Машинное обучение

Искусственный интеллект (ИИ) окажет более сильное влияние на наше будущее, чем любая другая инновационная технология XXI в. Те, кто этого еще не осознает, скоро останутся не у дел и обнаружат, что мир вокруг полон настолько удивительных технологических решений, что они будут казаться скорее магией. Развитие технологий идет семимильными шагами. За последние сорок лет были периоды, когда разработки в области ИИ останавливались и возлагаемые на них надежды рушились, но в последние годы быстрое развитие технологий хранения данных и увеличение вычислительных мощностей существенно изменили нашу действительность.

В последнее время анализ данных играет ключевую роль во многих сферах, в том числе в промышленном производстве и инженерном проектировании. В сочетании с предметными знаниями аналитика может быть незаменима при определении причин перебоев и потери прибыли. Однако результаты анализа сильно зависят от контекста данных, а выводы могут оказаться ложными.

Два года назад компания Cognex начала предлагать клиентам библиотеку глубокого обучения ViDi, а в прошлом году реализовала ее в сочетании с VisionPro, своим флагманским программным продуктом. В пакет включены инструменты для выполнения четырех основных задач: Blue-Locate для локализации, Red-Analyze для обнаружения отклонений, Green-Classify для классификации и Blue-Read для распознавания символов.

В скором времени безопасность автоматизации будет обеспечиваться в том числе самообучающимися машинами и оборудованием. Благодаря достижениям в области искусственного интеллекта (англ. Artificial intelligence, AI) и машинного обучения (англ. machine learning, ML) роботы и другое промышленное оборудование, при функционировании которого необходимо соблюдение особых мер безопасности, смогут учиться на большом массиве соответствующих данных.

В статье демонстрируются варианты архитектуры для решения задачи по поиску аномалий в работе оборудования на основе анализа потоков его телеметрии методами машинного обучения (Machine Learning, ML). Поясняется, как можно получить и запустить ML-модели на примере задачи предсказания отказов в работе электродвигателей. Автору хотелось, чтобы статья получилась максимально практической, полезной специалистам по индустриальной автоматизации, поэтому математические формулы опущены и в конце публикации приведены ссылки на исходный код решения.