Tamil
AI-சக்தியுடன் கூடிய பார்வை அமைப்புகளுடன் கூடிய புத்திசாலி உற்பத்தியின் எதிர்காலம்
09.02 துருக
உற்பத்தி தொழில் ஒரு நிலநடுக்க மாற்றத்தை அனுபவிக்கிறது—இது செயற்கை நுண்ணறிவு (AI) மற்றும் கணினி பார்வையின் இணைப்பால் இயக்கப்படுகிறது. பல ஆண்டுகளாக, பாரம்பரிய உற்பத்தி கையால் ஆய்வுகள், கடுமையான தானியங்கி செயல்பாடுகள் மற்றும் எதிர்வினை பராமரிப்பில் நம்ப relied, இது செயல்திறனில் குறைபாடுகள், மனித பிழைகள் மற்றும் மேம்பாட்டுக்கான வாய்ப்புகளை தவறவிட்டது. இன்று,AI-செயல்படுத்தப்பட்ட பார்வை அமைப்புகள்சமார்த்தமான உற்பத்தியின் முதன்மை ஆதாரமாக உருவாகி வருகிறது, வடிவமைப்பு மற்றும் தொகுப்பு முதல் தரக் கட்டுப்பாடு மற்றும் லாஜிஸ்டிக்ஸ் வரை உற்பத்தி வாழ்க்கைச்சுழற்சியின் ஒவ்வொரு கட்டத்தையும் மாற்றுகிறது. தொழில்துறை 4.0 வேகமாக வளர்ந்துவரும் போது, இந்த அமைப்புகள் இனி “உள்ளது நல்லது” என்ற நிலைமையில் இல்லை, போட்டியிட, சுறுசுறுப்பாகவும், எதிர்காலத்திற்கேற்பவும் இருக்க விரும்பும் வணிகங்களுக்கு முக்கிய முதலீடாக இருக்கிறது.
AI-சக்தியூட்டப்பட்ட கண்ணோட்ட அமைப்புகள் உற்பத்தியில் என்ன?
அவர்களின் அடிப்படையில், AI-சக்தி வாய்ந்த பார்வை அமைப்புகள் உயர் தீர்மான கேமராக்கள், முன்னணி சென்சார்கள் மற்றும் இயந்திரக் கற்றல் (ML) அல்காரிதங்களை இணைத்து “காண” மற்றும் காட்சி தரவுகளை நேரத்தில் விளக்குகின்றன - மனித கண்களின் அல்லது அடிப்படை இயந்திர பார்வையின் திறன்களை மிஞ்சும். எளிய குறைகளை கண்டறிய முன்கூட்டியே நிரலிடப்பட்ட விதிகளை பின்பற்றும் பாரம்பரிய இயந்திர பார்வைக்கு மாறாக, AI பார்வை படங்கள் மற்றும் வீடியோக்களின் பரந்த தரவுத்தொகுப்புகளிலிருந்து கற்றுக்கொண்டு சிக்கலான மாதிரிகளை அடையாளம் காண, புதிய சூழ்நிலைகளுக்கு ஏற்ப மாற, மற்றும் சுயாதீன முடிவுகளை எடுக்க கற்றுக்கொள்கிறது.
உதாரணமாக, அச்சிடப்பட்ட சுற்று வாரியங்கள் (PCBs) பற்றிய ஆயிரக்கணக்கான படங்களில் பயிற்சி பெற்ற ஒரு அமைப்பு, தெளிவான பிளவுகளை அடையாளம் காணக்கூடியதுடன், மனித ஆய்வாளர் தவறவிடக்கூடிய நுணுக்கமான உலோகக் குறைபாடுகளை கண்டுபிடிக்கவும் முடியும். காலக்கெடுவில், இது மேலும் தரவுகளை செயலாக்குவதற்காக, அதன் துல்லியம் மேம்படுகிறது—மூல காட்சி உள்ளீட்டை உற்பத்தியாளர்களுக்கான செயல்திறனான உள்ளடக்கங்களாக மாற்றுகிறது. இங்கு குறிப்பிடத்தக்க ஒரு எடுத்துக்காட்டு, உலகின் மிகப்பெரிய மின்சார ஒப்பந்த உற்பத்தியாளர் ஃபாக்ஸ்கான். ஃபாக்ஸ்கான் 2023-ல் அதன் PCB உற்பத்தி வரிசைகளில் AI காட்சி அமைப்புகளை செயல்படுத்தியது, கைமுறையால் ஆய்வு செய்யும் நேரத்தை 70% குறைத்து, ஆப்பிள் மற்றும் டெல் போன்ற வாடிக்கையாளர்களுக்கான குறைபாடுகள் விகிதத்தை 45% குறைத்தது.
