视觉人工智能提高制造行业盈利能力的五种方式
传统监控摄像头系统如今面临的问题是,它们通常只是被动地使用,也就是说,人们对观看视频图像的看法并不一致,而且往往是在安全、安保或质量相关事件发生之后。
在制造行业厂商最近举办的主题为“视觉人工智能:提高制造业盈利能力的五个步骤”的网络研讨会中,强调了人工智能(AI)软件解决方案供应商SparkCognition公司视觉人工智能顾问对制造业生产率和盈利能力的影响,重点关注视觉成像技术为制造车间带来的广泛能力,包括产品质量保证、工人安全和安全保护。
克服日常业务挑战的新方法
在主持网络研讨会时,SparkCognition公司销售副总裁CoryRhoads首先指出了企业面临的各种挑战,尤其是利益相关者,无论是客户、员工、主管还是股东。这些挑战包括生产效率、设备维护、网络安全以及影响员工的健康、安全和环境(HSE)问题等运营方面的挑战。当然,所有这些挑战都必须在实现收入和盈利能力等必要业绩目标的同时得到解决。他指出了与事故和设备故障相关的成本的具体例子,他引用了每小时设备停机的成本超过50万美元,以及每小时工作场所事故的成本12万美元。
应对这些挑战导致了商业的数字化颠覆——很多新技术驱动的活动,包括从机器人和大数据到3D打印、人工智能(AI)和机器学习(ML)的一切。Rhoads利用这一背景进入了视觉人工智能领域,并讨论了该技术是如何工作的,包括它使各种应用成为可能,通常使用企业已经拥有的摄像头基础设施。事实上,目前全球有超过10亿个监控摄像头在使用,其中任何一个都可以很容易地为视觉视觉人工智能应用程序提供图像。
视觉人工智能如何主动识别问题
传统监控摄像头系统的问题是,它们通常只是被动地使用,也就是说,在安全、安保或质量相关事件发生后,视频图像的观看并不一致,而且往往不是这样。研究表明,即使有安全人员全天候监控,人们通常在观看视频18分钟后就会失去一半以上的注意力。
相比之下,VisualAIAdvisor技术则彻底改变了这种方法,通过主动分析实时视频反馈,并在问题开始发生时发出警报,无论是发生火灾、员工离设备太近,还是装配线上的产品质量突然下降。
VisualAIAdvisor不仅仅是永远勤奋,它的应用范围也非常灵活。无论其监控活动是在仓库、工厂装配线还是装货码头,也不管视频类型(闭路电视和无人机等),该系统不仅可以对即将发生的事故或质量问题发出警报,还可以对经常未报告的险些事故发出警报,但这表明未来会出现更严重的问题。通过依靠可视化技术全天候自动监视活动,员工可以专注于更高价值的决策和活动,从而提高盈利能力和生产力。
在谈到VisualAIAdvisor的安全优势时,Rhoads说:“并不是每一起事故都有记录,制造商只知道他们是如何根据报告进行安全操作的。但想象一下,在这样一个环境中,差之毫发的情况会被捕捉到,不安全的行为会一直被提醒,而不管管理者是否真的看到过它的发生。”主动安全增强可以通过向安全经理、团队成员的可穿戴设备,甚至向第一响应者发送警报来提供。在出现质量问题的情况下,可以在长时间生产劣质产品之前立即向管理人员发出警报,从而减少浪费并提高生产率。无论是谈论产品质量还是安全/安保增强,VisualAIAdvisor都带来了一个新的意识和响应水平,这是人工监控无法实现的。
在解释部署VisualAIAdvisor的无障碍路径时,Rhoads指出:“凭借超过125个可用用例和低代码/无代码环境,我们能够非常快速地让新用户启动并运行,并且客户端几乎不需要任何数据科学专业知识,从而实现近乎即时的投资回报率。”此外,对于有隐私问题的组织,通过屏蔽团队成员的面孔、ID徽章等,很容易实现员工匿名化。
现实世界的视觉人工智能:提高制造业盈利能力的五个关键
Rhoads继续详细描述了几个真实的用例,其中包括:
•当员工太靠近旋转机械/重型机械或在悬挂负载下移动时,自动发出警报,并在适当情况下关闭机械。
•识别车辆和员工靠得太近的情况。
•标记质量控制不良的案例,例如,装配线上未煮熟或煮过头的薯片。
•识别因培训或其他原因而无权进入设施特定区域的人员。
•当员工举起箱子或其他物体时,可能出现造成伤害的危险时,就会提醒他们。
Rhoads指出了VisualAIAdvisor可以通过五种方式推动制造业提高盈利能力:
(1)用实时可操作的见解增强人力资本。
(2)主动避免受伤、未遂事件和不安全的行为。
(3)自动化资产和产品检查,以提高质量、可靠性和效率。
(4)重新设计工作区域,提高安全和效率。
(5)通过不引人注目的监测和实际报告,加强团队合作和培训。
传统思维有时认为,安全问题和产品质量问题将不可避免地发生,这些问题具有实际的可量化成本,包括财务和人力成本。但是,以目前人工智能和机器学习的技术水平,这样的事件实际上不需要发生。VisualAIAdvisor是一个实用且易于部署的工具,通过使管理人员能够保持对危险和问题的认识,并采取主动行动来减轻不良后果,有助于防止此类事件的发生。
以上是视觉人工智能提高制造行业盈利能力的五种方式的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

热门话题

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站7月5日消息,格芯(GlobalFoundries)于今年7月1日发布新闻稿,宣布收购泰戈尔科技(TagoreTechnology)的功率氮化镓(GaN)技术及知识产权组合,希望在汽车、物联网和人工智能数据中心应用领域探索更高的效率和更好的性能。随着生成式人工智能(GenerativeAI)等技术在数字世界的不断发展,氮化镓(GaN)已成为可持续高效电源管理(尤其是在数据中心)的关键解决方案。本站援引官方公告内容,在本次收购过程中,泰戈尔科技公司工程师团队将加入格芯,进一步开发氮化镓技术。G
