APMTEAM | Digital Digest

ИИ в промышленности по данным разных аналитических отчетов. Часть 5 Части 1, 2.1, 2.2, 3, 4 Еще один отчет, теперь от Иннополиса. Ключевые моменты на приложенных картинках. Я бы рекомендовал заглянуть в 2 раздела: 🔴Энергетика и ИИ 🔴Промышленность и ИИ В начале каждого раздела есть интересная информация по ключевым проблемам, трендам отрасли и трендам в направлении ИИ. Сам отчет с упором на патенты, но я большой пользы от патентного ландшафта не вижу, слишком высокая скорость изменений в области ИИ и патенты не раскрывают самые интересные составляющие продуктов — самое интересное всегда под ноу-хау, в опен-сорсе и в научных статьях. Наверное, какую-то оценку по патентам в технологическом лидерстве делать можно. Напишите, в чем польза в комментах. 🙂 📎Отчет в пдф прикладываю в комментариях.

ИИ в промышленности по данным разных аналитических отчетов. Часть 3 Части 1, 2.1, 2.2 Раз уж я периодически разбираю отчеты и планирую продолжать это делать, то стоит упомянуть кривую хайпа от Gartner. 📈📉 Первая картинка из аналитического сборника №7 (RL) альманаха ИИ. Актуальна на декабрь 2020 г. Кривая хайпа демонстрирует цикл зрелости технологий (не слышал про нее, наверно, только ленивый). Я не из тех, кто постоянно за ней следит, хотя кривая обновляется ежегодно. Более того, доступны версии по областям знаний, индустриям и тд. Периодически интересно узнать, куда мы катимся куда развивается ИИ и какова текущая зрелость технологий. Поэтому интересной может так же быть вторая картинка — это конкретная кривая в разрезе управления производством. Если хочется детально разобраться, что стоит за тем или иным термином-баззвордом, то стоит обратиться к отчетам Gertner или аналитическим обзорам на их основе. Из интересного: 🔘Во-первых, ИИ и МЛ все-таки разные технологии (вдруг вы привыкли взаимозаменять термины, как я). 🔘Можно проследить как между картинками (за 3 года) машинное обучение и цифровые двойники перешли в следующие стадии. Надеюсь, машинное обучение уже скоро станет привычным инструментом на производствах. Болею за нее, как за понятную и осязаемую для меня технологию!

🔭Распознавание дефектов изоляторов линий электропередач с помощью машинного зрения (CV) Наткнулся на такое соревнование, правда уже после его окончания. Интересен пост в обсуждениях к страничке соревнования на кэггле под названием "Что это за ужас?". Пересказывать не буду — стоит перейти и почитать (лишь добавлю, что проблемы на хакатонах — не редкость, писал о своих травмах своем опыте здесь)🏌️ Ну а нам интересно другое: еще одна задача, решающаяся с помощью ML в энергетике, данные и код. Так как с задачей уже сталкивался, поделюсь наработками из прошлого в дополнение к соревнованию. Задача Необходимо обнаруживать дефекты изоляторов (пример на картинке) линий электропередач (оплавления, сколы, трещины и др). Несмотря на наличие различных методов контроля и диагностики повреждений, популярным остается метод визуального контроля. Чтобы сделать его более эффективным можно использовать сетап дрон+CV. Подход к решению Чтобы автоматизировать обработку данных с дрона, можно применять CV, в частности, сначала можно решать задачу сегментации (выделять изоляторы, пример на картинке к посту), а после (или вместо) решать задачу классификации (без повреждений/с повреждениями + тип повреждений). Детально про задачу и подходы к решению с результатами можно почитать моих коллег из сколтеха по проекту здесь. Данные Данные с соревнования из начала поста доступны на кэггле и по ссылкам в описании, но здесь доступен еще один архив данных с разметкой для задач сегментации изоляторов и классификации дефектов. Код Пара блокнотов доступна на кэггле, более представительный блокнот с решением задач сегментации (Unet) и классификации (VGG) здесь. Отличный потенциальный пет-проект или пример прикладного ресерча без научных открытий. 😼

