دیگر نمی توان به سیلندرهای صنعتی به چشم گذشته نگاه کرد.
هوش مصنوعی در حال دگرگون کردن نحوه ی مدیریت سیلندرها توسط شرکت های گاز صنعتی است. فناوری های نوین باعث شده اند ثبت هوشمندانه تر، رهگیری دقیق تر و نگهداری پیش بینی محور ممکن شود. ارائه دهنده نرم افزارهای توزیع( در یک وبینار اخیر که توسط Datacor ( متخصص نرم افزارهای ردیابی( و TrackAbout ( دو شرکت برگزار شد، همکاری کردند و هوش مصنوعی را برای حل چالش های قدیمی مدیریت چرخه عمر سیلندرها به کار گرفته اند. این همکاری به کاهش خطا، بهبود یکپارچگی داده ها و افزایش بهره وری عملیاتی منجر شده است. توضیح داد که چگونه هوش مصنوعی از همان ابتدای فرآیند ثبت وارد عمل می شود تا ، TrackAbout الیزابت والاس، معاون محصولات در ورودی های دستی را حذف کرده و از روز اول، دقت داده ها را تضمین کند. او گفت: مهم ترین بخش مدیریت دارایی، دانستن مکان دارایی ها و استفاده ی بهینه از آن هاست. ما تلاش می کنیم خطاهای انسانی را از لحظه ی ثبت اولیه حذف کنیم، با استفاده از هوش مصنوعی و شناسایی بصری. همه چیز با یک عکس شروع می شود. وی افزود: تمرکز ما بر استفاده مجدد از دارایی هاست و اینکه چطور می توانیم سریع تر حرکت کنیم و الگوها را ردیابی کنیم – و این از یک مرجع تصویری آغاز می شود. به جای ورود دستی کد محصول یا ویژگی ها، این شرکت فرآیندی را طراحی کرده که در آن تصویر سیلندر به عنوان رکورد پایه مورد استفاده قرار می گیرد. این روش باعث اعتبارسنجی بهتر، سهولت در شناسایی مجدد در صورت از بین رفتن تگ، و کاهش ناسازگاری ها در داده های مرجع می شود؛ مسائلی که ممکن است کل سیستم مشتری را تحت تأثیر قرار دهند. هر سیلندر اطلاعاتی مانند مالک، سازنده، بارکد، نوع سوپاپ، شماره سریال، وزن، ظرفیت، فشار و استاندارد را در خود دارد. والاس افزود: نمی خواهیم کسی کد محصول اشتباه وارد کند یا ویژگی هایی را انتخاب کند که به آن سیلندر مربوط نیست. این کار ریسک زا است، و این داده ها در کل کسب وکار استفاده می شوند. هدف ما این است که از ابتدا به درستی و به کمک تصویر، سیلندر را شناسایی کنیم. او همچنین به مسئله ی تکراری بودن شماره های سریال اشاره کرد و گفت که شماره های سریال همیشه در میان تولیدکنندگان منحصربه فرد نیستند. وی گفت: اگر مرجع بصری داشته باشیم، می توانیم بفهمیم که شماره تکراری است یا خیر. هوش مصنوعی می تواند از داده های تاریخی استفاده کند، اطلاعات موجود درباره سیلندرها را تحلیل کند و دقیقاً بگوید که گام بعدی چیست. توضیح داد که مدل هوش مصنوعی با بهره گیری از یادگیری عمیق و بینایی ماشین، اطلاعات ، Datacor لو ژانگ، مدیر ارشد علوم داده در کلیدی مانند نشانه گذاری ها، شماره های سریال و تاریخ های آزمون مجدد را مستقیماً از عکس ها شناسایی می کند. ژانگ گفت: تشخیص سیلندرهای گاز چالش برانگیز است، چون متن روی آن ها منحنی، برجسته و اغلب فرسوده است. اما ما مدل خود را با ده ها هزار تصویر آموزش دادیم