เกิดอะไรขึ้น
Business Insider รายงานว่า Safran ผู้ผลิตการบินกำลังขยายการใช้ซอฟต์แวร์ตรวจสอบคุณภาพที่ขับเคลื่อนด้วย AI ซึ่งพัฒนาโดย Loopr AI หลังจากโครงการนำร่องที่ริเริ่มขึ้นเมื่อสองปีที่แล้ว ปัจจุบัน Safran กำลังนำเทคโนโลยีนี้ไปใช้ในโรงงานผลิตในเมืองแมรีส์วิลล์ รัฐวอชิงตัน และซานตามาเรีย รัฐแคลิฟอร์เนีย ระบบใช้ข้อมูลสังเคราะห์เพื่อจัดการกับการขาดแคลนข้อมูลในการตรวจจับข้อบกพร่อง ช่วยลดเวลาในการตรวจสอบส่วนประกอบ เช่น ฝาชักโครกจาก 20-30 นาที เหลือ 5-10 นาที
จากข้อมูลของ Business Insider Safran ได้เริ่มโครงการนำร่องกับ Loopr AI เมื่อสองปีที่แล้วเพื่อทดสอบว่าปัญญาประดิษฐ์สามารถปรับปรุงการระบุข้อบกพร่องพร้อมทั้งลดเวลาในการตรวจสอบและจัดทำเอกสารได้หรือไม่ บริษัทเผชิญกับความท้าทายเนื่องจากผลิตชิ้นส่วนได้หลากหลายแต่ไม่ได้ผลิตในปริมาณมาก ทำให้เป็นการยากที่จะสะสมชุดข้อมูลในโลกแห่งความเป็นจริงนับพันชุดที่จำเป็นสำหรับการฝึกโมเดล AI ที่แข็งแกร่ง
เพื่อแก้ไขปัญหานี้ Loopr AI ใช้การสร้างข้อมูลสังเคราะห์ สร้างตัวอย่างการฝึกใหม่จากรูปภาพที่มีอยู่ และแก้ไขเพื่อเพิ่มขนาดชุดข้อมูล สิ่งนี้ทำให้ Safran สามารถจำลองสถานการณ์การผลิตที่หลากหลายในขณะเดียวกันก็ตรวจสอบผลลัพธ์กับข้อมูลในโลกแห่งความเป็นจริง ซอฟต์แวร์ตรวจจับข้อบกพร่องด้านความสวยงามในส่วนประกอบห้องโดยสารโดยเปรียบเทียบกับแบบร่างการผลิตและข้อกำหนดเฉพาะของชิ้นส่วน
การนำไปปฏิบัติทำให้ได้รับประสิทธิภาพที่วัดผลได้ สำหรับการตรวจสอบที่นั่งชักโครก เวลาดำเนินการลดลงจาก 20 เป็น 30 นาที เหลือเพียง 5 ถึง 10 นาที ระบบจะสร้างเอกสารข้อบกพร่องและการตรวจสอบโดยอัตโนมัติ ซึ่งเป็นงานที่ผู้ตรวจสอบเคยดำเนินการด้วยตนเองก่อนหน้านี้ Bindioa Ouali ผู้อำนวยการอาวุโสฝ่ายการผลิตดิจิทัลของ Safran กล่าวว่ากระบวนการที่เร็วขึ้นนี้ช่วยให้บริษัทสามารถผลิตชิ้นส่วนได้มากกว่าเดิม 10% ถึง 15% ส่งผลให้ปริมาณงานในการประกอบขั้นสุดท้ายเพิ่มขึ้น
