視覺人工智慧提高製造業獲利能力的五種方式
傳統監視攝影機系統如今面臨的問題是,它們通常只是被動地使用,也就是說,人們對觀看視訊影像的看法並不一致,而且往往是在安全、安保或品質相關事件發生之後。
在製造業廠商最近舉辦的主題為「視覺人工智慧:提高製造業獲利能力的五個步驟」的網路研討會中,強調了人工智慧(AI)軟體解決方案供應商SparkCognition公司視覺人工智慧顧問對製造業生產力和獲利能力的影響,重點關注視覺成像技術為製造車間帶來的廣泛能力,包括產品品質保證、工人安全和安全保護。
克服日常業務挑戰的新方法
在主持網路研討會時,SparkCognition公司銷售副總裁CoryRhoads首先指出了企業面臨的各種挑戰,尤其是利益相關者,無論是客戶、員工、主管還是股東。這些挑戰包括生產效率、設備維護、網路安全以及影響員工的健康、安全和環境(HSE)問題等營運方面的挑戰。當然,所有這些挑戰都必須在實現收入和盈利能力等必要業績目標的同時得到解決。他指出了與事故和設備故障相關的成本的具體例子,他引用了每小時設備停機的成本超過50萬美元,以及每小時工作場所事故的成本12萬美元。
應對這些挑戰導致了商業的數位顛覆——許多新技術驅動的活動,包括從機器人和大數據到3D列印、人工智慧(AI)和機器學習(ML)的一切。 Rhoads利用這一背景進入了視覺人工智慧領域,並討論了該技術是如何運作的,包括它使各種應用成為可能,通常使用企業已經擁有的攝影機基礎設施。事實上,目前全球有超過10億個監視攝影機在使用,其中任何一個都可以輕鬆地為視覺視覺人工智慧應用提供影像。
視覺人工智慧如何主動識別問題
傳統監視攝影機系統的問題是,它們通常只是被動地使用,也就是說,在安全、安保或品質相關事件發生後,視頻影像的觀看並不一致,而且往往不是這樣。研究表明,即使有安全人員全天候監控,人們通常在觀看影片18分鐘後就會失去一半以上的注意力。
相較之下,VisualAIAdvisor技術則徹底改變了這種方法,透過主動分析即時視訊回饋,並在問題開始發生時發出警報,無論是發生火災、員工離設備太近,還是裝配線上的產品品質突然下降。
VisualAIAdvisor不只是永遠勤奮,它的應用範圍也非常靈活。無論其監控活動是在倉庫、工廠裝配線還是裝貨碼頭,也不管視頻類型(閉路電視和無人機等),該系統不僅可以對即將發生的事故或質量問題發出警報,還可以對經常未報告的險些事故發出警報,但這表明未來會出現更嚴重的問題。透過依靠視覺化技術全天候自動監視活動,員工可以專注於更高價值的決策和活動,從而提高獲利能力和生產力。
在談到VisualAIAdvisor的安全優勢時,Rhoads說:「並不是每起事故都有記錄,製造商只知道他們是如何根據報告進行安全操作的。但想像一下,在這樣一個環境中,差之毫發的情況會被捕捉到,不安全的行為會一直被提醒,而不管管理者是否真的看到過它的發生。」主動安全增強可以透過向安全經理、團隊成員的可穿戴設備,甚至向第一響應者發送警報來提供。在出現品質問題的情況下,可以在長時間生產劣質產品之前立即向管理人員發出警報,從而減少浪費並提高生產力。無論是談論產品品質還是安全/安保增強,VisualAIAdvisor都帶來了一個新的意識和回應水平,這是人工監控無法實現的。
在解釋部署VisualAIAdvisor的無障礙路徑時,Rhoads指出:「憑藉超過125個可用用例和低程式碼/無程式碼環境,我們能夠非常快速地讓新用戶啟動並運行,並且客戶端幾乎不需要任何數據科學專業知識,從而實現近乎即時的投資回報率。」此外,對於有隱私問題的組織,透過屏蔽團隊成員的面孔、ID徽章等,很容易實現員工匿名化。
現實世界的視覺人工智慧:提高製造業獲利能力的五個關鍵
#Rhoads繼續詳細描述了幾個真實的用例,其中包括:
•當員工太靠近旋轉機械/重型機械或在懸掛負載下移動時,自動發出警報,並在適當情況下關閉機械。
•辨識車輛和員工靠得太近的情況。
•標記品質控制不良的案例,例如,裝配線上未煮熟或煮過頭的薯片。
•辨識因訓練或其他原因而無權進入設施特定區域的人員。
•當員工舉起箱子或其他物品時,可能出現造成傷害的危險時,就會提醒他們。
Rhoads指出了VisualAIAdvisor可以透過五種方式推動製造業提高獲利能力:
(1)用即時可操作的見解增強人力資本。
(2)主動避免受傷、未遂事件和不安全的行為。
(3)自動化資產和產品檢查,以提高品質、可靠性和效率。
(4)重新設計工作區域,提高安全性和效率。
(5)透過不引人注目的監控和實際報告,加強團隊合作和培訓。
傳統思維有時認為,安全問題和產品品質問題將不可避免地發生,這些問題具有實際的可量化成本,包括財務和人力成本。但是,以目前人工智慧和機器學習的技術水平,這樣的事件實際上不需要發生。 VisualAIAdvisor是一個實用且易於部署的工具,透過讓管理人員保持對危險和問題的認識,並採取主動行動來減輕不良後果,有助於防止此類事件的發生。
以上是視覺人工智慧提高製造業獲利能力的五種方式的詳細內容。更多資訊請關注PHP中文網其他相關文章!

熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

記事本++7.3.1
好用且免費的程式碼編輯器

SublimeText3漢化版
中文版,非常好用

禪工作室 13.0.1
強大的PHP整合開發環境

Dreamweaver CS6
視覺化網頁開發工具

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

熱門話題

本站6月27日訊息,剪映是由位元組跳動旗下臉萌科技開發的一款影片剪輯軟體,依託於抖音平台且基本面向該平台用戶製作短影片內容,並相容於iOS、安卓、Windows 、MacOS等作業系統。剪映官方宣布會員體系升級,推出全新SVIP,包含多種AI黑科技,例如智慧翻譯、智慧劃重點、智慧包裝、數位人合成等。價格方面,剪映SVIP月費79元,年費599元(本站註:折合每月49.9元),連續包月則為59元每月,連續包年為499元每年(折合每月41.6元) 。此外,剪映官方也表示,為提升用戶體驗,向已訂閱了原版VIP

透過將檢索增強生成和語意記憶納入AI編碼助手,提升開發人員的生產力、效率和準確性。譯自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。雖然基本AI程式設計助理自然有幫助,但由於依賴對軟體語言和編寫軟體最常見模式的整體理解,因此常常無法提供最相關和正確的程式碼建議。這些編碼助手產生的代碼適合解決他們負責解決的問題,但通常不符合各個團隊的編碼標準、慣例和風格。這通常會導致需要修改或完善其建議,以便將程式碼接受到應

大型語言模型(LLM)是在龐大的文字資料庫上訓練的,在那裡它們獲得了大量的實際知識。這些知識嵌入到它們的參數中,然後可以在需要時使用。這些模型的知識在訓練結束時被「具體化」。在預訓練結束時,模型實際上停止學習。對模型進行對齊或進行指令調優,讓模型學習如何充分利用這些知識,以及如何更自然地回應使用者的問題。但是有時模型知識是不夠的,儘管模型可以透過RAG存取外部內容,但透過微調使用模型適應新的領域被認為是有益的。這種微調是使用人工標註者或其他llm創建的輸入進行的,模型會遇到額外的實際知識並將其整合

想了解更多AIGC的內容,請造訪:51CTOAI.x社群https://www.51cto.com/aigc/譯者|晶顏審校|重樓不同於網路上隨處可見的傳統問題庫,這些問題需要跳脫常規思維。大語言模型(LLM)在數據科學、生成式人工智慧(GenAI)和人工智慧領域越來越重要。這些複雜的演算法提升了人類的技能,並在許多產業中推動了效率和創新性的提升,成為企業保持競爭力的關鍵。 LLM的應用範圍非常廣泛,它可以用於自然語言處理、文字生成、語音辨識和推薦系統等領域。透過學習大量的數據,LLM能夠產生文本

編輯|ScienceAI問答(QA)資料集在推動自然語言處理(NLP)研究中發揮著至關重要的作用。高品質QA資料集不僅可以用於微調模型,也可以有效評估大語言模型(LLM)的能力,尤其是針對科學知識的理解和推理能力。儘管目前已有許多科學QA數據集,涵蓋了醫學、化學、生物等領域,但這些數據集仍有一些不足之處。其一,資料形式較為單一,大多數為多項選擇題(multiple-choicequestions),它們易於進行評估,但限制了模型的答案選擇範圍,無法充分測試模型的科學問題解答能力。相比之下,開放式問答

機器學習是人工智慧的重要分支,它賦予電腦從數據中學習的能力,並能夠在無需明確編程的情況下改進自身能力。機器學習在各個領域都有廣泛的應用,從影像辨識和自然語言處理到推薦系統和詐欺偵測,它正在改變我們的生活方式。機器學習領域存在著多種不同的方法和理論,其中最具影響力的五種方法被稱為「機器學習五大派」。這五大派分別為符號派、聯結派、進化派、貝葉斯派和類推學派。 1.符號學派符號學(Symbolism),又稱符號主義,強調利用符號進行邏輯推理和表達知識。該學派認為學習是一種逆向演繹的過程,透過現有的

編輯|KX在藥物研發領域,準確有效地預測蛋白質與配體的結合親和力對於藥物篩選和優化至關重要。然而,目前的研究並沒有考慮到分子表面訊息在蛋白質-配體相互作用中的重要作用。基於此,來自廈門大學的研究人員提出了一種新穎的多模態特徵提取(MFE)框架,該框架首次結合了蛋白質表面、3D結構和序列的信息,並使用交叉注意機制進行不同模態之間的特徵對齊。實驗結果表明,該方法在預測蛋白質-配體結合親和力方面取得了最先進的性能。此外,消融研究證明了該框架內蛋白質表面資訊和多模態特徵對齊的有效性和必要性。相關研究以「S

本站7月5日消息,格芯(GlobalFoundries)於今年7月1日發布新聞稿,宣布收購泰戈爾科技(TagoreTechnology)的功率氮化鎵(GaN)技術及智慧財產權組合,希望在汽車、物聯網和人工智慧資料中心應用領域探索更高的效率和更好的效能。隨著生成式人工智慧(GenerativeAI)等技術在數位世界的不斷發展,氮化鎵(GaN)已成為永續高效電源管理(尤其是在資料中心)的關鍵解決方案。本站引述官方公告內容,在本次收購過程中,泰戈爾科技公司工程師團隊將加入格芯,進一步開發氮化鎵技術。 G