👨‍💻Популярность ИИ в промышленности по данным разных аналитических отчетов В начале своих обзорных докладов и лекций стараюсь дать оценку места Промышленности среди остальных отраслей экономики. tl;dr: популярность ИИ и ML в промышленности далека от ритейла, маркетинга и др. ⁉️Среди объяснений: низкая автоматизация производств, низкая рентабельность большинства тех. процессов, нехватка кадров, проблемы с данными, консерватизм отрасли. Довольно показательна актуальная на 2021 год карта компаний, занимающихся ИИ в России. Немного моих мыслей: • Digital Petroleum учтена 3 раза, Mechanica AI уже закрылась, есть неучтенные компании, например, Conundrum, но порядок цифр, кажется, что верный • Большую роль играют "дочки" крупных холдингов: Северсталь диджитал, Цифровые технологии и платформы (еврохим), Цифрум (росатом), Сибур диджитал и др, которые не попали в список из-за методологии • Более интересным мне показалась другое число: 0.2% (🧐) — это суммарная выручка компаний из сегмента "Промышленность" на 2020 г. Для сравнения у сегмента FinTech — 17.5% • Есть вопросы к методологии и к глубине анализа авторами именно сегмента "Промышленность" Распределение по классам задач "IoT analytics research 2019 — Industrial AI market report 2019-2025" дает такое распределение кол-ва кейсов ИИ по направлениям: • ТОиР — 24.3% • Контроль и управление качеством — 20.5% • Оптимизация процессов, включая советчики и управление процессом (apc) — 16.3% • Остальные задачи (оптимизация цепочек поставок, кибербезопасность и тд) — значительно меньше С топ-3 и их значительным отрывом склонен согласиться, но думаю, что "Оптимизация процессов" набирает популярность, а "ТОиР" немного теряет. Распределение по отраслям промышленности Согласно отчету “Технологии искусственного интеллекта. АПР Москвы, 2019" распределение следующее: • 44 % — в дискретном производстве (машиностроение, авиастроение и тд) • 22 % — в процессном производстве (металлургия, химия, добыча и тд) • 11 % — в электроэнергетике • 23 % — научные работы университетов (🧐)

Open-source наработки в промышленности Одна из мер поддержки опен-сорса в РФ, упомянутая отчете из этого поста, это гранты Код-ИИ. Я и сам участвовал в проекте, получившем такой грант. В этом посте поделюсь парой проектов, получивших грант и относящихся к промышленности. 1️⃣ CVFlow (13 звезд, последний коммит 4 месяца назад) — открытая библиотека CV для промышленности Github | Youtube Решает следующие задачи: 🔘Определение положения объектов в пространстве и расстояния между ними 🔘Поиск дефектов и прочих образований на материале 🔘Распознавание номера автомобилей 🔘Распознавание номера вагона поезда 🔘Распознавание QR и штрихкодов 🔘Классификация транспортных средств 🔘Гранулометрия, распознавание размеров однородных объектов 🔘Определения скорости объектов по видеопотоку Из реально интересных задач: гранулометрия и поиск дефектов на материале. Из преимуществ: доступны веса предобученных моделей, хотя нет доступных данных. 2️⃣ TSAD — Time Series Analysis for Simulation of Technological Processes (39 звезд, последний коммит 5 месяцев назад) — python библиотека для решения ML задач в промышленности Github | Youtube Решает следующие задачи: 🔘Прогнозирование временных рядов 🔘Поиск аномалий 🔘Автоматизированный разведочный анализ данных 🔘Предварительная обработка данных 🔘Визуализация результатов 🔘Оценки качества решения задач, включая специфичные задачи типа changepoint detection Из преимуществ: неплохая документация, доступны данные, упор на работу с промышленными данными и решение задач PHM (Prognostics and Health Management) Общий недостаток обеих библиотек: недостаточность функционала и недоработанность кода/подходов. Зато у каждого есть шанс поучаствовать и улучшить библиотеки

Гениально, т.е. не отказ двигателя привел к потере тяги, а наоборот...