เทคโนโลยีนี้ทำงานทั้งในโหมดอัตโนมัติและโหมดไฮบริด ในการตั้งค่าอัตโนมัติ แขนหุ่นยนต์จะถ่ายภาพชิ้นส่วนก่อนและหลังการพ่นสีเพื่อการวิเคราะห์ AI ในการตั้งค่าแบบไฮบริด เช่น สำหรับการประกอบห้องโดยสารที่ซับซ้อน ผู้ตรวจสอบจะถ่ายภาพด้วยตนเองจากมุมที่ต่างกันและอัปโหลดไปยังระบบ AI ระบุปัญหาที่อาจเกิดขึ้นและสร้างเอกสาร ในขณะที่มนุษย์สามารถตรวจสอบ ยืนยัน หรือแก้ไขสิ่งที่ค้นพบ ซึ่งจะช่วยปรับปรุงแบบจำลองเมื่อเวลาผ่านไป
Business Insider รายงานว่าเมื่อนักบินประสบความสำเร็จแล้ว Safran กำลังแนะนำเทคโนโลยีของ Loopr ในโรงงานในเมืองแมรีส์วิลล์ วอชิงตัน และซานตามาเรีย แคลิฟอร์เนีย ระบบนี้เป็นระบบที่ไม่เชื่อเรื่องฮาร์ดแวร์ สามารถทำงานบนกล้องและแท็บเล็ตประเภทต่างๆ ที่บริษัทใช้งานอยู่แล้ว
รายละเอียดที่มา: businessinsider.com ↗
ทำไมมันถึงสำคัญ
การใช้งานนี้แสดงให้เห็นถึงการประยุกต์ใช้ข้อมูลสังเคราะห์ในทางปฏิบัติในการแก้ปัญหา 'การขาดแคลนข้อมูล' ที่มีอยู่ในการผลิตที่มีปริมาณน้อยและมีความหลากหลายสูง Safran รายงานว่าปริมาณงานการผลิตเพิ่มขึ้น 10-15% ด้วยการตรวจหาข้อบกพร่องและจัดทำเอกสารเกี่ยวกับเครื่องสำอางโดยอัตโนมัติ กรณีศึกษานี้เน้นย้ำว่า AI สามารถสร้างมาตรฐานให้กับกระบวนการประกันคุณภาพ ลดข้อผิดพลาดที่เกี่ยวข้องกับความเหนื่อยล้าของมนุษย์ และรักษาความรู้ของสถาบันได้อย่างไร โดยนำเสนอแบบจำลองที่สามารถทำซ้ำได้สำหรับบริษัทการบินและอวกาศและการผลิตอื่นๆ ที่เผชิญกับความท้าทายด้านข้อมูลที่คล้ายกัน
นวัตกรรมหลักที่นี่คือการใช้ข้อมูลสังเคราะห์เพื่อเอาชนะปัญหาการขาดแคลนข้อมูลในการผลิตเฉพาะทาง การฝึกอบรม AI แบบดั้งเดิมต้องใช้ชุดข้อมูลข้อบกพร่องจริงจำนวนมาก ซึ่งหาได้ยากและมีราคาแพงในการสร้างในสภาพแวดล้อมการผลิตที่มีปริมาณน้อย ด้วยการสร้างข้อมูลเทียมที่เลียนแบบข้อบกพร่องที่แท้จริง บริษัทต่างๆ จึงสามารถฝึกอบรมโมเดลที่มีประสิทธิภาพได้โดยไม่ต้องรอประวัติศาสตร์การผลิตนานหลายปี
การปรับใช้นี้มีผลกระทบเชิงปฏิบัติโดยตรงต่อประสิทธิภาพในการปฏิบัติงาน รายงานปริมาณงานที่เพิ่มขึ้น 10-15% และเวลาในการตรวจสอบที่ลดลง ชี้ให้เห็นว่า AI สามารถลดต้นทุนการประกันคุณภาพได้อย่างมาก สิ่งนี้มีความเกี่ยวข้องเป็นพิเศษกับผู้ผลิตด้านการบินและอวกาศซึ่งความแม่นยำเป็นสิ่งสำคัญและต้นทุนแรงงานสูง
