Page 46 - Inżynieria & Utrzymanie Ruchu I Kwartał 2024

Przemysł 4.0
SZTUCZNA INTELIGENCJA
Dzięki uprzejmości: Brett Sayles, CFE Media i Technologia
bardziej powszechne, z przykładami takimi jak OpenMo- delica i Simulink. Ich zalety obejmują uproszczony rozwój, zwiększoną dokładność, szybsze wdrażanie i potencjał dosto- sowywania. Są one generalnie łatwiejsze w użyciu niż tradycyj- ne języki programowania dla inżynierów bez doświadczenia w programowaniu.
Rysunek 1 przedstawia przykładowy fragment kodu w ję- zyku DSL, który umożliwia inżynierom mechanikom opty- malizację projektu. Kod ten umożliwia inżynierom określenie początkowego projektu, ograniczeń i celów optymalizacji oraz algorytmu optymalizacji, który ma zostać użyty. Dostosowu- jąc parametry algorytmu optymalizacji, inżynierowie mogą dostroić proces optymalizacji, aby osiągnąć pożądane wyniki.
Poniżej znajduje się podział kodu linijka po linijce:
optimize_design: to polecenie DSL służy do wskazania, że użytkownik chce przeprowadzić optymalizację projektu.
input: określa parametry wejściowe używane przez al- gorytm optymalizacji. W tym przykładzie parametrami wej- ściowymi są projekt, ograniczenia i cele. Parametr projektu reprezentuje początkowy projekt, który algorytm będzie opty- malizował, podczas gdy parametry ograniczeń i celów repre- zentują odpowiednio ograniczenia i cele optymalizacji.
algorithm: określa algorytm optymalizacji, który ma zo- stać użyty. W tym przykładzie algorytmem jest genetic_algori- thm. W tym miejscu można również określić inne algorytmy, takie jak particle_swarm_optimization lub simulated_anne- aling.
parameters: określa parametry algorytmu optymalizacji. W tym przykładzie, population_size jest ustawiony na 100, mu-
Właściwe wykorzystanie i wdrożenie sztucznej inteligencji w inżynierii wymaga od inżynierów mechaników opanowania umiejętności twardych, takich jak analiza danych, programowanie i uczenie maszynowe.
44 I kwartał 2024
tation_rate jest ustawiony na 0.1, a generacje są ustawione na 50. Parametry te można dostosować w celu precyzyjnego dostroje- nia algorytmu optymalizacji dla tej konkretnej aplikacji.
output: określa dane wyjściowe algorytmu optymalizacji. W tym przykładzie wynikiem jest zoptymalizowany projekt.
Jak inżynierowie mogą rozwijać umiejętności w zakresie sztucznej inteligencji i uczenia maszynowego? Różnorodne platformy internetowe, takie jak Coursera, edX i Udemy, oferują kursy edukacyjne z zakresu inżynierii, na- uki o danych i sztucznej inteligencji. Konferencje branżowe i warsztaty zapewniają możliwość nawiązywania kontaktów i zdobywania praktycznego doświadczenia z nowymi narzę- dziami i technologiami. Szkolenie w miejscu pracy, w tym pra- ca nad projektami i uczestnictwo w sesjach wymiany wiedzy z bardziej doświadczonymi kolegami, może być skutecznym sposobem na naukę. Inżynierowie mogą również ekspery- mentować z nowymi technologiami w ramach osobistych projektów, na przykład budując prototyp lub pracując nad projektem open source.
Właściwe wykorzystanie i wdrożenie sztucznej inteligencji w inżynierii wymaga od inżynierów mechaników opanowania umiejętności twardych, takich jak analiza danych, programo- wanie i uczenie maszynowe. Równie ważne są umiejętności miękkie, takie jak komunikacja i współpraca, aby skutecznie współpracować z innymi ekspertami. Wykorzystanie i rozwój języków specy cznych dla danej dziedziny może pomóc w tej współpracy, jednocześnie umożliwiając inżynierom odgrywa- nie bardziej aktywnej roli w opracowywaniu sztucznej inteli- gencji do określonego celu.
Budowanie tych umiejętności pozwoli inżynierom me- chanikom rozwijać się, ponieważ nowe technologie, takie jak sztuczna inteligencja, nadal zmieniają sposób pracy inżynierów.
Shreedhar Murthy Hebbur Subbaraju jest inżynierem produktu z ponad dwudziestoletnim doświadczeniem w projektowaniu produktów i systemów oraz inżynierii produkcji. n
INŻYNIERIA & UTRZYMANIE RUCHU – www.utrzymanieruchu.pl