Искусственный интеллект в промышленности

Представляем новый продукт для мониторинга оборудования Engee.мониторинг. Подробно расскажем на вебинаре (25 апреля 2024, online).

На семинаре мы покажем общие подходы применения ИИ на практике, на конкретных примерах, поделимся опытом и разберем сложности, с которыми может столкнуться разработчик алгоритмов, основанных на данных.  

Благодаря тому, что у компании накоплены компетенции в различных технических областях, мы можем строить наши проекты и применять ИИ для различных технических сфер, обобщать результаты и унифицировать подходы, для казалось бы, на первый взгляд, не связанных между собой задач и проектов.  

Подробная программа

09:30 – 10:00   Регистрация 

10:00 – 10:10   Вступительное слово

10:10 – 10:40   Методы и подходы ИИ в радиолокационных задачах. Дмитрий Балакин 

Ядро доклада - обзор методов подавления помехового воздействия на полезный сигнал с помощью искусственного интеллекта. Также Дмитрий рассмотрит практические примеры применения технологии нейронных сетей для учета пассивной и активной помехи. 

Кроме того, Дмитрий расскажет о реализованных проектах, в которых основная роль была отведена нейронным сетям:  

• определение количества и типа объектов 
• оценка высоты объекта в морских условиях 
• распознавании цели на фоне помех 

 10:40 – 12:10  Cистема помощи водителю. Кирилл Тузов

В этой секции мы продемонстрируем совместное применение различных методов машинного обучения на примере решения реальной задачи - это создание системы помощи водителя самосвала. Мы пройдем по разным этапам проекта - от искусственной генерации датасета до построения траектории подъезда и ее привязке к движущемуся ландшафту. 

Мы рассмотрим следующие темы: 

• создание искусственного датасета 
• детекция и сегментация объекта 
• совместное использование пакетов MATLAB и python 
• Optical Flow для трекинга построенной траектории при движении камеры 

Cистема трекинга и реализация нейросетевого алгоритма на ПЛИС для дрона. Кирилл Тузов и Марат Усс

Одна из проблем, с которой может столкнутся разработчик нейронных сетей — недостаток вычислительных ресурсов на конечном устройстве. Мы расскажем, какие техники можно использовать для обхода этого ограничения как со стороны разработки нейросетевого алгоритма, так и со стороны реализации его на ПЛИС. 

Темы доклада: 

• проработка априорной информации 
• выбор функции ошибки 
• оптимизация и реализация алгоритма на ПЛИС 

12:10 – 12:30   Кофе-брейк

12:30 – 14:20   Система мониторинга и диагностика оборудования. Анастасия Лесничая, Дмитрий Гладков 

Предсказательное обслуживание - подход к организации технического обслуживания и ремонта, уже набравший популярность. Внедрение предсказательного обслуживания несет множество плюсов в долгосрочной перспективе, и многие компании хотели бы внедрить на свои производства этот подход, основанный на искусственном интеллекте. Но, к сожалению, не все знают, как подступиться к этой сложной задаче.  

На семинаре мы представим нашу систему мониторинга и диагностики “Предиктив”, которая позволит клиентам сразу увидеть пример итогового продукта; начать разработку не с нуля; быстрее вносить корректировки и видеть результат; масштабировать продукт. 

Мы продемонстрируем применение системы “Предиктив” на примерах двух проектов - с двигателями и трансформаторами.  Также расскажем про новый опыт MathWorks в области Предсказательного обслуживания и обновления Predictive Maintenance Toolbox. 

Темы доклада:  

• предсказательное обслуживание в MATLAB
• обнаружение и диагностика дефектов двигателей
• обнаружение межвитковых замыканий в  трансформаторах посредством цифрового двойника
• система мониторинга и диагностики “Предиктив”

14:20 – 14:40   Физически информированные нейронные сети (Physical-informed Neural Networks PINN). Клим Гольдштейн 

PINN - это подход к машинному обучению, который учитывает физические законы и принципы при создании моделей. Это означает, что мы можем создавать более универсальные модели реальных объектов, которые будут включать в себя не только физические законы, но и данные наблюдений, что в свою очередь влияет на точность создаваемых нами симуляций, а следовательно, может значительно повысить качество предсказательного обслуживания и не только. 

В рамках семинара рассмотрим модельные задачи PINN и примеры применения этого подхода в промышленности.