• Регистрация
Onostasiia
Onostasiia 0.00
н/д

Ключевые тенденции в области ИИ и Индустрии 4.0 для инженеров в 2020 году

17.10.2020

Поскольку Индустрия 4.0 и искусственный интеллект постоянно пересматривают границы возможностей инженеров и ученых, 2020 год станет поворотным. Вот основные тенденции, которых мы можем ожидать в ближайшие 12 месяцев

Благодаря улучшенному доступу к существующим моделям глубокого обучения и исследованиям работа над проектами ИИ станет более доступной для ученых и инженеров. Традиционно, модели искусственного интеллекта в большинстве своем основывались на изображениях, но в следующем году они будут включать более широкий диапазон данных, от сенсора до временных рядов, текстовых и радиолокационных данных.

Ученые и инженеры будут особенно успешными с проектами ИИ, учитывая присущие им знания в предметной области, но использование таких инструментов, как автоматическая маркировка, для быстрого создания больших и высококачественных наборов данных будет ключом к успеху. Чем выше качество данных и чем их больше, тем выше вероятность точности модели ИИ и больше шансов на успех.

Поскольку Индустрия 4.0 и искусственный интеллект постоянно пересматривают границы возможностей инженеров и ученых, 2020 год станет поворотным. Вот основные тенденции, которых мы можем ожидать в ближайшие 12 месяцев.

Изобилие инструментов проектирования на основе моделей

Системы с более сложным дизайном, управляемые ИИ, находятся на подъеме, требуя более строгих процессов тестирования из-за существенного влияния поведения модели ИИ на общую производительность системы. Поэтому в 2020 году мы увидим более широкое распространение инструментов проектирования на основе моделей, которые обеспечивают моделирование, интеграцию и непрерывное тестирование.

Моделирование позволяет разработчикам тестировать, как искусственный интеллект взаимодействует с системой, интеграция позволяет им опробовать проекты в контексте всей системы, а непрерывное тестирование позволяет легко выявлять слабые места в наборах данных для обучения ИИ и недостатки конструкции других компонентов.

Гибкие производственные линии с коботами и ИИ

Коботы, параметризованные и настроенные с помощью ИИ - роботы для совместной работы, которые работают вместе с людьми, - станут ключом к созданию действительно гибких производственных линий в следующем году. За последние пять лет было много разговоров о новом видении автоматизации в производственных цехах - «размер выборки один», когда производственные линии производят отдельные изделия и, таким образом, избегают неэффективности и длительного времени переналадки.

Чтобы это видение полной индивидуализации производства стало реальностью в рамках Индустрии 4.0, производственные линии должны быть гибкими, с несколькими мехатронными модулями, которые можно переставлять на лету, и с большим количеством доступных коботов, которые можно настроить с помощью ИИ в соответствии с следующим индивидуальным товаром. для производства.

Прогнозируемое обслуживание с помощью периферийных вычислений

Использование облачных систем в дополнение к большей вычислительной мощности промышленных контроллеров и периферийных вычислительных устройств открывает путь для новой функциональности программного обеспечения в производственных системах. Прогностическое обслуживание улучшится, поскольку данные поступают не только с отдельного компьютера, но и с нескольких сайтов и оборудования разных поставщиков. Кроме того, алгоритмы на основе искусственного интеллекта повысят эффективность на предприятиях, поскольку они могут динамически оптимизировать производительность всей производственной линии при минимальных затратах на энергию.

Промышленные приложения обучения с подкреплением

Обучение с подкреплением, при котором компьютер учится выполнять задачу посредством повторяющихся взаимодействий методом проб и ошибок с динамической средой, превратится из обыгрывания людей в настольных играх, таких как го и шахматы, в серьезную поддержку для инженеров. Он будет использоваться для реализации контроллеров и алгоритмов принятия решений для сложных систем, таких как роботы и автономные системы.

Более простые инструменты для инженеров по созданию и обучению политик обучения с подкреплением и разработка данных моделирования для обучения являются ключевыми драйверами для развертывания обучения с подкреплением (RL) как способа улучшения больших промышленных систем.

Другие возможности для RL включают более простую интеграцию агентов обучения с подкреплением в инструменты моделирования системы и генерацию кода для встроенного оборудования. Например, добавление агента RL в систему автономного вождения может улучшить и оптимизировать работу водителя, увеличить скорость, снизить расход топлива и время отклика, и это лишь некоторые из них.

По мере развития технологий ученые и инженеры будут пользоваться бесчисленными преимуществами, но использование инструментов и готовность учиться и адаптироваться к работе с более крупными наборами данных, создавать новые модели и тестировать системы, основанные на искусственном интеллекте, будут необходимы для максимального использования всего, что есть в Индустрии 4.0. предлагать.

 

Автор Jos Martin, MathWorks

Переводчик Буровцева Анастасия, СПбПУ

Теги

      17.10.2020

      Комментарии