ხელოვნური ინტელექტი თვითმფრინავის ნაწილების შემოწმებას აჩქარებს

ავიამწარმოებელ Safran-ში ინსპექტორები კომპანიის მიერ წარმოებული უნიტაზის სახურავის შემოწმებას ადრე 20-დან 30 წუთამდე ანდომებდნენ.

თვითმფრინავებში საპირფარეშოები უნაკლო უნდა იყოს. ამიტომ ინსპექტორები, სხვა დეფექტებთან ერთად, ფერის ერთგვაროვნებასა და ზედაპირის სიგლუვეს ამოწმებენ. ზედაპირზე საღებავის ბუშტები და ნაკაწრები არ უნდა იყოს.

Safran-ის ციფრული წარმოების, რობოტიკისა და ავტომატიზაციის განყოფილების უფროსმა დირექტორმა, ბინდიოა უალიმ განაცხადა, რომ ხარისხის კონტროლის ზოგი სპეციალისტი კომპანიაში ამ საქმეს 10 წელზე მეტია ასრულებს. მათ სალონის სამზარეულოებში, სამგზავრო სავარძლებსა და სხვა ნაწილებში საწარმოო დეფექტების 90%-მდე გამოვლენა შეუძლიათ.

თუმცა, მრავალსაათიანი შემოწმების შემდეგ დაღლილობა იჩენს თავს და დეფექტების გამოვლენის მაჩვენებელი იცვლება. ლიჰაის უნივერსიტეტის ენერგეტიკის კვლევითი ცენტრის მთავარმა მკვლევარმა ჟენ იაომ Business Insider-თან ინტერვიუში თქვა, რომ ხელოვნურ ინტელექტს ამ შრომატევადი პროცესების გამარტივება შეუძლია. თუმცა, ტექნოლოგიის გასაწვრთნელად კომპანიებს საკმარისი მონაცემები სჭირდებათ. მისი თქმით, მონაცემების სიმცირისას მათ შეუძლიათ სინთეზური მონაცემები გამოიყენონ, ანუ ხელოვნურად შექმნილი ინფორმაცია, რომელიც რეალურ მონაცემებს იმეორებს.

მონაცემების სიმცირის აღმოსაფხვრელად პროგრამული უზრუნველყოფის კომპანიები Loopr AI, Spectron და Akridata კომპიუტერული გამოსახულებებით, სამგანზომილებიანი მოდელებითა და სიმულაციის სხვა საშუალებებით სინთეზურ მონაცემებს ქმნიან. ეს მიდგომა კომპანიებს წუნდებული ნაწილების ძვირადღირებული ჩამოწერისა და ხელახლა დამუშავების თავიდან აცილებაში ეხმარება.

უალის თქმით, Safran-მა Loopr AI-სთან საცდელი პროექტები ორი წლის წინ დაიწყო. კომპანიას სურდა გაერკვია, შეძლებდა თუ არა ხელოვნური ინტელექტი დეფექტების უკეთ გამოვლენასა და შემოწმებისა და დოკუმენტირების დროის შემცირებას.

Loopr AI-ს დამფუძნებელმა და აღმასრულებელმა დირექტორმა პრიანშა ბაგარიამ Business Insider-ს განუცხადა: „Safran-ის მსგავს ვითარებაში, როცა კომპანია მრავალნაირ ნაწილს აწარმოებს, მაგრამ თითოეულს მცირე რაოდენობით, საწყის ეტაპზე ათასობით მონაცემთა ნაკრების მოპოვება უკიდურესად რთულია“.

ასეთ შემთხვევაში Loopr არსებულ გამოსახულებებზე დაყრდნობით ახალ სასწავლო ნიმუშებს ქმნის. კომპანია მათ ცვლის, რათა ალგორითმებისთვის ხელმისაწვდომი ნიმუშების რაოდენობა გაზარდოს. ბაგარიას თქმით, ასე Safran-ს წარმოების სხვადასხვა სცენარის სიმულირება შეუძლია, შედეგების შესამოწმებლად კი კვლავ რეალურ მონაცემებს იყენებს.

ბაგარიას თქმით, ანალიზის პროგრამა სალონის ნაწილებში გარეგნულ დეფექტებს კარგად ავლენს. ის ნაწილებს საწარმოო ნახაზებსა და გამოსაყენებელი კომპონენტების ჩამონათვალს ადარებს. ბაგარიამ დასძინა: „ხელოვნური ინტელექტი სუბიექტურობას ძალიან კარგად გამორიცხავს და თქვენი ოპერატორების ცოდნას ინარჩუნებს. შეგიძლიათ განმეორებითი სამუშაოები ავტომატურად შეასრულოთ და პროცესები გააერთგვაროვნოთ“.