XiaoMi-AI文件搜索系统
World File Search Systemautomated
人工智能与自动化优化...
很多领域都受到规划和调度问题的困扰。医疗保健、生产、公共交通和教育等不同领域的实际问题通常非常具有挑战性，其解决方案会影响相关人员以及运营的效率和组织成本。由于工业应用需要完全自动化，这些领域的研究最近变得越来越重要。此外，新领域提供了具有挑战性的问题，由于可能的解决方案的搜索空间巨大，无法最佳解决这些问题。在本次演讲中，我们将简要介绍一些具有挑战性的规划和调度问题，这些问题是 Christian Doppler 人工智能和规划与调度优化实验室与工业界合作研究的。我们还将介绍基于人工智能和优化之间的协同作用而开发的该领域解决问题技术的主要思想。
自动化机器学习 - Strathprints
人们意识到在当今快节奏和竞争极其激烈的市场中，人工智能驱动的决策是不可或缺的，这极大地提高了人们对工业机器学习 (ML) 应用的兴趣。目前对分析专家的需求远远超过供应。解决这个问题的一个方法是提高 ML 框架的用户友好性，使非专家更容易使用它们。自动化机器学习 (AutoML) 试图通过提供完全自动化的现成模型选择和超参数调整解决方案来解决专业知识问题。本文分析了 AutoML 在商业分析应用方面的潜力，这有助于提高 ML 在所有行业的采用率。在三个真实数据集上，H2O AutoML 框架与手动调整的堆叠 ML 模型进行了基准测试。手动调整的 ML 模型在实验中使用的所有三个案例研究中都可以达到性能优势。尽管如此，H2O AutoML 包被证明是相当强大的。它速度快、易于使用，并且提供可靠的结果，接近专业调整的 ML 模型。H2O AutoML 框架目前的功能是支持快速原型设计的宝贵工具，可以缩短开发和部署周期。它还可以弥合 ML 专家的现有供需差距，是朝着业务分析自动化决策迈出的一大步。最后，AutoML 有可能在快速变得更加自动化和数字化的世界中促进人类赋权。
Biomek i 系列自动化工作站
Biomek i 系列自动化工作站体现了 Biomek 工作站成为行业领先者的最佳优势，并结合了全球客户建议的增强功能，旨在优化中高通量实验室的可靠性和停机时间。
自动化建筑围护结构密封
该技术通过使用改进的鼓风机门对建筑围护结构加压，然后分配雾化、无毒、水基密封剂，密封剂会自动被吸入泄漏处，从而密封建筑围护结构。在部署系统之前，所有已完成的水平表面和不应密封的开口均已覆盖。然后对空间加压，无线网状网络控制喷嘴阵列，并跟踪建筑物泄漏的空气分配密封剂。密封剂颗粒是超低挥发性有机化合物 (VOC)，不会释放气体，它们会逐渐相互叠加，将围护结构泄漏封闭到系统软件指定的程度。该系统可以密封直径最大为 ½” 的孔洞。在控制密封剂分配的同时，实时监测温度、气压和湿度。密封程序完成后，可在 30 分钟内重新进入空间。本次评估的自动空气密封由 Aeroseal 提供。
自动化物料处理解决方案
近年来，物料搬运行业发生了重大变化，服务提供商之间的合并、收购、整合、合资和合作激增。领先的叉车公司丰田工业于 2017 年收购 Vanderlande 和 Bastian Solutions，进入全球自动化物料搬运市场，凯傲集团于 2016 年收购 Dematic，这些都是从事物料搬运并扩大其在自动化内部物流领域影响力的公司的典范。美的集团（中国）于 2016 年收购库卡和 Swisslog，潍柴动力（中国）随着时间的推移逐渐增持凯傲集团股份，表明人们对该行业的持续兴趣。SSI SCHAEFER 是一家源自德国的私营公司，于 2021 年成为 SAP 物流专家 SWAN GmbH 的大股东；和大福株式会社（日本）于 2019 年收购了印度的 Vega Conveyors and Automation。所有这些活动都体现了整个行业的转变。
国家战略部署自动化和...
通过进一步让地方当局参与监管方面、可接受性和社会方面（已有近 70 个地方当局（包括市镇、城市群、部门和地区）以及连通性和物流利益相关者参与），已经证明其价值的合作工作方法将得到加强。
自动驾驶场景分类
头脑风暴法涉及使用传统的头脑风暴法为分类法创建问题列表。这形成了一种自下而上的方法，通过根据日常驾驶经验和更模糊的事件报告预测可能具有挑战性的事情。建模练习采取了更多的自上而下的方法，考虑系统如何适应分类练习预测的一些挑战。理想情况下，两者应该在中间相遇，但是问题的分组不一定需要直接映射到应对策略，只要有全面覆盖，即有一种机制可以处理每个问题，即使策略是避免，通过不让车辆暴露于该问题。例如，高速公路驾驶员类型的功能通常不会被期望应对铁路平交道口的仲裁，因此尽管系统中没有为此设计的明确软件算法，但仍有覆盖范围。如何确保该功能仅在高速公路上使用而不是在次要道路上使用（可能有平交道口等）将成为该功能模型论证的一部分，并且可能包括仅依靠驾驶员仅在其设计工作的地方使用它的策略，例如通过使用 GNSS/GPS 和地理围栏来主动防止它在其他地方使用。
自动化目标的认知基础...
目标识别已成为战场上不仅直升机，而且几乎所有武器平台的成功关键。其重要性既在于美国作战理论的最新发展，也在于新传感器和武器技术的发展。例如，美国夜间作战能力的利用降低了直升机和坦克识别决策可用的光学信息质量。隐身技术和快速机动战术的使用限制了可从通信和雷达等主动传感器（可提醒敌人注意自身存在）获取的信息，同时压缩了必须做出识别决策的时间。与此同时，敌人机动性和速度的提高以及敌人传感器和武器射程的扩大减少了可用于识别的时间；和信息拒绝技术（如伪装、隐身、电子对抗和战术欺骗）增加了此类决策必须解决的不确定性。在沙漠风暴行动中，9 名美国士兵和 9 名英国士兵被美国飞机误杀。但准确的目标识别早在海湾战争之前就已成为美国军方关注的主要问题（例如，参见 1991 年 3 月 25 日的《防务新闻》），并且很容易想象它在决定战斗成败方面发挥更为关键的作用的情景。
以安全为中心的规划时间自动化框架...
很少只针对一项标准进行工艺计划的合规性检查。例如，在汽车行业，建议制造商至少遵循功能安全、网络安全和软件流程改进的标准。制造商还需要进行定制，即根据单个项目选择和修改要求。在安全标准中，定制通常是通过考虑现有的安全关键性水平来进行的。此外，经常发布的新版本标准要求重新认证。此外，合规性检查不仅针对一项工艺计划。公司通常需要同时规划多个流程。因此，手动检查工艺计划是否符合标准要求并不容易。