DOI:https://dx.doi.org/10.30919/es1088 人工智能和机器学习在制造工程中的作用和应用:综述 Sara Bunian,1,# Meshari A. Al-Ebrahim 2,*,# 和 Amro A. Nour 3,# 摘要 人工智能 (AI)、机器学习 (ML)、嵌入式系统、云计算、大数据和物联网 (IoT) 的使用正在影响工业 4.0 向先进技术和高效制造流程的范式转变。由于智能和学习机器的成功使用所带来的快速进步,对人工智能的需求日益增加。人工智能被植入智能制造,以解决关键的可持续性问题并优化供应链、能源和资源的使用以及废物管理。工业 4.0 正在努力实现客户驱动的制造能力,以提高灵活性、可持续性和生产力。AI 和 ML 主要用于现代工业流程的优化和监控。工业 AI 系统研究是一个多学科领域,ML、机器人和物联网都参与其中。工业 AI 开发、验证、部署和维护可持续制造的解决方案。由于云计算的兴起和数据存储成本的大幅下降,现在可以存储大量信息和数据并将其传输到 ML 和 AI 算法中,以简化和自动化组织的不同流程。智能制造和工业 4.0 的框架基于智能流程设计、监控、控制、调度和工业应用。智能制造涵盖了广泛的领域,最初被称为基于物联网的技术。
许多技术和系统,包括自动驾驶汽车,监视系统和机器人应用,都依赖能力来准确检测行人以确保其安全性。随着对实时对象检测的需求不断上升,许多研究人员致力于开发有效且值得信赖的算法以供行人识别。通过将学习复杂性意识到的级联反应与增强的级联集成,您只看一次(YOLO)算法,该论文提供了一个实时系统,用于识别项目和行人。使用Karlsruhe技术研究所和丰田技术学院(KITTI)行人数据集评估了所提出的方法的性能。优先考虑速度和准确性,增强的Yolo算法的表现优于其基线。在Kitti行人数据集上,建议的技术在现实世界中的有效性强调了其有效性。此外,复杂性感知的学习级联反应为简化的检测模型做出了贡献,而不会损害性能。当应用于需要对象和个人实时识别的方案时,提出的方法会始终提供有希望的结果。
有什么问题?云计算服务,软件和其他实施数字双胞胎的产品具有潜在的法律,道德和技术问题。根据专家的说法,对数据所有权和隐私的道德问题可能会导致公众信任较低。例如,如果一家制药公司未经同意出售了与数字双胞胎的健康相关数据,则可能会发生这种情况。当数字双胞胎用于决策时,数据质量或准确性等技术问题也可能会降低公众信心。例如,如果用于训练机器学习的数据不能准确反映患者人群的特征,则数字双胞胎的预测分析可能具有误导性甚至歧视性。
辅助设备可以帮助患有痴呆症的老年人安排服药时间,快速与亲人联系,等等。专门设计的时钟可以帮助 ADRD 患者克服与昼夜区分相关的困惑,从而减少伴随该病症的焦虑和恐惧症状。可穿戴跟踪设备长期以来一直被痴呆症患者用来保护他们免受迷路的风险。这些设备连接到警报系统,可以帮助护理人员了解亲人的位置。这项技术在人员紧急情况下也发挥着重要作用。智能家居技术,如虚拟助手,如 Amazon Alexa 和 Google Assistant,可以设置为接收用户的命令和问题。这些命令可以包括控制照明、电源插头、供暖和制冷系统以及安全摄像头。日常技术也可用于联系和帮助人们管理他们的日常生活,从而让他们的护理人员得到喘息。正在积极探索的技术包括口头直播系统、数字电视和简单的手机界面,这些界面可以向个人提供提示,帮助他们应对日常生活活动。基于视频监控的实时系统旨在跟踪从事特定任务(例如泡茶)的人,以识别他们是否在某个特定点卡住,然后给他们口头提示。(Dishman & Carillo,2016)
了解科学技术 (S&T) 领域的出现、共同发展和融合可为研究人员、管理人员、决策者等提供竞争情报。本文介绍了通过专家调查验证的新资金、出版物和学术网络指标和可视化。这些指标和可视化体现了过去 20 年(1998-2017 年)人工智能 (AI)、机器人技术和物联网 (IoT) 三个战略利益领域的出现和融合。对于 32,716 份出版物和 4,497 项 NSF 奖项,我们确定了它们的主题覆盖范围(使用 UCSD 科学地图)、不断发展的合著者网络和日益融合。结果支持在设定适当的研发 (R&D) 优先事项、制定未来 S&T 投资战略或进行有效的研究项目评估时进行数据驱动的决策。