Technologies

05.12.2019
Künstliche Intelligenz
Künstliche Intelligenz
Intelligentere Denkmaschinen, die sich wie Menschen verhalten

Seit über 30 Jahren treffen unsere automatisierten Qualitätskontrollsysteme und Prüfstände Entscheidungen, um eine wirksame Kontrolle sicherzustellen. Heute ändern sich die Technologien und die Erwartungen sind höher: Wir wollen keine Maschinen mehr programmieren, wir wollen, dass sie selbst lernen. Es ist künstliche Intelligenz.

Alle reden über künstliche Intelligenz, aber was ist das?

Ist es mit dieser Technologie wirklich möglich, eine 100% fehlerfreie Qualitätskontrolle durchzuführen?

QMTMesure-Software
 
Künstliche Intelligenz
Ein trendiges, aber oft missverstandenes Thema
Einführung

Moderne technologische Konzepte wie künstliche Intelligenz (KI), maschinelles Lernen (ML), tiefes Lernen (DL) und Datenwissenschaft (DS) sind zu Trendthemen geworden, über die nur wenige sprechen Die Leute verstehen wirklich die Bedeutung und die Unterschiede.

Wir fassen diese Konzepte hier zusammen, um ihre Potenziale besser zu erklären. Das Hauptinteresse der künstlichen Intelligenz besteht darin, die menschliche Intelligenz auf Maschinen zu übertragen. Ziel ist es, Maschinen intelligenter und intelligenter zu machen, damit sie sich wie Menschen verhalten. Autonome Autos und Roboter sind die besten Beispiele für KI.

Maschinelles Lernen

Maschinelles Lernen ist eine Teilmenge der KI, die sich ausschließlich auf Vorhersagen konzentriert, die auf Erfahrungen basieren. Dadurch kann die Maschine eine datenbasierte Entscheidung treffen, anstatt eine bestimmte auszuführende Aufgabe explizit zu planen. ML-Algorithmen sind speziell entwickelt, lernen und verbessern sich im Laufe der Zeit. Es gibt nämlich 3 Arten von ML

  • Maschinelles Lernen mit (halb) überwachtem Lernen
  • Unüberwachte Lernmaschine
  • Maschinelles Lernen durch Verstärkung
Tiefes Lernen

Deep Learning ist ein Lernansatz, der neuronale Netze verwendet. Künstliche neuronale Netze werden von Neuronen im menschlichen Gehirn inspiriert. Sie bestehen aus mehreren künstlichen Neuronen, die miteinander verbunden sind. Je höher die Anzahl der Neuronen ist, desto "tiefer" ist das Netzwerk. Innerhalb des menschlichen Gehirns empfängt jedes Neuron ungefähr 100.000 elektrische Signale von anderen Neuronen. Jedes aktive Neuron kann eine aufregende oder hemmende Wirkung auf diejenigen ausüben, mit denen es verbunden ist. Innerhalb eines künstlichen Netzwerks ist das Prinzip dasselbe. Signale wandern zwischen Neuronen. Anstelle eines elektrischen Signals weist das neuronale Netzwerk jedoch verschiedenen Neuronen ein bestimmtes Gewicht zu. Ein Neuron, das mehr Last erhält, übt eine größere Wirkung auf benachbarte Neuronen aus. Die letzte Schicht von Neuronen sendet eine Antwort auf diese Signale aus. Data Science ist ein multidisziplinärer Begriff für eine Sammlung von Werkzeugen und Techniken zur Datenverarbeitung und Entwicklung von Algorithmen zur Lösung komplexer analytischer Probleme. Ziel ist es zunächst, versteckte Trends in den Rohdaten zu identifizieren, um die Leistung zu verbessern.

Die Verbindung zwischen künstlicher Intelligenz und Datenwissenschaft

Data Science ist ein multidisziplinärer Begriff für eine Sammlung von Werkzeugen und Techniken zur Datenverarbeitung und Entwicklung von Algorithmen zur Lösung komplexer analytischer Probleme. Ziel ist es zunächst, versteckte Trends in den Rohdaten zu identifizieren, um die Leistung zu verbessern.

Es ist wichtig zu beachten, dass ein großes Datenvolumen erforderlich ist, um AI effektiv zu implementieren. Es besteht daher eine sehr enge Verbindung zwischen KI und Big Data. Die Verwendung eines DataLake in Kombination mit einem AI-System ist besonders geeignet (siehe DataLake-Artikel ).

 

 

 
Künstliche Intelligenz bei QMT
Eine pragmatische und realistische Umsetzung
Einführung

QMT bietet mechatronische M2IS-Lösungen (Multi-Inspection) und Systeme zur Qualitätskontrolle und -prüfung an. Wir sind bestrebt, die besten Technologien bereitzustellen, um die Anforderungen des Kunden zu erfüllen. Im Einklang mit dieser Strategie bieten wir Lösungen an, die auf künstlicher Intelligenz und der Bewertung von Daten basieren, die in unsere Lösungen integriert sind.

Unsere Philosophie

Die von QMT integrierte KI ersetzt den Menschen nicht, sondern unterstützt ihn. Zu diesem Zweck erledigt die Maschine sich wiederholende Aufgaben mit hohem Volumen. Der Mensch hat somit mehr Zeit und Ressourcen für die Kontrolle und Prüfung der Wertschöpfung. Ziel ist es, die menschliche Arbeit zu fördern, Abfall zu minimieren und Elemente für die kontinuierliche Verbesserung von Prozessen durch Tests und Qualitätskontrolle bereitzustellen.

Unser Vorgehen

Wenn ein Bedarf unseres Kunden möglicherweise durch einen AI-basierten Ansatz gedeckt werden kann, begegnen wir der Herausforderung anhand der QMT AI-Checkliste. Wir versuchen, die folgenden Fragen mit unserem Kunden zu beantworten. Ist die Aufgabe:

  • Intensiv manuell
  • Bei großem Volumen
  • Strukturell repetitiv
  • Regression oder Klassifikation
  • Mit messbarem Erfolg?

Wenn die Antworten auf diese Fragen positiv sind, definieren wir gemeinsam mit dem Kunden die Spezifikationen und die Mittel zur Messung des Erfolgs. Bei der Konzeption und Implementierung der Lösung können unsere Experten von unseren Partnern unterstützt werden, um die beste Lösung anzubieten.

Ein Anwendungsbeispiel: QMT Digital Guardian

Digital Guardian ist ein autonomes und intelligentes Gerät, das sich sehr wiederholende Aufgaben beobachtet, die von einer Maschine oder einem Bediener ausgeführt werden. In einer ersten Phase lernt Digital Guardian aktiv den üblichen Zyklus der Aufgabe. Wenn es genug gelernt hat, kann es zur Überwachungsphase übergehen, in der Digital Guardian Anomalien erkennen und Informationen über den Sensor und das Signal, das den Alarm ausgelöst hat, bereitstellen kann. Digital Guardian befindet sich in der Entwicklung und wir sind offen für Partnerschaften, damit unsere ersten Kunden die Möglichkeiten nutzen können.

Diese Innovation wurde als Finalist für die CSEM Digital Journey 2019 ausgewählt

Partagez cette page
sur votre plateforme favorite