තීන්ත සාප්පුවට දැන් ඩූර්ගේ කෘතිම බුද්ධිය මත විශ්වාසය තැබිය හැකිය

Dürr උසස් විශ්ලේෂණ ඉදිරිපත් කරයි, තීන්ත අලෙවිසැල් සඳහා වෙළඳපොළට සූදානම් වූ පළමු AI යෙදුම.DXQanalyze නිෂ්පාදන මාලාවේ නවතම මොඩියුලයේ කොටසක් වන මෙම විසඳුම නවීන IT තාක්‍ෂණය සහ යාන්ත්‍රික ඉංජිනේරු අංශයේ Dürr ගේ අත්දැකීම් ඒකාබද්ධ කරයි, දෝෂ වල ප්‍රභවයන් හඳුනා ගනී, ප්‍රශස්ත නඩත්තු වැඩසටහන් නිර්වචනය කරයි, කලින් නොදන්නා සහසම්බන්ධතා නිරීක්ෂණය කරයි සහ මෙම දැනුම අනුවර්තනය කිරීමට භාවිතා කරයි. ස්වයං ඉගෙනුම් මූලධර්මය භාවිතයෙන් පද්ධතියට ඇල්ගොරිතම.

කෑලි නිතර එකම අඩුපාඩු පෙන්වන්නේ ඇයි?යන්ත්‍රය නවත්වන්නේ නැතිව රොබෝ එකේ මික්සර් එකක් ආදේශ කළ හැකි නවතම එක කවදාද?මෙම ප්‍රශ්නවලට නිවැරදි හා නිරවද්‍ය පිළිතුරු තිබීම තිරසාර ආර්ථික සාර්ථකත්වයක් සඳහා මූලික වේ, මන්ද එය වළක්වා ගත හැකි සෑම දෝෂයක්ම හෝ සෑම අනවශ්‍ය නඩත්තුවක්ම මුදල් ඉතිරි කිරීමට හෝ නිෂ්පාදනයේ ගුණාත්මකභාවය වැඩි දියුණු කිරීමට හේතු වේ.“දැනට පෙර, ගුණාත්මක දෝෂ හෝ අසාර්ථකත්වය ක්ෂණිකව හඳුනා ගැනීමට අපට ඉඩ සලසන නිශ්චිත විසඳුම් තිබුණේ ඉතා ස්වල්පයකි.ඒවා තිබේ නම්, ඒවා සාමාන්‍යයෙන් පදනම් වූයේ දත්ත හෝ අත්හදා බැලීම්-සහ-දෝෂ උත්සාහයන් පිළිබඳ සූක්ෂම අතින් ඇගයීමක් මත ය.කෘත්‍රිම බුද්ධියට ස්තුතිවන්ත වන්නට මෙම ක්‍රියාවලිය දැන් වඩාත් නිවැරදි සහ ස්වයංක්‍රීය වේ", Dürr හි MES සහ Control Systems හි උප සභාපති Gerhard Alonso Garcia පැහැදිලි කරයි.
Dürr's DXQanalyze ඩිජිටල් නිෂ්පාදන මාලාව, දැනටමත් නිෂ්පාදන දත්ත ලබා ගැනීම සඳහා දත්ත අත්පත් කර ගැනීමේ මොඩියුල, එය දෘශ්‍යමාන කිරීම සඳහා දෘශ්‍ය විශ්ලේෂණ සහ ප්‍රවාහ විශ්ලේෂණ ඇතුළත් කර ඇති අතර, දැන් නව ස්වයං ඉගෙනුම් උසස් විශ්ලේෂණ බලාගාරය සහ ක්‍රියාවලි අධීක්ෂණ පද්ධතිය කෙරෙහි විශ්වාසය තැබිය හැකිය.

AI යෙදුමට එහි මතකය ඇත
Advanced Analytics හි විශේෂත්වය වන්නේ මෙම මොඩියුලය ඓතිහාසික දත්ත ඇතුළුව විශාල දත්ත ප්‍රමාණයක් යන්ත්‍ර ඉගෙනීම සමඟ ඒකාබද්ධ කිරීමයි.මෙයින් අදහස් කරන්නේ ස්වයං-ඉගෙනීමේ AI යෙදුමට තමන්ගේම මතකයක් ඇති බවත්, එබැවින් විශාල දත්ත ප්‍රමාණවලින් සංකීර්ණ සහසම්බන්ධතා හඳුනා ගැනීමට සහ අනාගතයේ සිදුවීමක් වත්මන් මත පදනම්ව ඉහළ නිරවද්‍යතාවයකින් පුරෝකථනය කිරීමට අතීතයේ තොරතුරු භාවිතා කළ හැකි බවත්ය. යන්ත්රයක කොන්දේසි.සංරචක, ක්‍රියාවලිය හෝ ශාක මට්ටමින් වුවද තීන්ත සාප්පු වල මේ සඳහා බොහෝ යෙදුම් තිබේ.