முக்கிய பயன்பாடுகள் புத்திசாலி உற்பத்தியின் எதிர்காலத்தை உருவாக்குகிறது
AI காட்சி ஒரு ஒரே அளவிலான தீர்வு அல்ல; இது உற்பத்தியின் மிகப்பெரிய வலியுறுத்தல்களை சமாளிக்கும் பல்துறை கருவி. கீழே இந்த அமைப்புகள் மாற்றத்தை உருவாக்கும் முக்கிய பகுதிகள் உள்ளன:
1. தரநிலை கட்டுப்பாடு (QC) மற்றும் குறை கண்டறிதல்
தரக் கட்டுப்பாடு என்பது AI கண்ணோட்டம் மிக விரைவான தாக்கத்தை ஏற்படுத்திய இடமாகும். கையேடு QC மெதுவாக, ஒற்றுமையற்றது மற்றும் சோர்வுக்கு உட்பட்டது—மிகவும் அதிக அளவிலான உற்பத்தி வரிசைகளுக்கு (எ.கா., வாகனப் பகுதிகள், மின்சாதனங்கள் அல்லது மருந்துகள்) குறிப்பாக. AI கண்ணோட்ட அமைப்புகள் தயாரிப்புகளை நிமிடத்திற்கு நூற்றுக்கணக்கான வேகத்தில் ஆய்வு செய்கின்றன, 99% க்கும் மேற்பட்ட துல்லியத்துடன்—மனித ஆய்வாளர்கள் ஒப்பிட முடியாத அளவு.
காரிய தொழிலில், எடுத்துக்காட்டாக, டெஸ்லா தனது கிகாபாக்ஸில் பேட்டரி செல்களின் வெல்ட்களை மற்றும் உடல் பானல்களின் சரிசெய்யல்களை ஆய்வு செய்ய AI-அடிப்படையிலான பார்வை அமைப்புகளை பயன்படுத்துகிறது. இந்த அமைப்புகள் ஒரு பேட்டரி தொகுப்பில் 2 விநாடிகளில் 500 வெல்டு புள்ளிகளை ஸ்கேன் செய்கின்றன, 0.1 மிமீ அளவுக்குக் குறைவான குறைகளை கண்டறிகின்றன. இதனால், பேட்டரி மறுசீரமைப்பு செலவுகள் ஆண்டுக்கு $12 மில்லியனாக குறைந்துள்ளன மற்றும் உற்பத்தி throughput 18% மேம்பட்டுள்ளது. மருந்தியல் துறையில், பைசர் தனது நியூயார்க் வசதியில் மாத்திரை ஆய்விற்காக AI பார்வையை செயல்படுத்தியது. இந்த தொழில்நுட்பம் மாத்திரையின் வடிவம், நிறம் மற்றும் பூச்சு ஆகியவற்றில் உள்ள அசாதாரணங்களை அடையாளம் காண்கிறது, இது அளவீட்டு பிழைகளை குறிக்கக்கூடும், FDA தரநிலைகளுடன் இணக்கமாக இருப்பதை உறுதி செய்கிறது மற்றும் மீட்டெடுக்கும் ஆபத்துகளை 80% குறைக்கிறது.
2. முன்னறிவிப்பு பராமரிப்பு
அனுகூலமாக இல்லாத நிறுத்தம் உற்பத்தியாளர்களுக்கு ஆண்டுக்கு பில்லியன்கள் செலவாகிறது. AI-ஐ அடிப்படையாகக் கொண்ட பார்வை அமைப்புகள், உபகரணங்களை அணுகுமுறை அல்லது தோல்வியின் ஆரம்ப அடையாளங்களை கண்காணித்து இந்த ஆபத்தைக் குறைக்க உதவுகின்றன. மோட்டார்கள், கான்வெயர்கள் அல்லது ரோபோட்டிக் கைகளில் மவுன்ட் செய்யப்பட்ட கேமராக்கள் காட்சி தரவுகளை (எ.கா., அசாதாரண அதிர்வுகள், எண்ணெய் கசிவு, அல்லது பெல்ட் கிழிப்பு) பிடித்து, அதை ML மாதிரிகளுக்கு வழங்குகின்றன. இந்த மாதிரிகள் தரவுகளை வரலாற்று மாதிரிகளுடன் ஒப்பிட்டு, பராமரிப்பு எப்போது தேவை என்பதை கணிக்கின்றன—அதனால் குழுக்கள் திட்டமிட்ட நிறுத்தத்தின் போது பழுதுகளை சரிசெய்ய திட்டமிடலாம், உடனடி முறையில் உடைப்பு ஏற்படுவதற்குப் பதிலாக.
