Что случилось
Business Insider сообщает, что авиационный производитель Safran расширяет использование программного обеспечения для проверки качества на базе искусственного интеллекта, разработанного Loopr AI. После пилотных проектов, начатых два года назад, Safran сейчас внедряет эту технологию на своих производственных предприятиях в Мерисвилле, штат Вашингтон, и Санта-Марии, штат Калифорния. Система использует синтетические данные для решения проблемы нехватки данных при обнаружении дефектов, сокращая время проверки таких компонентов, как крышки унитазов, с 20–30 минут до 5–10 минут.
По данным Business Insider, Safran два года назад начала пилотные проекты с Loopr AI, чтобы проверить, может ли искусственный интеллект улучшить выявление дефектов, одновременно сокращая время проверок и документирования. Компания столкнулась с проблемами, поскольку она производит широкий спектр деталей, но не в больших объемах, что затрудняет сбор тысяч наборов реальных данных, обычно необходимых для обучения надежных моделей искусственного интеллекта.
Чтобы решить эту проблему, Loopr AI использовал генерацию синтетических данных, создавая новые обучающие выборки из существующих изображений и изменяя их для увеличения размера набора данных. Это позволило Safran смоделировать различные производственные сценарии и сверить результаты с реальными данными. Программное обеспечение обнаруживает косметические дефекты в сборке кабины, сравнивая их с производственными чертежами и требованиями к конкретным деталям.
Внедрение привело к ощутимому повышению эффективности. При проверке сидений унитазов время процесса сократилось с 20–30 минут до 5–10 минут. Система автоматически создает ведомости дефектов и проверок — задача, которую инспекторы раньше выполняли вручную. Биндиоа Уали, старший директор по цифровому производству Safran, заявил, что этот более быстрый процесс позволил компании производить на 10–15% больше деталей, чем раньше, увеличивая производительность окончательной сборки.
Технология работает как в автоматическом, так и в гибридном режимах. В автоматизированных установках роботизированные руки фотографируют детали до и после нанесения краски для анализа с помощью искусственного интеллекта. В гибридных установках, например, при сложных сборках кабины, инспекторы вручную делают фотографии под разными углами и загружают их в систему. ИИ выявляет потенциальные проблемы и генерирует документацию, а люди могут просматривать, подтверждать или исправлять результаты, что помогает со временем улучшать модель.
Business Insider сообщает, что после успешных пилотных проектов Safran теперь внедряет технологию Loopr на своих предприятиях в Мэрисвилле, Вашингтон, и Санта-Марии, Калифорния. Система не зависит от аппаратного обеспечения и может работать на различных типах камер и планшетов, уже используемых компанией.
Подробности об источнике: businessinsider.com ↗
Почему это важно
Это развертывание демонстрирует практическое применение синтетических данных для решения проблемы «нехватки данных», присущей мелкосерийному и разнообразному производству. За счет автоматизации обнаружения и документирования косметических дефектов Safran сообщает об увеличении производительности производства на 10–15%. В этом тематическом исследовании показано, как ИИ может стандартизировать процессы обеспечения качества, уменьшить количество ошибок, связанных с усталостью человека, и сохранить институциональные знания, предлагая воспроизводимую модель для других аэрокосмических и производственных компаний, сталкивающихся с аналогичными проблемами с данными.
Ключевой инновацией здесь является использование синтетических данных для решения проблемы нехватки данных в специализированном производстве. Традиционное обучение искусственному интеллекту требует больших наборов данных о реальных дефектах, создание которых в небольших производственных средах встречается редко и дорого. Генерируя искусственные данные, имитирующие реальные дефекты, компании могут обучать эффективные модели, не дожидаясь многолетней истории производства.
Такое развертывание имеет прямые практические последствия для операционной эффективности. Сообщаемое увеличение пропускной способности на 10–15 % и сокращение времени проверки позволяют предположить, что искусственный интеллект может значительно снизить затраты на обеспечение качества. Это особенно актуально для производителей аэрокосмической продукции, где точность имеет решающее значение, а затраты на рабочую силу высоки.
Система также решает проблему человеческой усталости и субъективности. Хотя опытные инспекторы могут обнаружить до 90% дефектов, их производительность может варьироваться в зависимости от усталости. ИИ обеспечивает единый стандарт, устраняя субъективность и сохраняя знания опытных операторов в масштабируемом формате.
Этот практический пример служит доказательством концепции более широкого применения синтетических данных в промышленном искусственном интеллекте. Это демонстрирует, что ИИ предназначен не только для производства потребительских товаров в больших объемах, но и может быть эффективно использован в сложных, мелкообъемных и высокоточных производственных секторах.
Интерактивный механизм: как он на самом деле работает
Изучите технологию, лежащую в основе этой разработки, в интерактивном режиме.
Which training-log entry describes one completed epoch?
Что посмотреть дальше
Отслеживайте долгосрочные показатели производительности системы проверки искусственного интеллекта на новых объектах в США, особенно в отношении частоты отзыва дефектов и стабильности пропускной способности. Следите за более широким внедрением инструментов генерации синтетических данных в цепочке поставок аэрокосмической отрасли и потенциальными ответными мерами регулирующих органов на обеспечение качества с помощью искусственного интеллекта в критически важных для безопасности отраслях.
Отслеживайте эффективность системы проверки ИИ на новых объектах в США, чтобы увидеть, сохраняется ли достигнутый в ходе пилотных проектов рост эффективности. Ищите любые сообщения о ложноположительных или отрицательных результатах, которые могут потребовать дальнейшей настройки модели.
Понаблюдайте, применяют ли другие аэрокосмические или производственные компании аналогичные инструменты проверки на основе синтетических данных. Это может сигнализировать о более широком переходе отрасли к обеспечению качества с помощью искусственного интеллекта.
Следите за развитием нормативных требований, касающихся использования искусственного интеллекта в производстве, где важна безопасность. Поскольку ИИ берет на себя все большую роль в контроле качества, регулирующим органам, возможно, придется установить новые стандарты проверки и надзора.
Следите за дальнейшими разработками Loopr AI и других поставщиков синтетических данных, поскольку они расширяют свои предложения для других отраслей, сталкивающихся с аналогичными проблемами нехватки данных.