ПРО РЕМОНТ И ПОДДЕРЖАНИЕ ТРЕБУЕМЫХ ФУНКЦИЙ АКТИВА (история основана на реальных событиях) На скейт-площадке в Красногвардейском районе Санкт-Петербурга была обнаружена дырка в поверхности для катания. Обслуживающая компания получила заявку и выполнила ремонт. В результате, пользователи площадки получили отремонтированную площадку, а не ее требуемую функцию. Что вы можете сказать про надежность площадки после этого ремонта?

OpenAI анонсировала запуск голосового ассистента 🔥 Теперь он будет доступен подписчикам ChatGPT Plus и пользователям ChatGPT Team. Для повышения безопасности OpenAI внедрила фильтры, блокирующие запросы на создание аудио, защищённого авторскими правами, а также исключила возможность имитации голосов других людей. Зато пользователи смогут выбирать один из девяти доступных голосов, что увеличивает гибкость использования. В ближайшее время доступ к новинке получат клиенты тарифов Enterprise и Edu. Источник

⚡️Данные с силовых трансформаторов (поиск аномалий и остаточный ресурс) Да-да, дождались, новая порция открытых промышленных данных! Датасет для решения сразу 3х задач диагностики: 1️⃣Поиск поломок (можно решать как бинарную классификацию) 2️⃣Выход на диагноз (многоклассовая классификация) 3️⃣Прогноз остаточного ресурса (регрессия) Первые 2 объединяют в термин Fault Detection and Diagnosis (FDD), последнюю обозначают термином Remaining Useful Life (RUL). Постановка описанных задач возможна, так как в датасете по сути 2 разметки: 🟡Лейблы с различными типами аномалий (multiclass) 🟣Лейблы с остаточным ресурсом Набор данных и описание выложены на каггле, можно цитировать:

Iurii Katser. (2024). Power Transformers FDD and RUL [Data set]. Kaggle. https://doi.org/10.34740/KAGGLE/DSV/9296666

Набор данных состоит из 3000 отдельных таблиц, каждая из которых представляет собой характеристику состояния отдельного трансформатора. Таблица содержит 4 колонки-признака, это содержания газов в трансформаторном масле. Таблицы имеют длину 420 строк, каждая из которых является отдельным измерением концентраций с периодом между замерами — 12 часов. Задачи поиска и классификации аномалий (FDD) Разметка представляет собой отдельный файл с классами, то есть каждой таблице соответствует 1 лейбл (1 число) класса: 1 — Нормальный режим 2 — Частичный разряд: локальный пробой диэлектрика в газонаполненных полостях; 3 — Низкоэнергетический разряд: искрение или дуговые разряды при плохом контакте элементов конструкции с разным или плавающим потенциалом; разряды между элементами конструкции сердечника ИП, отводами обмотки ВН и баком, обмоткой ВН и заземлением; выделения в масле при переключении контактов; 4 — Низкотемпературный перегрев: нарушение потока масла в каналах охлаждения обмоток, магнитная система, что приводит к низкой эффективности системы охлаждения при температурах < 300 °С. Данные использовались для решения задачи поиска аномалий в этой статье, писал про это в канале (раз, два, три). Задача оценки остаточного ресурса (RUL) Здесь каждой таблице соответствует 1 число — остаточный ресурс трансформатора на момент окончания данных в таблице в виде количества точек. Очень подробно данные и задача рассмотрены здесь (+ пост в канале).

Автономный самосвал Вольво НХ1...

Школьнику о теории вероятностей, 1983 год Цель данного пособия - понятно изложить самые элементарные сведения из теории вероятностей, научить юного читателя применять их при решении практических задач.

Советише экраноплан...

