نقش هوش مصنوعی در ارتقای بهره وری و کیفیت و آموزش صنایع درمانی

سال انتشار: 1405
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 25

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AIMCNFE03_100

تاریخ نمایه سازی: 26 مهر 1405

چکیده مقاله:

با هدف ساده سازی فرآیندها و افزایش بهره وری، به ابزاری کلیدی برای تحول در صنایع مدرن نیاز بود که هوش مصنوعی (AI) توانست در سه حوزه ی اصلی صنعتی این تغییرات را بطور موثری اعمال کند. در این مقاله تحولات رخ داده در کاربردهای محوری صنعتی مرتبط با سه حوزه ی کنترل کیفیت خودکار، قدرت پیش بینی برای تعمیر و نگهداری تجهیزات و آموزش و استاندارد سازی فرآیندها مورد بررسی قرار می گیرد. اولین حوزه ی تحولات مثبت AI کنترل کیفیت بطور خودکار در صنعت، اتوماسیون فرآیندهای کنترل کیفیت است. در این حوزه، سیستم ها با تحلیل تصاویر یا داده های سنسورها، محصولات معیوب را با دقتی فراتر از انسان شناسایی می کنند. نمونه برجسته ی این فناوری، سیستم AI SHARP VISION است؛ این سیستم که تلفیقی از بازرسی بصری و اتوماسیون خروج محصول معیوب از خط تولید می باشد، نه تنها کیفیت مواد اولیه و محصول نهایی را تضمین می کند، بلکه با قابلیت یادگیری، به مرور زمان هوشمندتر هم می شود. حوزه ی حیاتی دیگر، پیش بینی خرابی تجهیزات به منظور کاهش توقف خطوط تولید است. به جای تعمیرات واکنشی، پلتفرم های AI با تحلیل داده های ماشین آلات، احتمال وقوع خرابی را پیش بینی می کنند. به طور مثال، پلتفرم های شناخته شده ای مانند Siemens Mind Sphere و GE Predix دقیقا برای این منظور طراحی شده اند و به صنایع کمک می کنند تا با کاهش خطاهای انسانی و پیش بینی نیاز به تعمیر، از هزینه های سنگین جلوگیری کنند. آخرین دسته پیشرو از هوش مصنوعی برای آموزش کارگران و استانداردسازی فرآیندها در صنعت، AI-Powered Augmented Reality (AR) Guidance Platforms است. این پلتفرم ها از ترکیبی از هوش مصنوعی و واقعیت افزوده استفاده می کنند تا دستورالعمل های دیجیتال، دیاگرام ها و داده ها را به طور مستقیم بر روی نمای دنیای واقعی کارگر (معمولا از طریق عینک هوشمند یا تبلت) قرار دهند.

کلیدواژه ها:

هوش مصنوعی ، صنایع ، اتوماسیون ، AI SHARP VISION ، GE Predix ، Siemens Mind Sphere ، AI-Powered Augumented Reality Guidance Platforms

نویسندگان

آفاق باپیرزاده

گروه ژنتیک دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران

آفاق باپیرزاده

پژوهشگاه ملی مهندسی ژنتیک و زیست فناوری، اتوبان تهران-کرج، شهرک علم و فناوری، بلوار پژوهش

شادی شهسواری

دانشگاه آزاد اسلامی شهرقدس، تهران، بزرگراه فتح، شهرقدس، انتهای بلوار کلهر

محدثه سبزیکار قانع

دانشگاه آزاد اسلامی شهرقدس، تهران، بزرگراه فتح، شهرقدس، انتهای بلوار کلهر

سمانه رستمی صفرلو

دانشگاه آزاد اسلامی شهرقدس، تهران، بزرگراه فتح، شهرقدس، انتهای بلوار کلهر

یاسمن رستمی صفرلو

دانشگاه آزاد اسلامی شهرقدس، تهران، بزرگراه فتح، شهرقدس، انتهای بلوار کلهر