Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
 استفاده از پلتفرم اتوماسیون هوشمند در فرایند نظارت تجهیزات مخابراتی

استفاده از پلتفرم اتوماسیون هوشمند در فرایند نظارت تجهیزات مخابراتی

استارتاپ فرانسوی Deepomatic موفق شد با جذب سرمایه 10 میلیون دلاری، پلتفرم خود را گسترش دهد و سیستم اتوماسیون بصری مبتنی بر هوش مصنوعی خود را به مجموعه‌های دارای فعالیت میدانی از جمله شرکت‌های مخابراتی ارائه کند.

استارتاپ Deepomatic فعالیت خود را از سال 2015 آغاز کرده و طی این سال‌ها، بر توسعه برنامه‌هایی مبتنی بر یادگیری عمیق و بینایی ماشین متمرکز بوده است. یکی از چالش‌های اصلی این استارتاپ، یافتن بازار مناسب و شرکت‌هایی است که مجاب شوند تا از این فناوری در روند کاری خود استفاده کنند. مؤسسان Deepomatic مسیر طولانی را طی کردند تا محصول خود را به مرحله تجاری‌سازی برسانند. آن‌ها به این منظور، به سراغ آزمایش صنایع متعددی رفتند تا بتوانند که کاربرد اصلی محصول خود را به صورت تمام و کمال به نمایش بگذارند و درنهایت، صنعت مخابرات را انتخاب کردند.

صنعت مخابرات و نگهداری از تجهیزات مخابراتی، از جمله مشاغلی است که در مرحله فعالیت میدانی، امکان خطای زیادی در فرایند کاری وجود دارد و استارتاپ Deepomatic توانست پتانسیل واقعی خود را در این حوزه به نمایش بگذارد. مهندسان ناظر شرکت‌های مخابراتی، باید در زمان‌های مشخصی به دکل‌ها و تجهیزات مخابراتی مراجعه کنند و با نظارت بر آنها، از بروز خرابی‌های آتی جلوگیری کنند.

پلتفرم اتوماسیون هوشمند

پرکردن فرم‌های پرتعداد، عکس‌برداری، آزمایش تک‌به‌تک تجهیزات و… آن هم در بالای یک آنتن مخابراتی چندین متری، کار بسیار طاقت‌فرسا و دشواری است و همین امر، احتمال بروز خطا را تا حد زیادی افزایش می‌دهد. این فرایند زمانی دشوارتر می‌شود که شرکت‌های مخابراتی، خود پیمان‌کار مجموعه‌های دیگر هستند و باید فرم‌های بی‌شماری را برای تایید سلامت تجهیزات تکمیل کنند.

راهکار استارتاپ Deepomatic بسیار کاربردی و در عین حال ساده است. تصاویر تهیه‌شده توسط مهندسان ناظر به پلتفرم کنترل بصری ارسال می‌شود و در آنجا با تجزیه و تحلیل تصاویر به کمک الگوریتم بینایی ماشین و یادگیری عمیق، تمامی مشکلات احتمالی شناسایی شده و هشدارهای لازم جهت رفع نواقص ارسال می‌شود.

مارتی، یکی از مدیران استارتاپ Deepomatic گفت: «پیچیده‌ترین بخش سیستم‌ اتوماسیون نظارت بصری مربوط به یافتن نواقص و اشتباهات است که ما بر روی همین بخش تمرکز کردیم. پلتفرم Deepomatic به صورت یک محصول کامل و نهایی به فروش می‌رسد و مسئولین نگهداری، تنها کافیست که تصویر تجهیزات را در اختیار این پلتفرم قرار دهند، تا تمامی مراحل بعدی به صورت خودکار انجام شود.»

این استارتاپ زمانی که با کارفرمایان جدید کار می‌کند، تمامی سیستم خود را باتوجه به نیاز آنها شخصی‌سازی می‌کند. این موارد شامل افزودن برخی وظایف جدید به کتابخانه پیش‌فرض، افزودن نقاط کنترل و آموزش موارد جدید به الگوریتم بینایی ماشین می‌شود. Deepomatic در حال حاضر با شرکت‌های بزرگی از جمله Bouygues Telecom، Swisscom، Movistar و تعدادی از شرکت‌های کوچک همکاری می‌کند و از این طریق، توانسته درآمد بسیار قابل‌توجهی را کسب کند.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.