و داده هایی را به آن دادیم تا یاد بگیرد که حتی در شرایط نوری نامناسب یا محیط های شلوغ هم علائم را با دقت بالا بخواند. این سیستم با استفاده از فرآیند بخش بندی تصویری، سیلندر را از پس زمینه جدا کرده، نواحی حاوی متن را شناسایی کرده و آن ها را به وارد می کند. TrackAbout فیلدهای داده ای مناسب در اپلیکیشن ژانگ اظهار داشت که هدف آن ها کاهش بار کاری دستی و نرخ خطا تا ۹۰ ٪ است، به ویژه برای توزیع کنندگان بزرگی که هزاران یا میلیون ها دارایی را مدیریت می کنند. وی افزود: به جای اینکه به صورت دستی اطلاعات ۱۰ سیلندر را وارد کنند، تنها یک عکس می تواند کل محموله را ثبت کند. والاس تأکید کرد که مزایای این فناوری فراتر از ثبت اولیه است. ابزارهای هوش مصنوعی برای تحلیل تصاویر سیلندرها و تشخیص علائم خرابی مانند آلودگی روغن، سوختگی قوس الکتریکی یا آسیب سطحی نیز استفاده می شوند، که به تصمیم گیری های نگهداری و کاهش ریسک های ایمنی کمک می کند. او گفت :ما در حال افزودن این قابلیت ها به دستگاه های مقاوم صنعتی و گوشی های هوشمند هستیم، تا اپراتورها در کارخانه یا رانندگان درمحل بتوانند به صورت لحظه ای از آن استفاده کنند. هدف ما این است که با کمک هوش مصنوعی، تصمیمات سریع تر و بهتری بگیریم – چه در حوزه نگهداری، چه در برچسب گذاری مجدد یا تطبیق با استانداردها. هوش مصنوعی همچنین برای شناسایی الگوها و پرچم گذاری ناهماهنگی ها در حرکت سیلندرها به کار گرفته می شود. والاس توضیح داد که اکنون می تواند مراحلی از چرخه ی عمر سیلندر را که نادیده گرفته شده اند، مانند بارگیری فراموش شده یا تحویل TrackAbout سیستم ثبت نشده، شناسایی کرده و به طور خودکار اصلاحات یا اعلان ها را تولید کند. او گفت :ما می دانیم که دنیای واقعی همیشه مرتب نیست. افراد گاهی دارایی ها را اسکن نمی کنند یا برخی مراحل را نادیده می گیرند. نرم افزار ما می تواند تشخیص دهد که این موارد کجا اتفاق افتاده و قوانین اصلاح را اعمال کند. مهم تر از آن، ما می توانیم به مشتریان مان نشان دهیم چرا این اتفاق افتاده، چه کسی آن را انجام داده و چگونه می توان جلوی آن را گرفت. والاس که از سال ۲۰۰۲ در صنعت سیلندر فعالیت دارد، گفت در دو سال اخیر بیش از همیشه شاهد تحول بوده است. سرمایه گذاری های بزرگی در فناوری و ابزارهای هوش مصنوعی انجام داده و ما قصد داریم تا جای ممکن از این Datacor او گفت :شرکت ابزارها برای ارائه ی محصولی بهتر به مشتریان استفاده کنیم. در پایان، هر دو نفر یعنی والاس و ژانگ آینده ی روشنی برای ادغام بیشتر هوش مصنوعی در پورتال های مشتری محور متصور هستند؛ جایی که کاربران بتوانند گزارش تولید کنند، تقاضا را پیش بینی کنند و از طریق زبان طبیعی با داده های خود تعامل داشته باشند. والاس گفت: هدف ما این است که ابزارها را برای مشتریان ساده و قابل درک کنیم و به آن ها قدرت دهیم تا سریع تر به پاسخ های موردنظرشان برسند. این مسیر آینده ی هوش مصنوعی است.
منبع: gasworld