Boeing AI காட்சி பயன்படுத்துகிறது அதன் விமான அசம்பிளி கோடுகளில் முன்னறிவிப்பு பராமரிப்புக்கு சீயாட்டலில். ரோபோட்டிக் ரிவெட்டர்களில் மவுன்ட் செய்யப்பட்ட கேமராக்கள் கருவி அணுகுமுறை மற்றும் இணைப்பு நிலைத்தன்மையை கண்காணிக்கின்றன, கூறுகள் 30% தோல்விக்கு அருகில் வந்தால் எச்சரிக்கைகள் அனுப்புகின்றன. இது ரிவெட்டிங் உபகரணங்களுக்கு திட்டமிடாத நிறுத்தத்தை 65% குறைத்துள்ளது மற்றும் கருவியின் ஆயுளை 25% நீட்டித்துள்ளது. அதேபோல், Nestlé AI காட்சியை தனது சாக்லேட் தொழிற்சாலைகளில் கான்வாயர் பெல்ட்களை கண்காணிக்க பயன்படுத்துகிறது. இந்த அமைப்பு பெல்ட் தவறான அமைப்பு அல்லது கிழிப்பு தோல்விக்கு வாரங்கள் முன்பு கண்டறிகிறது, முன்பு நிறுவனத்திற்கு $500,000 செலவாக இருந்த உற்பத்தி நிறுத்தங்களைத் தடுக்கும்.
3. ரோபோட்டிக் வழிகாட்டுதல் மற்றும் தானியங்கி
குழு ரோபோட்டுகள் (“கோபோட்டுகள்”) மற்றும் சுயாதீன மொபைல் ரோபோட்டுகள் (AMRs) புத்திசாலி தொழிற்சாலைகளில் அடிப்படையாக மாறுகின்றன, ஆனால் அவை பாதுகாப்பாகவும் திறமையாகவும் பணிகளை செய்ய துல்லியமான காட்சி உள்ளீட்டிற்கு நம்பிக்கையாக இருக்கின்றன. AI காட்சி கோபோட்டுகளை துல்லியமான அசம்பிளியில் (எடுத்துக்காட்டாக, சிறிய மின்சார கூறுகளை பொருத்துதல்) அல்லது மாறுபட்ட வடிவங்கள் மற்றும் அளவுகளில் உள்ள உருப்படிகளை எடுக்கவும் வைக்கவும் வழிகாட்டுகிறது.
BMW தனது மியூனிக் தொழிற்சாலையில் AI-காட்சி கொண்ட கோபோட்டுகளைDashboard wiring harnesses-ஐ தொகுப்பதற்காக பயன்படுத்துகிறது - இது அதன் சிக்கலுக்காக முறைப்படி செய்யப்பட்டது. கோபோட்டுகள் 3D காட்சியை பயன்படுத்தி கம்பி நிறங்கள் மற்றும் இணைப்பாளர் வடிவங்களை அடையாளம் காண்கின்றன, நேரத்தில் தங்கள் பிடிப்பை சரிசெய்கின்றன. இது தொகுப்பு நேரத்தை 40% குறைத்தது மற்றும் பிழை வீதங்களை 8% இருந்து 1% க்குக் குறைத்தது. லாஜிஸ்டிக்ஸில், அமேசான் ரோபோட்டிக்ஸ் தனது AMRs-ல் AI காட்சியை பயன்படுத்துகிறது. ரோபோட்டுகள் 100 முறை ஒரு விநாடிக்கு தங்கள் சுற்றுப்புறங்களை ஸ்கேன் செய்து, மாறும் சூழ்நிலைகளை (எ.கா., நகரும் தொழிலாளர்கள், அடுக்கப்பட்ட பெட்டிகள்) வழிநடத்துகின்றன, மோதல் சம்பவங்களை 90% குறைத்து, களஞ்சியத்தின் throughput-ஐ 35% அதிகரிக்கின்றன.
