NF AI
Einsatzgebiete von NF AI
Künstliche Intelligenz – mehr als nur Bilderkennung.
Häufig wird Künstliche Intelligenz mit Bilderkennung gleichgesetzt. Von NF AI können Sie jedoch wesentlich mehr erwarten. Die Experten von NeuroForge beschäftigen sich täglich mit interessanten und technisch modernsten Lösungen für Probleme unterschiedlichster Einsatzgebiete. Häufig sind Konzepte aus dem einen Bereich auch auf andere Bereiche übertragbar und erweitern so das Wissen und die Expertise in unterschiedlichsten Anwendungsfällen. Im Folgenden finden Sie einige dieser Anwendungsfälle skizziert.
Datentyp: Bild
Das populärste Gebiet des Bereichs Künstlicher Intelligenz ist sehr vielfältig. NeuroForge hat sich in diesem Bereich früh technologisch divers aufgestellt und erzielt hier bereits große Erfolge mit der Anwendung modernster Verfahren.
Classification
Einteilung von Bildern in erlernte Klassen. Beispielhaft ist hier die NOK-/OK-Einteilung von Bauteilen in der Qualitätssicherung.
Image Segmentation und Regions
Unterteilung eines Bildes in verschiedene, erlernte Regionen. Als Beispiel die Bestimmung der Güte von Oberflächen.
Pose Estimation
Erkennung von Ausrichtung und Verformung von komplexen Objekten. Findet Verwendung in der Posenkorrektur.
Data Generation
Erzeugen von plausiblen Trainingsdaten um auch mit kleinen Datenmengen robuste Künstliche Intelligenzen zu trainieren.
Datentyp: Video
Videos sind eine Abfolge von Bildern und lassen sich gewöhnlich mit den gleichen Technologien wie diese analysieren. Neben den Einzelbildern enthalten Videos auch zusätzliche Informationen über den Kontext, also den zeitlichen Zusammenhang. Ein klarer Informationsgewinn gegenüber einfacher Bildanalyse.
Echtzeitanforderungen
Videoverarbeitung in der Produktion unterliegt hohen Echtzeitanforderungen. So können Fehler bereits frühzeitig in der laufenden Produktion erkannt und behoben werden.
Vorhersagen
Adaptive Lernverfahren ermöglichen gezielte Vorhersagen anhand von gelernten Mustern und Verhaltensweisen. Optimierungen lassen sich so frühzeitig und effektiv einbinden.
Datentyp: Audio
Die Aufnahme von Audiodaten bietet dem produzierenden Gewerbe eine schnelle und zuverlässige Art den Zustand von Maschinen und Bauteilen zu prüfen und zu überwachen. Ähnlich wie bei der Verarbeitung von Videodaten können bei Audiospuren ebenfalls die zeitlichen Zusammenhänge in die Analyse einbezogen werden.
Transformation
Künstliche Intelligenz erlaubt beispielsweise die Formalisierung und Automatisierung von aufwendigen manuellen Arbeitsschritten wie der Extraktion von Nutzsignalen aus Schwingungsdaten.
Anomaly Detection
Durch selbstlernende Verfahren können Systeme automatisiert Abweichungen erkennen. Anomalieerkennung in Schwingungen, wie beispielsweise aufgezeichnetem Stromverbrauch, bilden den Kern von Predictive Maintenance Systemen.
Classification
NOK-/OK-Klassifizierung ist auch auf aufgezeichneten Audiosignalen möglich. Beispielhaft kann das Verfahren der Körperschallanalyse betrachtet werden.
Sonstige Daten
Besonders in der Industrie 4.0 und einhergehender Digitalisierung fallen massive Datenmengen in tabellarischer, strukturierter Form an. Die Information aus Unternehmensdatenbanken oder Excel-Tabellen können mit Hilfe von Künstlicher Intelligenz explorativ erforscht werden.
Knowledge Extraction
Explorative Ansätze erlauben bisher unerkannte Zusammenhänge offenzulegen und ungenutzte Potentiale zu entdecken.
Recommendation Engine
Durch erlernte Vorhersagemodelle können Künstliche Intelligenzen Vorschläge geben und so Arbeitsabläufe optimieren.
KPI Analysis
Wichtige Daten können automatisiert von unwichtigen unterschieden werden. So lässt sich Big Data auf die relevanten Informationen reduzieren.
Predictive Maintenance
Mit Prozessdaten wie Temperatur, Druck oder Luftfeuchte können mögliche Fehlerquellen bereits vorzeitig identifiziert und proaktiv behoben werden.