පුරෝකථන නඩත්තු ශාක අක්රිය කාලය අඩු කරයි
සංරචක සම්බන්ධයෙන් ගත් කල, උසස් විශ්ලේෂණ මඟින් අනාවැකි නඩත්තු කිරීම සහ අළුත්වැඩියා කිරීමේ තොරතුරු හරහා අක්‍රීය කාලය අඩු කිරීම අරමුණු කරයි, උදාහරණයක් ලෙස මිශ්‍රකරුවෙකුගේ ඉතිරි සේවා කාලය පුරෝකථනය කිරීම.සංරචකය ඉතා ඉක්මනින් ප්රතිස්ථාපනය කළහොත්, අමතර කොටස්වල පිරිවැය වැඩි වන අතර, ඒ අනුව සාමාන්ය අලුත්වැඩියා වියදම් අනවශ්ය ලෙස වැඩි වේ.අනෙක් අතට, එය දිගු කාලයක් ධාවනය කර ඇත්නම්, එය ආලේපන ක්රියාවලියේදී සහ යන්ත්ර නතර කිරීමේදී ගුණාත්මක ගැටළු ඇති විය හැක.උසස් විශ්ලේෂණ ආරම්භ වන්නේ අධි-සංඛ්‍යාත රොබෝ දත්ත භාවිතයෙන් ඇඳුම් දර්ශක සහ ඇඳුම්වල තාවකාලික රටාව ඉගෙන ගැනීමෙනි.දත්ත අඛණ්ඩව පටිගත කර නිරීක්ෂණය කරන බැවින්, යන්ත්‍ර ඉගෙනුම් මොඩියුලය සත්‍ය භාවිතය මත පදනම්ව අදාළ සංරචක සඳහා වයස්ගත වීමේ ප්‍රවණතා තනි තනිව හඳුනා ගන්නා අතර මේ ආකාරයෙන් ප්‍රශස්ත ප්‍රතිස්ථාපන කාලය ගණනය කරයි.

යන්ත්‍ර ඉගෙනීම මගින් අනුකරණය කරන ලද අඛණ්ඩ උෂ්ණත්ව වක්‍ර
උසස් විශ්ලේෂණ ක්‍රියාවලි මට්ටමින් විෂමතා හඳුනා ගැනීමෙන් ගුණාත්මක භාවය වැඩි දියුණු කරයි, උදාහරණයක් ලෙස උඳුනේ තාප වක්‍රයක් අනුකරණය කිරීමෙන්.මෙතෙක්, නිෂ්පාදකයින් සතුව මිනුම් ධාවනයේදී සංවේදක මගින් තීරණය කරන ලද දත්ත පමණි.කෙසේ වෙතත්, මෝටර් රථයේ මතුපිට ගුණාත්මක භාවය අනුව මූලික වැදගත්කමක් ඇති උනුසුම් වක්‍ර උඳුනේ වයසේ සිට, මිනුම් ධාවනය අතර කාල පරතරයන් තුළ වෙනස් වේ.මෙම ඇඳීම උච්චාවචනය වන සංසරණ තත්වයන් ඇති කරයි, උදාහරණයක් ලෙස වායු ප්රවාහයේ තීව්රතාවයේ.“මේ දක්වා, එක් එක් ශරීර රත් කර ඇති නිශ්චිත උෂ්ණත්වය නොදැන ශරීර දහස් ගණනක් නිපදවයි.යන්ත්‍ර ඉගෙනීම භාවිතා කරමින්, අපගේ උසස් විශ්ලේෂණ මොඩියුලය විවිධ තත්ව යටතේ උෂ්ණත්වය වෙනස් වන ආකාරය අනුකරණය කරයි.මෙය අපගේ ගනුදෙනුකරුවන්ට එක් එක් කොටස සඳහා ගුණාත්මක බව පිළිබඳ ස්ථිර සාක්ෂියක් ලබා දෙන අතර විෂමතා හඳුනා ගැනීමට ඔවුන්ට ඉඩ සලසයි.

ඉහළ පළමු ධාවන අනුපාතය සමස්ත උපකරණ කාර්යක්ෂමතාව වැඩි කරයි
implant සඳහා, DXQplant.analytics මෘදුකාංගය උපකරණවල සමස්ත කාර්යක්ෂමතාවය වැඩි කිරීම සඳහා උසස් විශ්ලේෂණ මොඩියුලය සමඟ ඒකාබද්ධව භාවිතා කරයි.ජර්මානු නිෂ්පාදකයාගේ බුද්ධිමත් විසඳුම නිශ්චිත මාදිලි වර්ග, නිශ්චිත වර්ණ හෝ තනි ශරීර කොටස්වල පුනරාවර්තන තත්ත්ව දෝෂ නිරීක්ෂණය කරයි.නිෂ්පාදන ක්‍රියාවලියේ කුමන පියවර අපගමනය සඳහා වගකිව යුතුද යන්න පාරිභෝගිකයාට තේරුම් ගැනීමට මෙය ඉඩ සලසයි.එවැනි දෝෂ සහ හේතු සහසම්බන්ධතා ඉතා මුල් අවධියේදී මැදිහත් වීමට ඉඩ දීමෙන් අනාගතයේ දී පළමු ධාවන වේගය වැඩි කරනු ඇත.