4. செயல்முறை மேம்பாடு
AI கண்ணோட்ட அமைப்புகள் உற்பத்தி மாடியில் "டிஜிட்டல் கண்கள்" ஆக செயல்படுகின்றன, வேலைப்பாட்டின் தடைகள், இயக்குனர் திறன் மற்றும் வளப் பயன்பாட்டைப் பற்றிய தரவுகளை சேகரிக்கின்றன. இந்த தரவுகளை பகுப்பாய்வு செய்வதன் மூலம், உற்பத்தியாளர்கள் செயல்திறனின்மைகளை அடையாளம் காணலாம் மற்றும் தரவுக்கு அடிப்படையாகக் கொண்ட மாற்றங்களை செய்யலாம்.
Anheuser-Busch InBev (ABI) தனது சென்ட் லூயிஸ் பியர் தொழிற்சாலையில் பியர் பாட்டிலிங் வரிசைகளை மேம்படுத்த AI காட்சி செயல்படுத்தியது. கேமராக்கள் பாட்டிலின் நிரப்பும் அளவுகளை, மூடி ஒழுங்குகளை மற்றும் லேபிள் இடங்களை கண்காணிக்கின்றன, மைய டாஷ்போர்டுக்கு தரவுகளை வழங்குகின்றன. ABI இந்த உள்ளடக்கங்களை பயன்படுத்தி கான்வெயர் வேகங்களை மற்றும் நிரப்பும் நுழைவாயில் அழுத்தத்தை சரிசெய்தது, அதிக நிரப்புதல் வீணையை 22% குறைத்து, வரிசை செயல்திறனை 15% அதிகரித்தது—வருஷத்திற்கு $3 மில்லியன் சேமிப்பு. மற்றொரு எடுத்துக்காட்டு நைகி, இது வியட்நாம் காலணி தொழிற்சாலைகளில் தையல் செயல்முறைகளை கண்காணிக்க AI காட்சியை பயன்படுத்துகிறது. இந்த அமைப்பு துரிதமான தையல் மாதிரிகளை ஆரம்பத்தில் அடையாளம் காண்கிறது, செயல்பாட்டாளர்களுக்கு குறைபாடான தயாரிப்புகள் உருவாகும் முன் இயந்திரங்களை சரிசெய்ய அனுமதிக்கிறது—பொருள் வீணையை 30% குறைக்கிறது.
5. வழங்கல் சங்கிலி தடையின்மை
மருத்துவம் மற்றும் விண்வெளி போன்ற தொழில்களில், தடையற்ற கண்காணிப்பு பேச்சுவார்த்தைக்கு உட்பட்டது அல்ல. AI-ஆயுதமான பார்வை அமைப்புகள், மூலப் பொருளிலிருந்து முடிவான தயாரிப்புக்கான கூறுகளை, பார் கோடுகள், QR கோடுகள் அல்லது தனிப்பட்ட காட்சி குறியீடுகளை (எ.கா., மேற்பரப்பு உருப்படிகள்) ஸ்கேன் செய்வதன் மூலம் கண்காணிக்கின்றன.
ஜான்சன் & ஜான்சன் (J&J) தனது தடுப்பூசி உற்பத்தியில் செயல்பாட்டுப் பன்னாட்டு பொருட்களை (APIs) கண்காணிக்க AI காட்சி பயன்படுத்துகிறது. கேமராக்கள் ஒவ்வொரு உற்பத்தி கட்டத்தில் API துகள்களின் மைக்ரோஸ்கோபிக் மாதிரிகளை ஸ்கேன் செய்கின்றன, அவற்றை தொகுப்பு பதிவுகளுடன் இணைக்கின்றன. 2024 இல் ஒரு வழங்கல் சங்கிலி ஆய்வின் போது, J&J ஒரு மாசுபட்ட API தொகுப்பை 2 மணிநேரத்தில் அதன் மூலத்திற்குச் சென்று கண்டுபிடிக்க முடிந்தது - கையேடு கண்காணிப்புடன் ஒப்பிடுகையில் 3 நாட்கள் - தயாரிப்பு இழப்பை குறைக்கிறது. விமானவியல் துறையில், ஏர்பஸ் AI காட்சியை டர்பைன் பிளேட் கூறுகளை கண்காணிக்க பயன்படுத்துகிறது. ஒவ்வொரு பிளேட்டுக்கும் உயர் தீர்மான கேமராக்களால் பிடிக்கப்பட்ட தனித்துவமான மேற்பரப்பு உருப்படிகள் உள்ளன, இது ஏர்பஸ்ஸுக்கு அதன் உருவாக்கத்திலிருந்து நிறுவலுக்கான பயணத்தை கண்காணிக்க அனுமதிக்கிறது - EASA விதிமுறைகளுடன் இணக்கமாக இருப்பதை உறுதி செய்கிறது மற்றும் பராமரிப்பு சோதனைகளை எளிதாக்குகிறது.
