Az ipari minőségügyi szakértő, az Ellistat továbbfejleszti modulját Adatelemzés új mesterséges intelligencia-képességek. A gépi tanulás és az osztályozás mellett a neurális hálózatok integrálása lehetővé teszi az összetettebb ipari viselkedésminták modellezését. A szoftver ezen fejlődésével az Ellistat az alkalmazott, fokozatos és ellenőrzött mesterséges intelligencia mellett döntött.
Az eltérések okainak megértése és a megfelelő paraméterekre gyakorolt befolyásolás már nem csupán szándék, hanem konkrét megközelítés.
Hasznos ipari mesterséges intelligencia, nem pedig elvont ígéret
Ellistat szerint a mesterséges intelligencia csak akkor bír értékkel, ha valóban segíti az ipari vállalatokat
hogy jobb termékeket állítson elő. Ehhez pedig először is mindenki számára használhatónak kell lennie. A minőség alapja
egy egyszerű elven alapul: a folyamatok elsajátítása, vagyis a paraméterek megértése
amelyek befolyásolják a termelést: hőmérséklet, szerszám, anyag, gép, kezelő,
beszállító, beállítás, környezet. Ezeknek a tényezőknek a meghatározása azonban általában
olyan statisztikai ismeretek, amelyekkel nem mindenki rendelkezik, és amelyeket csak kevés műhely
van idejük mozgósítani az embereket.
Ha eltérés, eltérő érték vagy változás jelentkezik, az ok felderítése gyakran
a kutatás során: ösztönösen haladunk előre, egymás után teszteljük a paramétereket, és az idő
A kereséssel töltött idő hulladékot, késedelmet és olyan beállításokat eredményez, amelyek inkább
inkább a tapasztalat, mint a bizonyíték.
Itt jön képbe a Data Analysis: a szoftver átveszi a bonyolult részt, a
számítások, modellek, statisztikai módszerek, és ezt egy felületen keresztül jeleníti meg
Egyszerű. Nem kell adatelemzési szakértőnek lenni ahhoz, hogy elemezzük az adatokat, és felismerjük a
befolyásoló változók, a eltérések okainak megértése és modellek kidolgozása
a gyakorlatban is alkalmazhatók. Így mindenki hozzáférhet az eddig
csak szakemberek számára elérhető.
Ez a hozzáférhetőség egyben meghatározza a szoftver célközönségét is. A Data Analysis nem kizárólag a
statisztikai vagy mesterséges intelligencia szakértők: elsősorban azoknak szól, akik
ismerik a folyamatot: a gyártástechnológiai, gyártási és minőségbiztosítási szakemberek. Ők azok, akik
ők ismerik a terepet, és nekik kell, hogy az eszköz az elemzést elvégezze
elérhető.
Az új mesterséges intelligencia-funkciók pontosan ezt a logikát követik: hozzáadnak egy kis
teljesítmény, anélkül, hogy a használat egyszerűségét feláldoznánk. Egy laikus felhasználó számára,
A módszer továbbra is lépésről lépésre halad. Szakértői profil esetén a szoftver további lehetőségeket kínál
mélységben, a modellek felépítésére és a funkciókra vonatkozó speciális beállításokkal
aktiválás: beállíthat egy neurális hálózatot, kiválaszthat egy tanulási módot,
az adatokból való tanulás módjának módosítása, illetve neuronok hozzáadása
a kívánt elemzési szinttől függően. Ugyanez a felület így alkalmazkodik a
minden egyes lépés, a gyors diagnózistól a részletes modellezésig.
«Az ipari mesterséges intelligencia nem lehet csak egy újabb »fekete doboz« a műhelyben. Segítenie kell a
segít a csapatoknak megérteni, hogy mi történik valójában a folyamataikban. A DATA segítségével
Az Analysis keretében hatékonyabb modelleket szeretnénk biztosítani az ipari szereplőknek, de
amelyeket azok tudnak hasznosítani, akik ismerik a terepet. Így válik hasznossá a mesterséges intelligencia:
»amikor a gyártási döntéseket megvilágítja” – magyarázza Davy Pillet, az Ellistat vezérigazgatója.
A klasszikus statisztikától a mesterséges intelligencia-modellekig
Az adatelemzés erőssége abban rejlik, hogy egyetlen eszközben számos módszer áll rendelkezésre. A
Alapvetően a klasszikus statisztikai módszerek a műhely leggyakoribb kérdéseire adnak választ: két változó összehasonlítása, egy változás tényleges hatásának vizsgálata, korreláció mérése, regressziós modell vagy kísérleti terv kidolgozása. Ezek a módszerek egyszerűen alkalmazhatók, továbbra is elengedhetetlenek, és egy szigorú minőségbiztosítási folyamat alapját képezik.
Az új verzió jelentősen kibővíti ezt a választékot. A Data Analysis a következőket tartalmazza:
mostantól gépi tanulási modellek, neurális hálózatok és a
felügyelet nélküli osztályozás. Ahol a klasszikus statisztika egyszerű összefüggéseket ír le
Ezek a modellek – néhány változó között – olyan jelenségeket modelleznek, ahol számos
a paraméterek kölcsönhatásba lépnek egymással: meghatározzák azt a függvényt, amely összekapcsolja a termelési feltételeket a
elért eredmény, és olyan csoportosulásokat vagy viselkedésmintákat tárnak fel, amelyeket a szem
Az ember nem tesz különbséget.
