Какво стана
Business Insider съобщава, че авиационният производител Safran разширява използването на базиран на AI софтуер за проверка на качеството, разработен от Loopr AI. След пилотни проекти, инициирани преди две години, Safran сега въвежда технологията в производствените си съоръжения в Мерисвил, Вашингтон, и Санта Мария, Калифорния. Системата използва синтетични данни за справяне с недостига на данни при откриване на дефекти, намалявайки времето за проверка на компоненти като капаци на тоалетни от 20-30 минути на 5-10 минути.
Според Business Insider Safran започна пилотни проекти с Loopr AI преди две години, за да провери дали изкуственият интелект може да подобри идентифицирането на дефекти, като същевременно намали времето за проверка и документиране. Компанията е изправена пред предизвикателства, тъй като произвежда голямо разнообразие от части, но не в големи обеми, което затруднява натрупването на хиляди набори от данни от реалния свят, които обикновено са необходими за обучение на стабилни AI модели.
За да се справи с това, Loopr AI използва генериране на синтетични данни, създавайки нови проби за обучение от съществуващи изображения и ги променя, за да увеличи размера на набора от данни. Това позволи на Safran да симулира различни производствени сценарии, докато валидира резултатите спрямо данни от реалния свят. Софтуерът открива козметични дефекти в модулите на кабината, като ги сравнява с производствените чертежи и специфичните изисквания за части.
Внедряването е довело до измерими печалби в ефективността. За инспекциите на тоалетни седалки времето за процеса спадна от 20 до 30 минути до само 5 до 10 минути. Системата автоматично създава листове за дефекти и проверки, задача, изпълнявана преди това ръчно от инспекторите. Bindioa Ouali, старши директор на дигиталното производство на Safran, заяви, че този по-бърз процес е позволил на компанията да произвежда 10% до 15% повече части от преди, увеличавайки производителността за окончателно сглобяване.
Технологията работи както в автоматизиран, така и в хибриден режим. При автоматизираните настройки роботизираните ръце снимат части преди и след нанасяне на боя за анализ с изкуствен интелект. При хибридни настройки, като например за сложни комплекти кабина, инспекторите ръчно правят снимки от различни ъгли и ги качват в системата. AI идентифицира потенциални проблеми и генерира документация, докато хората могат да преглеждат, потвърждават или коригират констатациите, което помага за подобряване на модела с течение на времето.
Business Insider съобщава, че със завършени успешни пилотни проекти Safran сега въвежда технологията на Loopr в своите съоръжения в Marysville, Washington и Santa Maria, California. Системата е хардуерно агностична и може да работи на различни видове камери и таблети, които вече се използват от компанията.
Детайли за източника: businessinsider.com ↗
Защо има значение
Това разгръщане демонстрира практическо приложение на синтетични данни за решаване на проблема с „недостига на данни“, присъщ на производството с малък обем и голямо разнообразие. Чрез автоматизиране на откриването и документирането на козметични дефекти Safran отчита 10-15% увеличение на производствената производителност. Този казус подчертава как AI може да стандартизира процесите за осигуряване на качество, да намали грешките, свързани с човешката умора, и да запази институционалните знания, предлагайки възпроизводим модел за други аерокосмически и производствени фирми, изправени пред подобни предизвикателства с данните.
Основната иновация тук е използването на синтетични данни за преодоляване на проблема с недостига на данни в специализираното производство. Традиционното AI обучение изисква големи набори от данни за реални дефекти, които са редки и скъпи за генериране в производствени среди с малък обем. Чрез генериране на изкуствени данни, които имитират реални дефекти, компаниите могат да обучават ефективни модели, без да чакат години производствена история.
Това внедряване има пряко практическо значение за оперативната ефективност. Отчетеното 10-15% увеличение на пропускателната способност и намаляването на времето за проверка предполагат, че изкуственият интелект може значително да намали разходите за осигуряване на качеството. Това е особено важно за производителите на авиационна техника, където прецизността е критична и разходите за труд са високи.
Системата също така разглежда проблема с човешката умора и субективност. Докато опитни инспектори могат да открият до 90% от дефектите, тяхното представяне може да варира поради умора. AI осигурява последователен стандарт, премахвайки субективността и запазвайки знанията на опитни оператори в мащабируем формат.
Този казус служи като доказателство за концепцията за по-широкото приложение на синтетичните данни в индустриалния AI. Той демонстрира, че AI не е само за потребителски стоки с големи количества, но може да бъде ефективно разгърнат в сложни производствени сектори с малък обем и висока точност.
Интерактивен механизъм: как всъщност работи
Разгледайте интерактивно основната технология зад тази разработка.
Which training-log entry describes one completed epoch?
Какво да гледате след това
Наблюдавайте дългосрочните показатели за ефективност на системата за инспекция на AI в новите съоръжения в САЩ, по-специално по отношение на процента на извикване на дефекти и последователността на пропускателната способност. Внимавайте за по-широко приемане на инструменти за генериране на синтетични данни във веригата за доставки в космическата промишленост и потенциални регулаторни отговори на подпомагано от AI осигуряване на качеството в критични за безопасността индустрии.
Проследете ефективността на системата за инспекция на AI в новите съоръжения в САЩ, за да видите дали печалбите в ефективността, отчетени в пилотните проекти, се поддържат в мащаб. Потърсете всички доклади за фалшиви положителни или отрицателни резултати, които може да изискват допълнителна настройка на модела.
Наблюдавайте дали други аерокосмически или производствени компании приемат подобни синтетични инструменти за проверка, управлявани от данни. Това може да сигнализира за по-широка промяна на индустрията към осигуряване на качеството, подпомагано от AI.
Наблюдавайте регулаторните разработки по отношение на използването на AI в критично за безопасността производство. Тъй като AI поема повече роли в контрола на качеството, регулаторите може да се наложи да установят нови стандарти за валидиране и надзор.
Следете за по-нататъшно развитие от Loopr AI и други доставчици на синтетични данни, докато разширяват своите предложения към други индустрии, изправени пред подобни предизвикателства с недостига на данни.