti bertindak balas dengan cara yang sepatutnya. Sebelum menggunakan model, jurutera harus memahami beberapa soalan pada peringkat ini:

• Adakah model itu sangat tepat?
• Dalam setiap senario, adakah model itu berprestasi seperti yang diharapkan?
• Adakah semua sarung tepi dilindungi?

Alat seperti Simulink membolehkan jurutera menyemak sama ada model berkelakuan seperti yang diharapkan sebelum menggunakannya pada peranti. Ini membantu mengelakkan daripada menghabiskan masa dan wang untuk reka bentuk semula. Alat ini juga membantu membina tahap kepercayaan yang tinggi dengan berjaya mensimulasikan dan menguji kes yang dimaksudkan model dan mengesahkan bahawa matlamat yang diharapkan tercapai.

4. Penggunaan

Setelah anda bersedia untuk menggunakan, langkah seterusnya ialah menyediakan model dalam bahasa yang akan digunakan. Untuk melakukan ini, jurutera selalunya perlu berkongsi model luar biasa. Ini membolehkan model disesuaikan dengan persekitaran perkakasan kawalan tertentu, seperti pengawal terbenam, PLC atau peranti tepi. Alat fleksibel seperti MATLAB selalunya boleh menjana kod akhir dalam sebarang jenis senario, memberikan jurutera keupayaan untuk menggunakan model dalam banyak persekitaran berbeza daripada vendor perkakasan yang berbeza. Mereka boleh melakukan ini tanpa menulis semula kod asal.

Sebagai contoh, apabila menggunakan model terus ke PLC, penjanaan kod automatik menghapuskan ralat pengekodan yang mungkin disertakan semasa pengaturcaraan manual. Ini juga menyediakan kod C/C++ atau IEC61131 yang dioptimumkan yang akan berjalan dengan cekap pada PLC vendor utama.

Penggunaan kecerdasan buatan yang berjaya tidak memerlukan saintis data atau pakar kecerdasan buatan. Walau bagaimanapun, terdapat beberapa sumber utama yang boleh membantu jurutera dan model AI mereka bersedia untuk berjaya. Ini termasuk alatan khusus yang dibuat untuk saintis dan jurutera, apl dan keupayaan untuk menambahkan AI pada aliran kerja, pelbagai pilihan penggunaan untuk digunakan dalam operasi tanpa henti dan pakar bersedia untuk menjawab soalan berkaitan AI. Memberi jurutera sumber yang betul untuk membantu berjaya menambahkan AI akan membolehkan mereka memberikan hasil yang terbaik.

Atas ialah kandungan terperinci Empat langkah untuk kejayaan aplikasi kecerdasan buatan dalam pembuatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!