ශාක ඉංජිනේරු විද්යාව සහ ඩිජිටල් විශේෂඥතාව අතර සංයෝජනය
AI-අනුකූල දත්ත ආකෘති සංවර්ධනය කිරීම ඉතා සංකීර්ණ ක්‍රියාවලියකි.ඇත්ත වශයෙන්ම, යන්ත්‍ර ඉගෙනීම සමඟ බුද්ධිමත් ප්‍රතිඵලයක් නිපදවීමට, “ස්මාර්ට්” ඇල්ගොරිතමයකට නිශ්චිත දත්ත ප්‍රමාණයක් ඇතුළත් කිරීම ප්‍රමාණවත් නොවේ.අදාළ සංඥා එකතු කිරීම, ප්රවේශමෙන් තෝරා ගැනීම සහ නිෂ්පාදනයේ සිට ව්යුහගත අතිරේක තොරතුරු සමඟ ඒකාබද්ධ කළ යුතුය.විවිධ භාවිත අවස්ථා සඳහා සහය වන, යන්ත්‍ර ඉගෙනුම් ආකෘතිය සඳහා ධාවන කාල පරිසරයක් සපයන සහ ආකෘති පුහුණුව ආරම්භ කරන මෘදුකාංගයක් නිර්මාණය කිරීමට Dürr සමත් විය.“මෙම විසඳුම සංවර්ධනය කිරීම සැබෑ අභියෝගයක් වූයේ වලංගු යන්ත්‍ර ඉගෙනුම් ආකෘතියක් සහ අපට භාවිතා කළ හැකි සුදුසු ධාවන කාල පරිසරයක් නොතිබූ බැවිනි.ශාක මට්ටමින් AI භාවිතා කිරීමට හැකි වීම සඳහා, අපි අපගේ ඩිජිටල් කර්මාන්තශාලා විශේෂඥයින් සමඟ යාන්ත්‍රික සහ ශාක ඉංජිනේරු විද්‍යාව පිළිබඳ අපගේ දැනුම ඒකාබද්ධ කර ඇත.තීන්ත සාප්පු සඳහා පළමු කෘතිම බුද්ධි විසඳුම සඳහා මෙය හේතු විය," Gerhard Alonso Garcia පවසයි.

උසස් විශ්ලේෂණ සංවර්ධනය සඳහා කුසලතා සහ දැනුම ඒකාබද්ධ විය
දත්ත විද්‍යාඥයින්, පරිගණක විද්‍යාඥයින් සහ ක්‍රියාවලි විශේෂඥයින්ගෙන් සැදුම්ලත් අන්තර් විනය කණ්ඩායමක් මෙම බුද්ධිමත් විසඳුම නිපදවා ඇත.Dürr ප්‍රධාන මෝටර් රථ නිෂ්පාදකයින් කිහිපයක් සමඟ සහයෝගීතා හවුල්කාරිත්වයකට ද එළඹ ඇත.මේ ආකාරයෙන්, සංවර්ධකයින්ට විවිධ යෙදුම් අවස්ථා සඳහා නිෂ්පාදනයේ සැබෑ ජීවිත නිෂ්පාදන දත්ත සහ බීටා අඩවි පරිසරයන් තිබුණි.පළමුව, පරීක්ෂණ අවස්ථා විශාල සංඛ්යාවක් භාවිතා කරමින් රසායනාගාරයේ ඇල්ගොරිතම පුහුණු කරන ලදී.පසුව, ඇල්ගොරිතමයන් සැබෑ ජීවිතයේ ක්‍රියාකාරිත්වය අතරතුර ස්ථානීය ඉගෙනීම දිගටම කරගෙන ගිය අතර පරිසරයට සහ භාවිතයේ කොන්දේසි වලට අනුගත විය.බීටා අදියර මෑතකදී සාර්ථකව නිම කරන ලද අතර එහි AI විභවය කොපමණ දැයි පෙන්නුම් කළේය.පළමු ප්‍රායෝගික යෙදුම් පෙන්නුම් කරන්නේ Dürr හි මෘදුකාංගය ශාක ලබා ගැනීමේ හැකියාව සහ පින්තාරු කරන ලද ශරීරවල මතුපිට ගුණාත්මක භාවය ප්‍රශස්ත කරන බවයි.