کاربرد هوش مصنوعی در صنعت
تحلیل بازارهای هوش مصنوعیکارآفرینیکاربردهای هوش مصنوعیکسب‌و‌کار

کاربرد هوش مصنوعی در صنعت : تولیدکنندگان از فناوری استقبال می‌کنند

    0

    در طی یک بحث تعاملی، مایکل گلیوز و حسن خالد بهترین کاربرد هوش مصنوعی در صنعت تولید را تشریح کردند و و راه‌های دستیابی به بازگشت واقعی سرمایه را نشان دادند.

    از کجا شروع کنیم؟

    مایکل گلیوز می‌گوید اتصال سنسورهای ساده و مقرون به صرفه به ماشین‌ها یک قدم خوب و آغازین برای دستیابی به تکنیک‌های یادگیری ماشین است. پس از برقرارشدن این جریان داده­‌ها می‌­توانید شناسایی الگوها و روندها را آغاز و شروع به بهینه‌سازی دارایی‌های خود کنید.

    قدم مهم بعدی، تهیه اطلاعات بی­‌طرفانه و با کیفیت است. بدون این اطلاعات شما نمی‌­توانید در مورد چگونگی استخراج یک ارزش و مزیت رقابتی از جریان داده­‌های خود فکر کنید.

    به چه مهارت­‌هایی نیاز دارید؟

    حسن خالد در توضیح کاربرد هوش مصنوعی در صنعت می‌گوید: دانش فنی مهم است، اما از دانش مربوط به آن حوزه از صنعت نیز غافل نشوید. کسی که سال­‌ها در خط تولید مشغول به کار بوده است ممکن است بتواند چیزهای زیادی به شما بگوید که در داده­‌های خود نادیده گرفته‌اید.

    همچنین مهندسی نرم‌­افزار را دست کم نگیرید. بسیاری از کارها به دلیل نبود یک مهندس نرم­‌افزار اشتباه پیش می‌روند. افرادی همچون من که دارای یک زمینه علمی هستیم باید مهارت‌­های مهندسی نرم‌­افزار را آموزش دهند تا این اطمینان حاصل شود که استفاده از کاربرد هوش مصنوعی در صنعت به درستی انجام شده است.

    بیشتر شرکت­‌ها چرخه “توسعه، آزمایش، کاوش” را به کار می­‌گیرند، بنابراین همراه داشتن فردی در داخل مجموعه به منظور اجرای این چرخه بسیار مهم است.

    مایکل گلیوز در ادامه می‌­­گوید اگر بخواهید بخش­‌هایی از کسب و کار خود را با این فناوری­‌ها جایگزین کنید به نظر می­‌رسد باید تیم کوچکی از متخصصان ویژه داشته باشید که بتواند تکنولوژی مربوطه را تطبیق داده تا فرایند پیشرفت کسب و کار شما جلو بیفتد. همچنین بهتر است که در سازمان خود تا حدی از ظرفیت­‌های داخلی استفاده کنید که بتوانید تصمیمات خرید هوشمندانه بگیرید.

    همچنین تولیدکنندگان برای استفاده بهتر از این ابزارها باید فیزیک‌­دانان و ستاره‌­شناسان را جذب کنند و آموزش دهند. آنها ذهنیت درستی دارند و معمولاً به عنوان بخشی از دوران دکترای خود با این مسائل آشنا شده‌­اند، بنابراین باید بتوانند نسبتاً راحت در این نقش‌ها ادغام شوند.

    چگونه سرمایه‌گذاری اجرایی می‌شود؟

    حسن خالد معتقد است این قسمت، سخت‌­ترین بخش ماجرای استفاده از کاربرد هوش مصنوعی در صنعت است. این کار کمک می‌کند تا ایده­‌ها و پروژه‌­های شما با داده­‌های گسترده‌­تر سازمان یا استراتژی دیجیتال شما هماهنگ شود. اگر یک تست خاص با استراتژی شما مطابقت نداشت، پس احتمالاً بهتر است که زمان یا انرژی زیادی را صرف آن نکنید.

    گلیوز می­‌گوید ما شروع به اتخاذ یک رویکرد تتفکرمحور کرده‌­ایم تا نیازهای کاربر را جمع‌­آوری کنیم. بنابراین با استفاده از فناوری هوش مصنوعی یا تکنیک مورد نظر به طور ویژه روی مشکل کسب‌و‌کار یا یک مورد به خصوص تمرکز می­‌کنیم و درباره آنچه که قبلا اتفاق اتفاده یا آنچه بعدها رخ می­‌دهد و تاثیر آن در کسب و کار کاوش می­‌کنیم.

    یک نکته بسیار مهم این است که  برای شروع پروژه‌های خوبی انتخاب کنید زیرا باعث ایجاد انگیزه حرکت و ادامه سرمایه­‌گذاری می‌شود. اما در برخی از سطوح ممکن است  یک فناوری خاص دارای ارزش زیادی باشد و مایل باشید در آن سرمایه­‌گذاری کنید.