A felhasználó így egy teljes spektrumot vehet igénybe: kiválaszthatja a számára legmegfelelőbb elemzési szintet
a kérdése: a kétváltozós tesztől a prediktív modellig, anélkül, hogy valaha is elhagyná ugyanazt
környezet. A cél minden szinten ugyanaz marad: az elemzési idő csökkentése,
a diagnózisok megbízhatóságának növelése és az intézkedéseknek a megfelelő befolyásoló tényezőkre való összpontosítása.
Az Ellistat minőségi rendszer középpontjában
A DATA Analysis az Ellistat Quality Suite része, egy teljes mértékben webalapú szoftvercsomag, amelynek célja a
ipari minőség. A modul akkor nyújtja a legnagyobb hasznot, amikor a következő forrásokból származó adatokat hasznosítja:
egyéb szoftverkomponensek: például SPC vagy APC hogy nyomon kövessék azok statisztikai alakulását
folyamatok irányítása és a termelés valós idejű figyelemmel kísérése, valamint IQC a szolgáltatók összehasonlításához,
a beérkező tételek minőségének elemzése vagy a beszállítói teljesítmény alakulásának nyomon követése
régen.
Ez a kölcsönös kiegészítő jelleg biztosítja a Minőségi Csomag egészének koherenciáját: adatgyűjtés
az adatokat, azok nyomon követését, elemzését, majd a tények alapján történő döntéshozatalt.
Egy fokozatosan bevezetett és ellenőrzött ipari mesterséges intelligencia
Az adatelemzés ezen fejlődésével az Ellistat egy pragmatikus megközelítést képvisel a
a mesterséges intelligencia. Megbízható adatok nélkül nincs esély az autonómia megvalósítására. Nincs helye a termelési valóságtól elrugaszkodó beszédnek. A mesterséges intelligenciának megbízható adatokra és folyamatokra kell támaszkodnia
megértett és mérhető célok.
Az Ellistat olyan mesterséges intelligenciát választott, amely segít az ipari vállalatoknak abban, hogy jobban elemezzék, jobban megértsék és
hatékonyabban irányítani a folyamataikat.
GYIK
Adatelemzőnek kell lenni ahhoz, hogy a DATA Analysis programot használni lehessen?
Nem. A DATA Analysis elsősorban azoknak a módszertani, gyártási és minőségbiztosítási szakembereknek szól, akik ismerik a folyamatot. A szoftver elvégzi a számításokat és a modellezést, és lépésről lépésre végigvezeti a felhasználót. A szakértői profilokkal rendelkező felhasználók, ha kívánják, hozzáférhetnek a speciális beállításokhoz: a neurális hálózat felépítéséhez, az aktivációs függvényekhez és a tanítási módhoz.
Mi a különbség a klasszikus statisztika és a gépi tanulás között?
A klasszikus statisztika célzott kérdésekre ad választ: van-e egy változásnak tényleges hatása? Korrelál-e két változó? Ez továbbra is a megfelelő megközelítés, ha csak néhány paramétert vizsgálunk. A gépi tanulás és a neurális hálózatok akkor lépnek színre, amikor számos paraméter kölcsönhatásba lép egymással, és a kapcsolatok már nem írhatók le egyszerűen. A DATA Analysis programban mindkét megközelítés egyazon környezetben létezik: a felvetett kérdéshez leginkább megfelelő elemzési szintet választjuk ki.
Milyen adatokra van szükség egy modell betanításához?
Szükség van az eredményadatokra (méret, selejtarány, mért jellemző) és azokra a gyártási paraméterekre, amelyek befolyásolhatják őket: gép, szerszám, anyag-tétel, kezelő, beállítás, környezeti feltételek. A szükséges adatmennyiség a vizsgált paraméterek számától és a jelenség összetettségétől függ. A minőség ugyanolyan fontos, mint a mennyiség: a megbízható mérések, amelyeket jól kalibrált műszerekkel végeznek, elengedhetetlenek egy használható modellhez.
Mire szolgál a felügyelet nélküli osztályozás a termelésben?
A rendszer automatikusan csoportosítja a hasonló viselkedésű elemeket, anélkül, hogy előre meg kellene határoznunk a csoportokat. A gyakorlatban ez lehetővé teszi például, hogy megjelenjenek a hasonló profilú tételcsaládok, gépek vagy beszállítók, vagy hogy kiszűrjünk egy olyan szokatlan viselkedést, amelyet korábban nem azonosítottunk.
A DATA Analysis működik-e az Ellistat többi moduljával?
Igen. A DATA Analysis akkor nyújtja a legnagyobb értéket, amikor a Minőségi Csomag többi modulja által gyűjtött adatokat hasznosítja: az SPC-t a folyamatok előzményeinek, az IQC-t a beszállítók teljesítményének és a beérkező tételek minőségének, az APC-t pedig a gépek mérési eredményeinek és korrekcióinak elemzéséhez. Az adatok már strukturáltak, így elkerülhető a fárasztó előkészítési lépés.
Képes-e egy mesterséges intelligencia-modell helyettesíteni a csapatok szakértelmét?
Nem. Egy modell kiemeli azokat a paramétereket, amelyek a legnagyobb hatással vannak az eredményre, de a korreláció nem mindig jelenti az ok-okozati összefüggést. A folyamat ismerete továbbra is elengedhetetlen az eredmények értelmezéséhez és a szükséges intézkedések meghozatalához. Ha kétség merül fel, egy kísérleti terv segítségével megerősíthető egy paraméter tényleges hatása, mielőtt a folyamatot módosítanánk.