ஏன் AI பார்வை உற்பத்தியாளர்களுக்கான ஒரு விளையாட்டு மாற்றுபவர்?
AI-செயல்படுத்தப்பட்ட கண்ணோட்ட அமைப்புகளை ஏற்கையின் நன்மைகள் செயல்பாட்டு திறனை மிஞ்சியதாக உள்ளன. இவை எவ்வாறு உண்மையான மதிப்பை வழங்குகின்றன என்பதைப் பார்ப்போம்:
• செலவுக் குறைப்பு: கழிவுகளை குறைத்தல், மறுபணி செலவுகளை குறைத்தல், மற்றும் திட்டமிடாத நிறுத்த நிகழ்வுகளை குறைத்தல் ஆகியவை முக்கியமான அடிப்படைக் காசோலைச் சேமிப்புகளுக்கு வழிவகுக்கின்றன. ஒரு மெக்கின்சி அறிக்கையில், AI-ஐ அடிப்படையாகக் கொண்ட தரக் கட்டுப்பாடு உற்பத்தியாளர்களுக்கான ஆய்வு செலவுகளை 30–50% குறைக்க முடியும் எனக் கணிக்கப்படுகிறது. எடுத்துக்காட்டாக, ஜெனரல் எலக்ட்ரிக் (GE) தனது வாயு டர்பைன் பிரிவில் AI கண்ணோட்டத்தை செயல்படுத்திய பிறகு $20 மில்லியன் சேமித்தது, மறுபணி மற்றும் நிறுத்தத்தை குறைத்தது.
• உயர்ந்த உற்பத்தி திறன்: மீண்டும் மீண்டும் செய்யப்படும் பணிகளை தானியங்கி செய்யும் மூலம் (எடுத்துக்காட்டாக, ஆய்வு, வகைப்படுத்தல்), AI காட்சி தொழிலாளர்களை பிரச்சினைகளை தீர்க்கும் மற்றும் புதுமை போன்ற உயர்ந்த மதிப்புள்ள செயல்பாடுகளில் கவனம் செலுத்துவதற்கு விடுவிக்கிறது. சியமென்ஸ் தனது பெர்லின் மின்சாதன தொழிற்சாலையில் AI காட்சி 80% கையால் ஆய்வு பணிகளை மேற்கொண்ட பிறகு தொழிலாளர் உற்பத்தி திறனில் 25% உயர்வு ஏற்பட்டதாக தெரிவித்துள்ளது.
• மேம்பட்ட பாதுகாப்பு: AI காட்சி வேலைப்பாடுகளில் பாதுகாப்பு ஆபத்துகளை கண்காணிக்க முடியும் (எ.கா., பாதுகாப்பு இல்லாத இயந்திரங்கள், தொழிலாளர்களின் சோர்வு) மற்றும் நேரத்தில் மேற்பார்வையாளர்களுக்கு எச்சரிக்கையளிக்கிறது—வேலைப்பாடுகளில் விபத்துகளை குறைக்கிறது. 3M தனது மினசோட்டா டேப் தொழிற்சாலையில் பாதுகாப்பு உபகரணங்கள் இல்லாமல் இயந்திரங்களை இயக்கும் தொழிலாளர்களை கண்டறிய AI காட்சியை பயன்படுத்தியது; 6 மாதங்களில், பாதுகாப்பு சம்பவங்கள் 55% குறைந்தன.
• அளவீட்டுக்கூற்றுகள்: கையால் செயல்முறை மாறுபட்டது போல, AI காட்சி அமைப்புகள் உற்பத்தி அளவுடன் எளிதாக அளவீட்டுக்கூற்றுகளை உருவாக்க முடியும். சாம்சங் 2023 இல் 2 முதல் 15 ஸ்மார்ட்போன் உற்பத்தி வரிசைகளுக்கான AI காட்சி செயல்பாட்டை விரிவாக்கியது, புதிய தயாரிப்பு தரவுகளுடன் உள்ள மாதிரிகளை மீண்டும் பயிற்சி அளித்து—200+ கூடுதல் ஆய்வாளர்களை வேலைக்கு எடுக்க தேவையை தவிர்த்து.
