Mi történt
A Business Insider jelentése szerint a Safran légiközlekedési gyártó kiterjeszti a Loopr AI által kifejlesztett mesterségesintelligencia-alapú minőségellenőrző szoftver használatát. A két éve elindított kísérleti projekteket követően a Safran most bevezeti a technológiát Marysville-i (Washington) és Santa Maria (Kalifornia) gyártóüzemeibe. A rendszer szintetikus adatokat használ az adathiány kezelésére a hibaészlelés során, így az olyan alkatrészek ellenőrzési idejét, mint a WC-fedelek, 20-30 percről 5-10 percre csökkenti.
A Business Insider szerint a Safran két évvel ezelőtt kísérleti projekteket kezdett a Loopr AI-vel annak tesztelésére, hogy a mesterséges intelligencia javíthatja-e a hibák azonosítását, miközben csökkenti az ellenőrzési és dokumentációs időt. A vállalat kihívásokkal szembesült, mivel az alkatrészek széles választékát gyártja, de nem nagy mennyiségben, ami megnehezíti a robusztus mesterségesintelligencia-modellek betanításához jellemzően szükséges több ezer valós adatkészlet felhalmozását.
Ennek megoldására a Loopr AI szintetikus adatgenerálást alkalmazott, új képzési mintákat hozott létre a meglévő képekből, és megváltoztatta azokat az adatkészlet méretének növelése érdekében. Ez lehetővé tette a Safran számára, hogy különböző gyártási forgatókönyveket szimuláljon, miközben az eredményeket a valós adatokkal összehasonlítva érvényesítette. A szoftver a gyártási rajzokkal és a konkrét alkatrészigényekkel összehasonlítva észleli a fülke szerelvények kozmetikai hibáit.
A megvalósítás mérhető hatékonyságnövekedést hozott. A WC-ülőkék ellenőrzésekor a folyamatidő 20-ról 30 percre csökkent, és mindössze 5-10 percre csökkent. A rendszer automatikusan létrehozza a hiba- és vizsgálati lapokat, ezt a feladatot korábban az ellenőrök kézzel végezték el. Bindioa Ouali, a Safran digitális gyártásért felelős vezető igazgatója kijelentette, hogy ez a gyorsabb folyamat lehetővé tette a vállalat számára, hogy a korábbinál 10-15%-kal több alkatrészt gyártson, ami megnövelte a végső összeszerelés teljesítményét.
A technológia automatizált és hibrid üzemmódban is működik. Az automatizált beállításokban a robotkarok lefényképezik az alkatrészeket a festés előtt és után az AI elemzéshez. A hibrid beállításoknál, például az összetett kabinegységeknél, az ellenőrök manuálisan készítenek fényképeket különböző szögekből, és feltöltik azokat a rendszerbe. A mesterséges intelligencia azonosítja a lehetséges problémákat, és dokumentációt készít, míg az emberek felülvizsgálhatják, megerősíthetik vagy kijavíthatják a megállapításokat, ami idővel javítja a modellt.
A Business Insider jelentése szerint a sikeres kísérletek befejeztével a Safran most bevezeti a Loopr technológiáját Marysville-ben, Washingtonban és Santa Maria-ban, Kaliforniában. A rendszer hardveres-agnosztikus, képes a cég által már használt különféle kamerákon és táblagépeken futni.
Forrás részletei: businessinsider.com ↗
Miért számít
Ez az üzembe helyezés a szintetikus adatok gyakorlati alkalmazását mutatja be a kis volumenű, sokféle gyártásban rejlő „adathiány” probléma megoldásában. A kozmetikai hibák észlelésének és dokumentálásának automatizálásával a Safran 10-15%-os termelési teljesítménynövekedésről számol be. Ez az esettanulmány rávilágít arra, hogy a mesterséges intelligencia hogyan tudja szabványosítani a minőségbiztosítási folyamatokat, csökkenteni az emberi fáradtságból eredő hibákat, és megőrizni az intézményi tudást, reprodukálható modellt kínálva más repülőgépipari és gyártócégek számára, amelyek hasonló adatszolgáltatási kihívásokkal néznek szembe.