ระบบยังกล่าวถึงปัญหาความเหนื่อยล้าและความเป็นตัวของตัวเองของมนุษย์อีกด้วย แม้ว่าผู้ตรวจสอบที่มีประสบการณ์จะสามารถตรวจจับข้อบกพร่องได้มากถึง 90% แต่ประสิทธิภาพอาจแตกต่างกันไปเนื่องจากความล้า AI มอบมาตรฐานที่สอดคล้องกัน โดยขจัดความรู้สึกส่วนตัวและรักษาความรู้ของผู้ปฏิบัติงานที่มีประสบการณ์ในรูปแบบที่ปรับขนาดได้
กรณีศึกษานี้ทำหน้าที่เป็นข้อพิสูจน์แนวคิดสำหรับการประยุกต์ใช้ข้อมูลสังเคราะห์ใน AI ทางอุตสาหกรรมในวงกว้าง ซึ่งแสดงให้เห็นว่า AI ไม่เพียงแต่สำหรับสินค้าอุปโภคบริโภคที่มีปริมาณมากเท่านั้น แต่ยังสามารถนำมาใช้ได้อย่างมีประสิทธิภาพในภาคการผลิตที่ซับซ้อน ปริมาณต่ำ และมีความแม่นยำสูง
กลไกเชิงโต้ตอบ: มันทำงานอย่างไร
สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ
Which training-log entry describes one completed epoch?
จะดูอะไรต่อไป.
ตรวจสอบตัวชี้วัดประสิทธิภาพในระยะยาวของระบบการตรวจสอบ AI ที่โรงงานแห่งใหม่ของสหรัฐอเมริกา โดยเฉพาะเกี่ยวกับอัตราการเรียกคืนข้อบกพร่องและความสม่ำเสมอของปริมาณงาน ติดตามการนำเครื่องมือสร้างข้อมูลสังเคราะห์ไปใช้ในวงกว้างในห่วงโซ่อุปทานด้านการบินและอวกาศ และการตอบสนองด้านกฎระเบียบที่อาจเกิดขึ้นต่อการประกันคุณภาพที่ได้รับความช่วยเหลือจาก AI ในอุตสาหกรรมที่มีความสำคัญด้านความปลอดภัย
ติดตามประสิทธิภาพของระบบการตรวจสอบ AI ที่โรงงานแห่งใหม่ของสหรัฐฯ เพื่อดูว่าประสิทธิภาพที่เพิ่มขึ้นที่รายงานในโปรแกรมนำร่องนั้นยังคงรักษาระดับไว้ได้หรือไม่ มองหารายงานผลบวกลวงหรือผลลบที่อาจต้องมีการปรับแต่งโมเดลเพิ่มเติม
สังเกตว่าบริษัทด้านการบินและอวกาศหรือการผลิตอื่นๆ ใช้เครื่องมือตรวจสอบที่ขับเคลื่อนด้วยข้อมูลสังเคราะห์ที่คล้ายคลึงกันหรือไม่ สิ่งนี้อาจส่งสัญญาณถึงการเปลี่ยนแปลงของอุตสาหกรรมในวงกว้างไปสู่การประกันคุณภาพที่ได้รับความช่วยเหลือจาก AI
ติดตามการพัฒนาด้านกฎระเบียบเกี่ยวกับการใช้ AI ในการผลิตที่คำนึงถึงความปลอดภัย เนื่องจาก AI มีบทบาทมากขึ้นในการควบคุมคุณภาพ หน่วยงานกำกับดูแลอาจจำเป็นต้องสร้างมาตรฐานใหม่สำหรับการตรวจสอบและการกำกับดูแล
ติดตามการพัฒนาเพิ่มเติมจาก Loopr AI และผู้ให้บริการข้อมูลสังเคราะห์อื่นๆ ในขณะที่พวกเขาขยายข้อเสนอไปยังอุตสาหกรรมอื่นๆ ที่เผชิญกับความท้าทายในการขาดแคลนข้อมูลที่คล้ายคลึงกัน