НАУКА ДОСТУПНОСТИ Эвристика доступности – подмена оценки частоты встречаемости, легкостью, с которой в голову приходят примеры. В одном из самых известных исследований доступности супругов спрашивали: «Какова доля ваших усилий, в процентах, в поддержании порядка в доме?» Также им задавали похожие вопросы о выносе мусора, инициировании встреч и т. д. Будет ли сумма самостоятельно оцененных вкладов равна, больше или меньше 100%? Как и ожидалось, сумма оказалась больше 100%. Объяснение – простое искажение доступности: оба супруга помнят собственные вклады и усилия гораздо яснее, чем то, что делает другая половина, и разница в доступности ведет к разнице в оценке частоты. То же самое искажение заметно при наблюдении за группой сотрудников: каждый из участников ощущает, что сделал больше, чем должен, а коллеги недостаточно благодарны за его вклад в общее дело. Психология доступности. Как на впечатления о частоте встречаемости категории повлияет требование перечислить конкретное число примеров? Ощущение быстрого нахождения примеров оказалось важнее их количества. Легкость, с которой на ум приходят примеры, – это эвристический метод нашего быстрого неосознанного мышления, который заменяется сосредоточенностью на содержании в тех случаях, когда наше медленное осознанное мышление задействовано сильнее. Детальнее на видео: https://youtu.be/JSxm27au4Zg Даниел Канеман, из книги «Думай медленно... решай быстро»

❗️Американская OpenAI разработала линейку ИИ-моделей o1, способных рассуждать, говорится в сообщении компании. Новые модели могут решать более сложные задачи в областях науки и программирования, чем более ранние, однако им требуется больше времени на ответ. В ходе обучения они совершенствуют процесс размышления, пробуют различные стратегии и осознают свои ошибки. "Если модель понимает, что допустила ошибки, она может пойти и исправить их", - цитирует Financial Times высказывание главного специалиста по исследованиям в рамках этого проекта Марка Чена.

Безопасный супер ИИ 🧠 Бывший главный научный сотрудник OpenAI Илья Суцкевер основал новую компанию Safe Superintelligence (SSI), целью которой является создание безопасного искусственного суперинтеллекта, превосходящего человеческий. SSI уже привлекла 1 миллиард долларов инвестиций и планирует сосредоточиться на разработке инновационных подходов к масштабированию ИИ. Основной вызов, по мнению Суцкевера, заключается в обеспечении безопасности будущего суперинтеллекта. SSI будет вести обширные исследования, чтобы определить, как гарантировать, что этот ИИ станет силой добра и безопасности. Источник

Какие части самолета нуждались в наибольшей защите во Второй мировой войне? youtube.com/watch?v=P-6ZFcBmTAE

3Д моделирование...

⚡️ Пока Microsoft убивает Office 365 в России, самое время переехать на достойные и безопасные аналоги. Собрали для вас ультимативную подборку: LibreOffice — лучшая бесплатная альтернатива MS Office. Есть текстовый редактор, таблицы и презентации. Поддерживает все десктопные ОС. FreeOffice — максимально похожий интерфейс, полностью совместим со всеми форматами Word, Excel и PowerPoint. Есть клиенты для Windows, Linux и Mac. Идеально, если не хотите переучиваться. Бесплатный как для частных, так и для коммерческих пользователей. OnlyOffice Community Edition — бесплатный пакет, который включает в себя кучу дополнительных фич для бизнеса, умеет вести учёт заказов и документировать продажи. Apache OpenOffice — легендарная альтернатива MS Office. В деле уже 13 лет и продолжает получать регулярные обновления. Все нужные функции на месте. Calligra — аналог Офиса с кучей продвинутых фич: можно даже делать майндмапы и управлять проектами! Всё это — бесплатно. OfficeSuite — умеет в синхронизацию доков на разных девайсах. Бесплатная версия работает с Dropbox, OneDrive и Google Диском. Polaris Office — куча функций в бесплатной версии, есть клиенты под Винду, Mac, iOS и Android. CryptPad — приватный облачный аналог Офиса и Google Документов прямо в браузере, все файлы автоматически шифруются, работает как с текстами, так и с таблицами. ⚡️ Провод

ФОРМИРОВАНИЕ ВЫБОРКИ Следует отличать случайную выборку от удобной — когда вы просто опрашиваете своих знакомых или людей на улице, которые кажутся вам подходящими. Без случайности выборки ваш опрос может оказаться предвзятым. Именно из-за формирования выборок сбор данных может превратиться в бесконечную битву за отсутствие предвзятости. И исследователи побеждают не всегда. Всякий раз, читая в газете, что 71% британцев отдают чему-то предпочтение, мы должны спрашивать себя: «Да, но 71% каких именно британцев?» Дэниел Левитин, из книги «Путеводитель по лжи»