Az alapvető innováció itt a szintetikus adatok felhasználása az adathiány problémájának leküzdésére a speciális gyártásban. A hagyományos mesterséges intelligencia képzéshez valós hibák nagy adatkészletére van szükség, amelyek előállítása ritka és költséges kis mennyiségű gyártási környezetben. A valódi hibákat utánzó mesterséges adatok generálásával a vállalatok hatékony modelleket képezhetnek ki anélkül, hogy több éves gyártási múltra várnának.
Ennek a telepítésnek közvetlen gyakorlati hatásai vannak a működési hatékonyságra. Az áteresztőképesség 10-15%-os növekedése és az ellenőrzési idő csökkenése arra utal, hogy a mesterséges intelligencia jelentősen csökkentheti a minőségbiztosítás költségeit. Ez különösen fontos az űrrepülőgép-gyártók számára, ahol a precizitás kritikus, és a munkaerőköltségek magasak.
A rendszer az emberi fáradtság és a szubjektivitás kérdésével is foglalkozik. Míg a tapasztalt ellenőrök a hibák akár 90%-át is képesek észlelni, teljesítményük a fáradtság miatt változhat. Az AI konzisztens szabványt biztosít, megszüntetve a szubjektivitást, és skálázható formátumban megtartja a tapasztalt operátorok tudását.
Ez az esettanulmány a szintetikus adatok ipari mesterséges intelligencia területén történő szélesebb körű alkalmazásának koncepciójának bizonyítékaként szolgál. Bemutatja, hogy a mesterséges intelligencia nem csak a nagy mennyiségű fogyasztási cikkekre vonatkozik, hanem hatékonyan alkalmazható összetett, kis volumenű, nagy pontosságú gyártási ágazatokban is.
Interaktív mechanizmus: Hogyan működik valójában
Fedezze fel interaktívan a fejlesztés mögött meghúzódó technológiát.
Which training-log entry describes one completed epoch?
Mit nézzünk ezután
Kövesse nyomon a mesterséges intelligencia-ellenőrző rendszer hosszú távú teljesítménymutatóit az új egyesült államokbeli létesítményekben, különös tekintettel a hibák visszahívási arányára és az átviteli konzisztenciára. Figyelje meg a szintetikus adatgeneráló eszközök szélesebb körű elterjedését az űrhajózási ellátási láncban, valamint a biztonsági szempontból kritikus iparágakban a mesterséges intelligencia által támogatott minőségbiztosításra adott lehetséges szabályozási válaszokat.
Kövesse nyomon a mesterséges intelligencia-ellenőrző rendszer teljesítményét az új egyesült államokbeli létesítményekben, hogy megbizonyosodjon arról, hogy a pilóták során tapasztalt hatékonyságnövekedés nagymértékben fennmarad-e. Keressen minden olyan hamis pozitív vagy negatív jelentést, amely további modellhangolást igényelhet.
Figyelje meg, hogy más repülőgép-ipari vagy gyártó vállalatok alkalmaznak-e hasonló szintetikus adatvezérelt ellenőrző eszközöket. Ez egy szélesebb iparági elmozdulást jelezhet a mesterséges intelligencia által támogatott minőségbiztosítás felé.
Kövesse nyomon a szabályozási fejleményeket a mesterséges intelligencia biztonsági szempontból kritikus gyártásban való használatával kapcsolatban. Ahogy a mesterséges intelligencia egyre több szerepet kap a minőségellenőrzésben, a szabályozóknak új szabványokat kell megállapítaniuk az érvényesítéshez és a felügyelethez.
Figyelje a Loopr AI és más szintetikus adatszolgáltatók további fejlesztéseit, miközben kiterjesztik kínálatukat más iparágakra, amelyek hasonló adathiányos kihívásokkal néznek szembe.