    چگونه می توان از هوش مصنوعی و یادگیری ماشین برای پیش‌­بینی مسائل مربوط به حفظ و نگه­داری استفاده کرد؟

    حسن خالد می‌گوید: از دیدگاه متخصصان، پیش‌­بینی نحوه حفظ و نگه­داری، یک مساله چالش‌­برانگیز است زیرا بیشتر اوقات داده­‌های شما به نظر نمی­‌رسد که در حال شکست خوردن هستند، در نتیجه وقتی مثال­‌های مغایر ندارید آموزش سیستم بسیار دشوار می‌شود.

    ما آنالیزهای ویدئویی و تصویر زنده و همچنین تجزیه و تحلیل مبتنی بر نویز را انجام داده‌ایم. این فرصت ها اساساً بی پایان هستند ، اما سوال کلیدی این است که آیا داده‌­ها می‌­توانند تصویری واقعی از شکست و عدم یادگیری خود را به ما بدهند یا نه؟

    گلیوز در ادامه صحبت درباره کاربرد هوش مصنوعی در صنعت می‌گوید: تکنیک­‌هایی مانند استفاده از تشخیص الگو برای شناسایی انواع شکست­‌ها و خرابی که در طی یک دوره زمانی اتفاق می‌افتد و سپس کار برای برنامه‌­ریزی به‌منظور نگهداری و حفظ آن‌ها به طور قابل توجهی مدنظر قرار داده شده است.

    یکی از موارد مورد علاقه، استفاده از پردازش داده‌ها و ثبت آن‌ها در سیستم­‌های اسکادا برای شناسایی الگوهای خرابی است. با دیجیتالی­ کردن logهای مربوط به انسان و افزودن پردازش زبان طبیعی برای ایجاد زمینه‌­های اضافی می‌توان این تلاش‌ها را تسریع کرد.

    آیا پیشنهادهای هوش مصنوعی و یادگیری ماشین برای بنگاه‌های کوچک و متوسط واقع‌­بینانه است؟

    حسن خالد در این مورد می‌گوید این موارد ممکن است گران باشند و ممکن است تلاش‌­های زیادی که وجود دارد با شکست مواجه شود. اگر بودجه شما محدود است نگران نباشید، شما می­‌توانید این موضوع را با به­‌کارگیری زمان بیشتر جبران کنید. نمی­‌توان انتظار داشت هم زمان کمی گذاشت و هم سرمایه کم.

    هم‌­اکنون تعداد زیادی فناوری، کد، نشریات و توضیحات منبع­‌باز در دسترس هستند. این به این معنی است که بیشتر کارها انجام شده است. برای سازمان­‌هایی که قدم به این مسیر می‌­گذارند باید در مورد استراتژی داده­‌های خود به‌شدت فکر کنند. افزودن استراتژی یادگیری ماشین به داده­‌های قبلی کمی ساده‌­تر می شود.

    گرانت‌رین چیز برای یک بنگاه‌ کوچک و متوسط، خود استعداد است و در اینجا است که این بنگاه­‌ها با سازمان‌­های بزرگ رقابت می­‌کنند. با توجه به مالکیت و انعطاف پذیری کار این بنگاه‌­ها نباید مشکلی در زمینه استعدادها داشته باشند.

    مایکل گلیوز در ادامه بحث مربوط به کاربرد هوش مصنوعی در صنعت می‌گوید: ما کارهای زیادی با  بنگاه‌های کوچک و متوسط انجام داده‌‎­ایم به ویژه در منطقه شهر لیورپول و از طریق برنامه LCR 4.0 (lcr4.uk) که در آن توانستیم برخی موارد استفاده تجهیزات خاص یا فرآیند کسب و کار را از داده‌­هایی نشان دهیم و سپس آن داده‌ها را برای کسب مزیت پردازش کنیم.

    بهترین زبان برنامه نویسی برای یادگیری برای پروژه‌های هوش مصنوعی و یادگیری ماشین چیست؟

    حسن خالد در این مورد معتقد است برای شرکت­‌های کوچک و متوسط  پایتون از نظر توسعه منبع باز پیشرفت بزرگی داشته است، بنابراین دسترسی به آموزش­‌های خوب و بسیاری از راه­‌حل‌های آماده شده را فراهم می­‌کند. اگر با سطح داده آمازون سر و کار دارید، ممکن است لازم باشد قابلیت­‌های اضافه‌ای که در Scala ، SPARK و Julia موجودند را مدنظر قرار دهید.

     

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    استفاده از واقعیت مجازی در طراحی خودرو: فورد نسل جدید خودروها را متحول می‌کند

    مقاله قبلی

    مرکز نوآوری و توسعه هوش مصنوعی فراخوان همکاری صادر کرد

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *