XiaoMi-AI文件搜索系统
World File Search System系统可靠性
使用 CI 方法进行电力系统可靠性评估的概述
摘要：计算智能 (CI) 方法是解决和解决困难和严峻的可靠性危机的主要趋势和有效的数据处理工具之一，它在智能可靠性分析和数据管理中占有重要地位。然而，只有少数几篇广泛的评论概括了计算智能 (CI) 在电力系统可靠性评估中的当前尝试。可靠性评估有许多方法，目的是延长系统的生命周期，最大化利润并预测组织内资产或系统的生命周期，尤其是在电力分配系统中。维持不间断的电力供应是富裕和全国性增长的指标。讨论了使用计算智能进行电力系统分配可靠性评估的一般背景、一些计算智能技术、可靠性工程、文献综述、理论或概念框架、可靠性评估方法和结论。预期和提议的技术能够显著缩短配电网可靠性调查所需的时间，因为配电网需要一种能够在短时间内评估、评估、测量和更新可靠性指标和系统性能的算法。它还可以管理资产和整个系统的停电数据，以便快速做出决策，并防止灾难性故障。如果使用提议的方法，上面列出的问题将得到解决。本概述或评论可被视为对任何从事研究的人的宝贵帮助。
变分自动编码器用于多系统可靠性优化
摘要 — 多接入边缘计算 (MEC) 被视为未来无线网络不可或缺的一部分，用于支持对服务可靠性和延迟有严格要求的新应用。然而，由于无线链路的不确定性、有限的通信和计算资源以及动态网络流量，保证超可靠和低延迟 MEC (URLL MEC) 非常具有挑战性。启用 URLL MEC 要求考虑到无线和边缘计算系统中端到端 (E2E) 延迟和可靠性的统计数据。在本文中，提出了一种新颖的框架，通过考虑 E2E 服务延迟的分布来优化 MEC 网络的可靠性，包括无线传输和边缘计算延迟。所提出的框架基于相关变分自动编码器 (VAE) 来估计 E2E 服务延迟的完整分布。利用该结果，提出了一个基于风险理论的新优化问题，通过最小化条件风险价值 (CVaR) 作为 E2E 服务延迟的风险度量来最大化网络可靠性。为了解决这个问题，开发了一种新算法，可以有效地将用户的处理任务分配给 MEC 网络上的边缘计算服务器，同时考虑 VAE 学习到的 E2E 服务延迟的统计数据。模拟结果表明，所提出的方案优于几个不考虑 E2E 服务延迟风险分析或统计的基线。
人工智能辅助凹版胶印系统可靠性评估
在印刷电子中，完美的印刷质量对于电子设备制造至关重要。虽然印刷缺陷可能会降低电子设备的性能甚至导致其故障，但使用传统的计算机视觉工具进行印刷缺陷识别的质量评估仍存在挑战。本研究提出了基于人工智能 (AI) 和深度卷积神经网络的计算机视觉方法。首先，收集并标记带有印刷线图像的数据集。其次，使用 Grad-CAM 可视化技术对整体印刷质量分类模型进行训练和评估。第三，也是最后一点，对预训练的对象检测模型 YOLOv3 进行了微调，以进行局部印刷缺陷检测。在微调之前，分析了地面真实边界框，并使用 k 均值聚类算法选择了锚框大小。整体印刷质量和局部缺陷检测 AI 模型与基于滚筒的凹印胶印系统集成在一起。这种 AI 方法也有望成为更准确的印刷可靠性分析的有力补充。
人工智能辅助凹版胶印系统可靠性评估
在印刷电子中，完美的印刷质量对于电子设备制造至关重要。虽然印刷缺陷可能会降低电子设备的性能甚至导致其故障，但使用传统的计算机视觉工具进行印刷缺陷识别的质量评估仍存在挑战。本研究提出了基于人工智能 (AI) 和深度卷积神经网络的计算机视觉方法。首先，收集并标记带有印刷线图像的数据集。其次，使用 Grad-CAM 可视化技术对整体印刷质量分类模型进行训练和评估。第三，也是最后一点，对预训练的对象检测模型 YOLOv3 进行了微调，以进行局部印刷缺陷检测。在微调之前，分析了地面真实边界框，并使用 k 均值聚类算法选择了锚框大小。整体印刷质量和局部缺陷检测 AI 模型与基于滚筒的凹印胶印系统集成在一起。这种 AI 方法也有望成为更准确的印刷可靠性分析的有力补充。
人工智能辅助凹版胶印系统可靠性评估
在印刷电子中，完美的印刷质量对于电子设备制造至关重要。虽然印刷缺陷可能会降低电子设备的性能甚至导致其故障，但使用传统的计算机视觉工具进行印刷缺陷识别的质量评估仍存在挑战。本研究提出了基于人工智能 (AI) 和深度卷积神经网络的计算机视觉方法。首先，收集并标记带有印刷线图像的数据集。其次，使用 Grad-CAM 可视化技术对整体印刷质量分类模型进行训练和评估。第三，也是最后一点，对预训练的对象检测模型 YOLOv3 进行了微调，以进行局部印刷缺陷检测。在微调之前，分析了地面真实边界框，并使用 k 均值聚类算法选择了锚框大小。整体印刷质量和局部缺陷检测 AI 模型与基于滚筒的凹印胶印系统集成在一起。这种 AI 方法也有望成为更准确的印刷可靠性分析的有力补充。
人工智能辅助凹版胶印系统可靠性评估
在印刷电子中，完美的印刷质量对于电子设备制造至关重要。虽然印刷缺陷可能会降低电子设备的性能甚至导致其故障，但使用传统的计算机视觉工具进行印刷缺陷识别的质量评估仍存在挑战。本研究提出了基于人工智能 (AI) 和深度卷积神经网络的计算机视觉方法。首先，收集并标记带有印刷线图像的数据集。其次，使用 Grad-CAM 可视化技术对整体印刷质量分类模型进行训练和评估。第三，也是最后，对预训练的对象检测模型 YOLOv3 进行了微调，以进行局部印刷缺陷检测。在微调之前，分析了真实边界框，并使用 k-means 聚类算法选择了锚框大小。将整体印刷质量和局部缺陷检测 AI 模型与基于滚筒的凹印胶印系统集成在一起。这种 AI 方法也有望为更准确的印刷可靠性分析提供有力补充。
人工智能辅助凹版胶印系统可靠性评估
在印刷电子中，完美的印刷质量对于电子设备制造至关重要。虽然印刷缺陷可能会降低电子设备的性能甚至导致其故障，但使用传统的计算机视觉工具进行印刷缺陷识别的质量评估仍存在挑战。本研究提出了基于人工智能 (AI) 和深度卷积神经网络的计算机视觉方法。首先，收集并标记带有印刷线图像的数据集。其次，使用 Grad-CAM 可视化技术对整体印刷质量分类模型进行训练和评估。第三，也是最后一点，对预训练的对象检测模型 YOLOv3 进行了微调，以进行局部印刷缺陷检测。在微调之前，分析了地面真实边界框，并使用 k 均值聚类算法选择了锚框大小。整体印刷质量和局部缺陷检测 AI 模型与基于滚筒的凹印胶印系统集成在一起。这种 AI 方法也有望成为更准确的印刷可靠性分析的有力补充。
数据驱动工程系统可靠性优化的定量方法
回想起来，最近几年让我学会了从新的、有价值的角度看待我的工作、我自己和他人。我坚信这将对我未来的职业和个人发展产生持久的积极影响。这要归功于那些我要表示真挚感谢的人。Dieter Kranzlmüller 教授，感谢他在慕尼黑大学指导我的论文，并从一开始就在正确的时间提供正确的问题和答案。Rüdiger Schmidt 教授，感谢他随时可以审阅我的论文，他详细而深思熟虑的评论以及鼓舞人心的讨论。Benjamin Todd 博士，感谢他让我自由地追求我的目标，在需要时提供必要的支持，并在需要时捍卫我的利益。您的贡献是让这三年成为一段有益而有趣的旅程的最大贡献。Andreas Müller 教授，在办公时间之外进行鼓舞人心的讨论和坚定的支持。Jan Uythoven 和 Andrea Apollonio，在可靠性和可用性研究工作组中进行卓有成效的合作。我的同事 David Nisbet、Yves Thurel、Slawosz Uznanski、Thomas Cartier-Michaud、Volker Schramm、Arto Niemi、Jochen Schwenk、Christophe Martin、Raul Murillo Garcia、Konstantinos Papastigerou 和整个 CCE 部门，分享他们的专业知识和意见，帮助我在高效而友好的氛围中进一步发展我的想法和方法。德国博士生项目、欧洲核子研究中心未来环形对撞机研究提供并资助了这个有趣的研究项目，Jean Paul Burnet 领导的 TE-EPC 小组在令人信服的环境中主持了我的研究。最后，我要感谢我的父母和姐姐，即使我在这个雄心勃勃的项目中彻底失败了，他们也给了我信心。简而言之，感谢你们让我记住了博士宇宙之外的许多重要事物。感谢我了不起的朋友们，让外面的博士宇宙变得尽可能有趣和令人兴奋。
使用人工智能系统可靠性分析...
制造商 活跃车辆数 活跃月数 事件数 车辆总数 月数/车数 事件数/千英里 Waymo 123 1550 12.602 224 2710.136 0.083 Cruise 304 2079 6.839 154 1278.661 0.120 Pony AI 23 179 7.783 43 190.871 0.225 Zoox 32 280 8.750 58 97.780 0.593
联邦航空管理局手册系统可靠性...
序言 可靠性、可维护性和可用性 (RMA) 是可用于评估国家空域系统 (NAS) 任务能力的系统属性。在 NAS 中，越来越多的系统具有复杂的集成计算功能，这意味着 RMA 必须同时考虑硬件和软件。 本手册基于标准 NAS 系统生命周期顺序。它结合了 NAS 利益相关者根据其特定系统需求提出的反馈。 作为上一版的更新，本手册 澄清和简化语言 将内容重新组织为渐进式顺序 缩短上一版手册的长度以重点介绍最重要的主题 使文本流程更具结构性和凝聚力 包括关于哪种 RMA 方法或工具在各个生命周期阶段最有效的建议 关注系统而不是组件 RMA。