Az új technikával a korábbinál gyorsabban és hatékonyabban azonosíthatók a potenciális hibák. A Fujitsu Laboratories of Europe megoldása új AI-keretrendszert használ, amely a kép- és jelfeldolgozási eljárásokat mélytanulási technológiával ötvözve segíti a bonyolult gyártásminőségi problémák megszüntetését. 

 

A Fujitsu Laboratories of Europe egyedülálló technológiáival dolgozó AI-keretrendszer mélytanulási komponense a mély neurális hálózatok emberi észlelés feletti képadat-feldolgozási képességeivel ismeri fel a releváns mintákat. Eközben képelemzési formátumúra konvertálja az adatelemzési feladatokat, gyorsítva ezzel a potenciális gyártási hibákra utaló minták azonosítását a roncsolásmentes vizsgálatok beolvasott ultrahang-adataiban. Ezután gyors, célzott manuális ellenőrzés végezhető a potenciálisan hibás részeken, 80%-kal csökkentve annak a területnek a nagyságát, amit a szakértő ellenőrnek szabad szemmel kell átvizsgálnia. Ennek eredményeképpen jelentősen javul a minőségellenőrzés gyakorlata, megszüntethetők a gyártási eljárás potenciális szűk keresztmetszetei, nőhet a gyártási volumen, és számottevően javulhat a hatékonyság. Ráadásul a Fujitsu megoldása a bevezetés után is tovább tanul, ami folyamatos teljesítményjavulást biztosít, és gyorsítja a beruházás megtérülését.

 

 

„Generikus gépi tanulási motort fejlesztettünk ki a minták észleléséhez egy olyan folyamatra támaszkodva, amely képes bármely nyersadat-elemzési problémát képminta-felismerési feladattá alakítani. Gyártócégekkel együttműködve gyorsan konkrét alkalmazássá tudjuk hangolni a megoldást, amely már néhány gyakorlópélda alapján is el tudja kezdeni a tanulást. Ez jelentősen lerövidíti a gyártó szakértőitől beszerzendő, jegyzetekkel ellátott adatok mennyiségét, és gyorsítja az üzembe állítás folyamatát. A Fujitsu kiterjedt gyártási szakértelmét a fejlett AI-innovációkkal ötvözve és a közös alkotás, a ’co-creation’ gyakorlatát alkalmazva rekordidőn belül meg tudjuk oldani a valós gyártási problémákat” – ismertette az innovatív technológiai megközelítés jelentőségét dr. Adel Rouz, a Fujitsu Laboratories of Europe alelnöke.

 

A Fujitsu Laboratories of Europe technológiáját már több területen is sikeresen alkalmazzák például idősoros érzékelőadatok, energiafogyasztás vizsgálatára, részvényár-elemzésre és az intelligens gyártás támogatásra. Az egyik projektnél nagyméretű adatbázisok 3D CAD-modelljeinek kinyerését is támogatták vele, ami felgyorsította a terméktervezést és továbbfejlesztette a minőségbiztosítás folyamatát. Egy másik esetben egy közösségi innovációs alkalmazás részeként csuklóra rögzített gyorsulásmérő segítségével a sofőrök viselkedésének észlelésére használták. A megoldással sikerült pontosan azonosítani a vezetés biztonsága szempontjából potenciális veszélyes viselkedésmintákat (evés, ivás vagy adatbevitel a GPS-navigátorba vezetés közben). Az alkalmazott újszerű módszernél képformátumúra alakították a gyorsulásmérő idősoros adatait, amelyeket aztán betápláltak egy mély neurális hálózatba. 

 

 

A Fujitsu Laboratories of Europe a gépi tanulás és mélytanulás területén folytatott kutatások központja a Fujitsu emberközpontú innovációt ösztönző Zinrai mesterségesintelligencia-projektjében. Tevékenysége során a közös alkotás, azaz a „co-creation” szemléletét követve, szorosan együttműködik a Fujitsu ügyfeleivel és európai kutatóintézetekkel – köztük a madridi San Carlos klinikai kórházzal (HIKARI AI-alapú intelligens egészségügyi megoldás), a Sevillai Egyetemmel (adatanalitika turisztikai alkalmazásokhoz) és az egyesült királyságbeli 5G Innovációs Központtal.