Chuyện gì đã xảy ra
Business Insider báo cáo rằng nhà sản xuất hàng không Safran đang mở rộng việc sử dụng phần mềm kiểm tra chất lượng do AI cung cấp do Loopr AI phát triển. Sau các dự án thí điểm được khởi xướng hai năm trước, Safran hiện đang giới thiệu công nghệ này cho các cơ sở sản xuất của mình ở Marysville, Washington và Santa Maria, California. Hệ thống sử dụng dữ liệu tổng hợp để giải quyết tình trạng khan hiếm dữ liệu trong việc phát hiện khuyết tật, giảm thời gian kiểm tra các bộ phận như nắp bồn cầu từ 20-30 phút xuống còn 5-10 phút.
Theo Business Insider, Safran đã bắt đầu các dự án thí điểm với Loopr AI cách đây hai năm để kiểm tra xem liệu trí tuệ nhân tạo có thể cải thiện khả năng xác định lỗi đồng thời giảm thời gian kiểm tra và ghi chép hay không. Công ty phải đối mặt với những thách thức vì sản xuất nhiều bộ phận khác nhau nhưng không có số lượng lớn, gây khó khăn cho việc tích lũy hàng nghìn bộ dữ liệu trong thế giới thực thường cần thiết để đào tạo các mô hình AI mạnh mẽ.
Để giải quyết vấn đề này, Loopr AI đã sử dụng tính năng tạo dữ liệu tổng hợp, tạo các mẫu đào tạo mới từ các hình ảnh hiện có và thay đổi chúng để tăng kích thước tập dữ liệu. Điều này cho phép Safran mô phỏng các kịch bản sản xuất khác nhau đồng thời xác thực kết quả dựa trên dữ liệu thực tế. Phần mềm phát hiện các khiếm khuyết về mặt thẩm mỹ trong cụm cabin bằng cách so sánh chúng với bản vẽ sản xuất và các yêu cầu bộ phận cụ thể.
Việc thực hiện đã mang lại hiệu quả đạt được có thể đo lường được. Đối với việc kiểm tra chỗ ngồi trong nhà vệ sinh, thời gian xử lý giảm từ 20 đến 30 phút xuống chỉ còn 5 đến 10 phút. Hệ thống tự động tạo các phiếu kiểm tra và lỗi, một nhiệm vụ trước đây được thực hiện thủ công bởi các thanh tra viên. Bindioa Ouali, giám đốc cấp cao về sản xuất kỹ thuật số của Safran, cho biết quy trình nhanh hơn này đã cho phép công ty sản xuất nhiều bộ phận hơn từ 10% đến 15% so với trước đây, tăng công suất cho khâu lắp ráp cuối cùng.
Công nghệ này hoạt động ở cả chế độ tự động và kết hợp. Trong các thiết lập tự động, cánh tay robot sẽ chụp ảnh các bộ phận trước và sau khi sơn để phân tích AI. Trong các thiết lập kết hợp, chẳng hạn như đối với các cụm cabin phức tạp, người kiểm tra sẽ chụp ảnh theo cách thủ công từ các góc khác nhau và tải chúng lên hệ thống. AI xác định các vấn đề tiềm ẩn và tạo tài liệu, trong khi con người có thể xem xét, xác nhận hoặc sửa các phát hiện, giúp cải thiện mô hình theo thời gian.
Business Insider báo cáo rằng sau khi hoàn thành các thử nghiệm thành công, Safran hiện đang giới thiệu công nghệ của Loopr cho các cơ sở ở Marysville, Washington và Santa Maria, California. Hệ thống này không phụ thuộc vào phần cứng, có khả năng chạy trên nhiều loại máy ảnh và máy tính bảng khác nhau đã được công ty sử dụng.
Chi tiết nguồn: businessinsider.com ↗
Tại sao nó quan trọng
Việc triển khai này thể hiện ứng dụng thực tế của dữ liệu tổng hợp trong việc giải quyết vấn đề 'khan hiếm dữ liệu' vốn có trong sản xuất khối lượng thấp, đa dạng. Bằng cách tự động hóa việc phát hiện và ghi lại các khiếm khuyết về mỹ phẩm, Safran báo cáo năng suất sản xuất tăng 10-15%. Nghiên cứu điển hình này nêu bật cách AI có thể tiêu chuẩn hóa các quy trình đảm bảo chất lượng, giảm các lỗi liên quan đến sự mệt mỏi của con người và lưu giữ kiến thức thể chế, cung cấp mô hình có thể nhân rộng cho các công ty sản xuất và hàng không vũ trụ khác đang đối mặt với những thách thức dữ liệu tương tự.