• போட்டியாளர் நன்மை: AI காட்சி பயன்படுத்தும் உற்பத்தியாளர்கள் தயாரிப்புகளை சந்தையில் விரைவாக கொண்டு வரலாம், உயர் தரமான தரநிலைகளை பராமரிக்கலாம், மற்றும் வாடிக்கையாளர் தேவைகளுக்கு விரைவாக ஏற்படுத்தலாம். Xiaomi தன் Redmi Note 13 தொடர் திட்டமிட்டதைவிட 3 வாரங்கள் முன்பு வெளியிட்டது, AI காட்சியை பயன்படுத்தி தரத்தைச் சரிபார்க்க விரைவுபடுத்துவதன் மூலம், அதன் வெளியீட்டு காலத்தில் 10% அதிக சந்தை பங்கைக் கைப்பற்றியது.
அங்கீகாரம் பெறுவதற்கான சவால்கள் மற்றும் கருத்துக்கள்
எனினும், உற்பத்தியில் AI கண்ணோட்டத்தின் எதிர்காலம் பிரகாசமாக இருக்கும்போது, ஏற்றுக்கொள்வதில் தடைகள் உள்ளன. உற்பத்தியாளர்கள் ROI ஐ அதிகரிக்க கீழ்க்காணும் விஷயங்களை கையாள வேண்டும்:
• தரவின் தரம் மற்றும் அணுகுமுறை: AI மாதிரிகள் சிறந்த செயல்பாட்டிற்காக பெரிய, உயர் தரமான தரவுத்தொகுப்புகளை நம்புகின்றன. Ford, அதன் உள்ளமைவான குறைபாடு படத் தொகுப்பு முழுமையற்றது (அழுக்கான குறைபாடு வகைகளில் 30% காணவில்லை) என்பதை கண்டுபிடித்த போது, பிரேக் கூறு ஆய்வுக்கான AI காட்சி வெளியீட்டில் தாமதங்களை எதிர்கொண்டது. 10,000 கூடுதல் படங்களை பிடிக்க மூன்றாம் தரப்புடன் கூட்டாண்மை செய்ய வேண்டியிருந்தது, இது திட்டத்தின் காலவரிசைக்கு 3 மாதங்களைச் சேர்த்தது.
• இருப்பதற்கான அமைப்புகளுடன் ஒருங்கிணைப்பு: பல தொழிற்சாலைகள் AI காட்சி கருவிகளுடன் பொருந்தாத பழமையான உபகரணங்களை இயக்குகின்றன. கேடர்பில்லர் தனது 20 ஆண்டுகள் பழமையான புல்டோசர் அசம்பிளி லைன் ERP மென்பொருளுடன் AI காட்சி அமைப்புகளை ஒருங்கிணைக்க $1.2 மில்லியன் செலவழித்தது, பழைய சென்சார்களுக்கு தனிப்பயன் API கள் மற்றும் ஃபிர்ம்வேர் புதுப்பிப்புகளை தேவைப்பட்டது.
• திறன் குறைபாடுகள்: AI காட்சி அமைப்புகளை இயக்கவும் பராமரிக்கவும் தரவியல், ML மற்றும் ரோபோடிக்ஸ் ஆகியவற்றில் திறன்கள் தேவை—இவை குறைவாகவே உள்ளன. ஹனிக்வெல் 500 தொழிற்சாலை தொழிலாளர்களுக்கான உள்ளக பயிற்சி திட்டத்தை தொடங்கியது, அடிப்படையான ML மாதிரி பராமரிப்பு மற்றும் கேமரா அளவீட்டை கற்பிக்க, $500,000 செலவாக. இந்த திட்டம் வெளிப்புற தொழில்நுட்ப ஆதரவை 40% குறைத்தது.
• சைபர் பாதுகாப்பு: AI காட்சி அமைப்புகள் மேகத்துடன் மற்றும் தொழிற்சாலை நெட்வொர்க்குகளுடன் இணைவதன் மூலம், புதிய சைபர் பாதுகாப்பு ஆபத்துகளை அறிமுகப்படுத்துகின்றன. இன்டெல் 2023 இல் ஒரு குற்றவியல் நிகழ்வை அறிவித்தது, அதில் ஹேக்கர்கள் அதன் அரிசோனா சிப் தொழிற்சாலையிலிருந்து AI காட்சி கேமரா காட்சிகளை அணுகினர், இதனால் நிறுவனம் $3 மில்லியன் செலவழித்து முடிவு முதல் முடிவு வரை குறியாக்கம் மற்றும் நெட்வொர்க் பிரிப்பு செய்ய முதலீடு செய்ய வேண்டியதாக இருந்தது.
