A Fujitsu innovatív AI-technológiája a roncsolásmentes vizsgálatok ultrahangos adatainak alig néhány perces, automatikus elemzésével és diagnosztizálásával javítja a gyártási minőségellenőrzést és hibaészlelést. Az új technikával a korábbinál gyorsabban és hatékonyabban azonosíthatók a potenciális hibák. A Fujitsu Laboratories of Europe megoldása új -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 -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.

 

Szerkesztők figyelmébe

A Fujitsu Laboratories of Europe új AI-megoldása a Fujitsu emberközpontú mesterségesintelligencia-projektje, a „Zinrai” keretében született. A Zinrai átfogó keretrendszere komponenstechnológiát, gépi tanulást, mélytanulást és vizuális felismerési technológiát is tartalmaz. Az új minőségellenőrző alkalmazásnál a megoldást automatikusan alkalmazza a roncsolásmentes vizsgálat során összegyűjtött ultrahang-adatok elemzésére és a releváns minták észlelésére. Az ipari minőségellenőrzés részeként széles körben alkalmazott roncsolásmentes vizsgálatok célja az anyagok vagy struktúrák sértetlenségének megállapítása és a tesztobjektum belső hibáinak azonosítása. Az ultrahangos vizsgálatoknál jelenleg főként manuálisan, a beolvasott kép minden részletének alapos ellenőrzésével keresik a hibákat. Nagyméretű tárgyak esetén ez a folyamat több órát is igénybe vehet. A kezelő vizuális jegyek (pl. a szerkezet görbületei vagy folytonossági hiányai) alapján azonosítja a potenciális hibákat. A Fujitsu megoldása automatikusan kijelöli a beolvasott képen a hibák szempontjából részletesebben megvizsgálandó, releváns területet, így az ellenőrnek csak ezekre a részekre kell figyelnie.

 

 

 

 

 

Alkalmazás			Hibaészlelés			Oktatási modul (Észlelési modellek frissítése)	Adminisztrátori GUI
2. szintű kezelő	Észlelt hibák		Mélytanulási detektor	Képfeldolgozási detektor	Jelfeldolgozási detektor
Beolvasott nyers adatok	Minőségellenőrzés	Elemzett beolvasott kép
Adatrögzítés
1. szintű kezelő	A vizsgálandó tárgy beolvasása a gyárban	A hiba metaadatai		Feltűnő hibajellemzők észlelése
		Beolvasott nyers adatok		Átalakítás képformátumra

 

Ábra: A Fujitsu fejlett megoldása mesterséges intelligencia segítségével hívja fel a 2. szintű kezelő figyelmét a beolvasott kép vizsgálandó területeire