Искусственный интеллект в промышленности

ВНИМАНИЕ!!! Мероприятие ОЧНОЕ, проводится на территории нашего офиса, запись и трансляция вестись не будут!

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.