எதிர்காலம்: உற்பத்தியில் AI-அடிப்படையிலான பார்வைக்கு அடுத்தது என்ன?
எப்படி AI மற்றும் கணினி பார்வை தொழில்நுட்பங்கள் முன்னேறுகின்றன, அவற்றின் manufacturing இல் உள்ள பங்கு மேலும் முக்கியமாக மாறும். கவனிக்க வேண்டிய மூன்று போக்குகள் இங்கே உள்ளன:
1. நேரடி முடிவெடுக்கும்வழி எட்ஜ் ஏஐ
இன்று, பல AI பார்வை அமைப்புகள் தரவுகளை செயலாக்க கிளவுட் கணினி மீது நம்பிக்கையுடன் இருக்கின்றன - இது நேரத்திற்கு முக்கியமான பணிகளுக்கு (எ.கா., ஒரு உற்பத்தி வரிசையை மத்தியிலேயே நிறுத்துவது) சிக்கலானதாக இருக்கலாம். எட்ஜ் AI - சாதனத்தில் உள்ளடக்கமாக தரவுகளை செயலாக்குவது (எ.கா., ஒரு கேமரா அல்லது ரோபோட்) - வழக்கமாக மாறும், கிளவுட் இணைப்பை நம்பாமல் உடனடி முடிவெடுக்க உதவுகிறது.
Toyota தனது கென்டக்கி கார் தொழிற்சாலையில் எட்ஜ் AI-ஐ அடிப்படையாகக் கொண்ட காட்சி தொழில்நுட்பத்தை சோதனை செய்கிறது. வெல்டிங் ரோபோக்களில் நிறுவப்பட்ட கேமராக்கள் உள்ளூர் தரவுகளை செயலாக்குகின்றன, குறைபாடுகளை கண்டறிந்து 0.05 விநாடிகளில் செயல்பாடுகளை நிறுத்துகின்றன - கிளவுட் அடிப்படையிலான செயலாக்கத்துடன் ஒப்பிடுகையில் 2 விநாடிகள். இதனால் குறைபாடான வெல்ட்களை 30% குறைத்துள்ளது மற்றும் தாமதம் தொடர்பான பிழைகளை நீக்கியுள்ளது. கார் தயாரிப்பாளர் 2026 ஆம் ஆண்டுக்குள் வட அமெரிக்காவின் அனைத்து 14 தொழிற்சாலைகளிலும் இந்த தொழில்நுட்பத்தை அறிமுகப்படுத்த திட்டமிட்டுள்ளது.
2. பல்மாதிரிக் கற்கை ஒருங்கிணைப்பு
எதிர்கால அமைப்புகள் காட்சி தரவுகளை மற்ற உள்ளீடுகளுடன் (எ.கா., ஒலி, வெப்பநிலை, அல்லது அதிர்வு) இணைத்து செயல்பாடுகளின் முழுமையான பார்வையை பெறும். எடுத்துக்காட்டாக, ஒரு AI மாதிரி ஒரு இயந்திரத்தின் காட்சி காட்சியையும் அதன் ஒலி அலைகளையும் பகுப்பாய்வு செய்து தோல்வியின் ஆரம்ப அறிகுறிகளை கண்டறியலாம்—துல்லியத்தை மேம்படுத்தி தவறான நேர்மறை முடிவுகளை குறைக்கும்.
சீமென்ஸ் எனர்ஜி தனது வாயு டர்பைன் தொழில்களில் பல்வேறு முறை AI அமைப்பை சோதனை செய்கிறது. இந்த அமைப்பு AI காட்சி (பிளேடு மேற்பரப்பின் அணுக்களை கண்காணித்தல்) மற்றும் ஒலி சென்சார்கள் (சாதாரணம் அல்லாத இயந்திர ஒலிகளை கண்டறிதல்) மற்றும் வெப்பநிலை தரவுகளை (வெப்ப விநியோகத்தை கண்காணித்தல்) இணைக்கிறது. ஆரம்ப சோதனைகள் ஒற்றை தரவுத் தரவுத்தொகுப்புகளுடன் ஒப்பிடுகையில் தவறான பராமரிப்பு எச்சரிக்கைகளில் 40% குறைப்பை காட்டுகின்றன, இது நிறுவனத்திற்கு ஆண்டுக்கு $1.5 மில்லியன் தேவையற்ற பழுதுபார்வையில் சேமிக்கிறது.