Sự đổi mới cốt lõi ở đây là việc sử dụng dữ liệu tổng hợp để khắc phục vấn đề khan hiếm dữ liệu trong sản xuất chuyên dụng. Đào tạo AI truyền thống yêu cầu bộ dữ liệu lớn về các khiếm khuyết thực sự, rất hiếm và tốn kém khi tạo ra trong môi trường sản xuất khối lượng thấp. Bằng cách tạo ra dữ liệu nhân tạo bắt chước các khiếm khuyết thực sự, các công ty có thể đào tạo các mô hình hiệu quả mà không cần phải chờ đợi nhiều năm lịch sử sản xuất.
Việc triển khai này có ý nghĩa thực tế trực tiếp đối với hiệu quả hoạt động. Thông lượng tăng 10-15% được báo cáo và giảm thời gian kiểm tra cho thấy AI có thể giảm đáng kể chi phí đảm bảo chất lượng. Điều này đặc biệt phù hợp với các nhà sản xuất hàng không vũ trụ, nơi độ chính xác là rất quan trọng và chi phí lao động cao.
Hệ thống này cũng giải quyết vấn đề mệt mỏi và tính chủ quan của con người. Mặc dù những người kiểm tra có kinh nghiệm có thể phát hiện tới 90% khuyết tật nhưng hiệu suất của họ có thể thay đổi do mệt mỏi. AI cung cấp một tiêu chuẩn nhất quán, loại bỏ tính chủ quan và lưu giữ kiến thức của những người vận hành có kinh nghiệm ở định dạng có thể mở rộng.
Nghiên cứu điển hình này đóng vai trò là bằng chứng về khái niệm cho ứng dụng rộng rãi hơn của dữ liệu tổng hợp trong AI công nghiệp. Nó chứng tỏ rằng AI không chỉ dành cho hàng tiêu dùng khối lượng lớn mà còn có thể được triển khai hiệu quả trong các lĩnh vực sản xuất phức tạp, khối lượng thấp, độ chính xác cao.
Cơ chế tương tác: Nó thực sự hoạt động như thế nào
Khám phá công nghệ cơ bản đằng sau sự phát triển này một cách tương tác.
Which training-log entry describes one completed epoch?
Xem gì tiếp theo
Giám sát các số liệu hiệu suất dài hạn của hệ thống kiểm tra AI tại các cơ sở mới của Hoa Kỳ, đặc biệt là về tỷ lệ thu hồi lỗi và tính nhất quán về thông lượng. Theo dõi việc áp dụng rộng rãi hơn các công cụ tạo dữ liệu tổng hợp trong chuỗi cung ứng hàng không vũ trụ và các phản ứng pháp lý tiềm năng đối với việc đảm bảo chất lượng được hỗ trợ bởi AI trong các ngành quan trọng về an toàn.
Theo dõi hiệu suất của hệ thống kiểm tra AI tại các cơ sở mới của Hoa Kỳ để xem liệu mức tăng hiệu quả được báo cáo trong các chương trình thí điểm có được duy trì ở quy mô lớn hay không. Tìm kiếm bất kỳ báo cáo nào về kết quả dương tính hoặc âm tính giả có thể yêu cầu điều chỉnh mô hình thêm.
Quan sát xem các công ty sản xuất hoặc hàng không vũ trụ khác có áp dụng các công cụ kiểm tra dựa trên dữ liệu tổng hợp tương tự hay không. Điều này có thể báo hiệu một sự thay đổi rộng hơn trong ngành theo hướng đảm bảo chất lượng được hỗ trợ bởi AI.
Giám sát sự phát triển quy định liên quan đến việc sử dụng AI trong sản xuất quan trọng về an toàn. Khi AI đảm nhận nhiều vai trò hơn trong việc kiểm soát chất lượng, các cơ quan quản lý có thể cần thiết lập các tiêu chuẩn mới để xác nhận và giám sát.
Theo dõi những bước phát triển tiếp theo từ Loopr AI và các nhà cung cấp dữ liệu tổng hợp khác khi họ mở rộng dịch vụ của mình sang các ngành khác đang phải đối mặt với những thách thức khan hiếm dữ liệu tương tự.