3. மனித-ஏஐ ஒத்துழைப்பு
மனித தொழிலாளர்களை மாற்றுவதற்குப் பதிலாக, AI பார்வை ஒத்துழைப்பை மேம்படுத்தும். AI பார்வையுடன் இணைக்கப்பட்ட விரிவாக்கப்பட்ட யதார்த்தம் (AR) தலைக்கவசங்கள் தொழில்நுட்ப நிபுணர்களுக்கான நேரடி ஆய்வு வழிகாட்டுதல்களை மேலே இடலாம், அல்லது AI மனிதர்களால் மதிப்பீடு செய்ய anomalies களை குறிக்கலாம்—AI இன் வேகத்துடன் மனிதர்களின் முக்கிய சிந்தனையை இணைக்கும்.
போயிங் விமான பராமரிப்பு தொழில்நுட்பர்களுக்காக AR-AI கண்ணாடிகளை பயன்படுத்துகிறது. இந்த கண்ணாடிகள் காட்சி குறியீடுகளை (எ.கா., ஒளி வைக்கப்பட்ட பட்டு இடங்கள்) மற்றும் AI உருவாக்கிய எச்சரிக்கைகளை (எ.கா., “இங்கு குரூசன் உள்ளதா என்பதை சரிபார்க்கவும்”) விமான உடல்களின் கேமரா ஸ்கேன் அடிப்படையில் காட்சிப்படுத்துகின்றன. கண்ணாடிகளை பயன்படுத்தும் தொழில்நுட்பர்கள் பராமரிப்பு பணிகளை 25% வேகமாகவும், பாரம்பரிய கையேடுகளைப் பயன்படுத்தும் தொழில்நுட்பர்களைவிட 18% குறைவான பிழைகளுடன் முடிக்கிறார்கள். வோல்க்ஸ்வாகன் தனது வோல்ஸ்பர்க் தொழிற்சாலையில் இதற்கான ஒத்த தொழில்நுட்பத்தை ஏற்றுக்கொண்டுள்ளது, அங்கு AR-AI கண்ணாடிகள் ஊழியர்களை கார் உள்ளகங்களை தனிப்பயனாக்குவதில் வழிகாட்டுகின்றன, கட்டமைப்பு பிழைகளை 60% குறைக்கின்றன.
கடைசி எண்ணங்கள்
AI-செயல்பாட்டால் இயக்கப்படும் பார்வை அமைப்புகள் உற்பத்தியை மாற்றுவதற்கேற்ப அல்ல; அவை என்ன செய்ய முடியும் என்பதையும் மறுபரிசீலிக்கின்றன. டெஸ்லாவின் பேட்டரி ஆய்வுகளிலிருந்து போயிங்-இன் AR-விரிவாக்கப்பட்ட பராமரிப்பு வரை, உண்மையான உலக வழக்குகள் இந்த கருவிகள் அளவீட்டுக்கூடிய முடிவுகளை வழங்குவதாக நிரூபிக்கின்றன: குறைந்த செலவுகள், உயர் தரம், மற்றும் அதிக நெகிழ்வுத்தன்மை. ஏற்கனவே தொழில்நுட்பம், தரவுகள் மற்றும் திறன்களில் முதலீடு தேவைப்படும் போதிலும், நீண்டகால நன்மைகள்—செலவுகளைச் சேமிப்பது, உற்பத்தி அதிகரிப்புகள், மற்றும் போட்டி நன்மை—இதை ஒரு மதிப்புமிக்க முயற்சியாக மாற்றுகின்றன.
என்றால் தொழில்துறை 4.0 வளர்ந்துவரும் போது, AI பார்வை மாறுபாட்டாக இருக்காது, ஆனால் அவசியமாக இருக்கும். இந்த தொழில்நுட்பத்தை இன்று ஏற்றுக்கொள்கிற உற்பத்தியாளர்கள் புத்திசாலித்தனமான உற்பத்தியின் எதிர்காலத்தில் வெற்றியடைய சிறந்த முறையில் இருக்கிறார்கள்.
தொடர்பு
உங்கள் தகவலை விட்டு நாங்கள் உங்களை தொடர்பு கொள்ளுவோம்.
WhatsApp
WeChat