هوش مصنوعی

هوش مصنوعی وقتی ارزش دارد که به یک تصمیم واقعی در خط کمک کند.

اول تصمیم، بعد مدل.

قبل از اینکه درباره مدل هوش مصنوعی صحبت کنیم، باید بدانیم قرار است چه تصمیمی بهتر شود.

اگر داده کافی نباشد، اول باید داده را درست کنیم. اگر خروجی مدل به هیچ اقدام مشخصی وصل نشود، یک داشبورد دیگر ساخته‌ایم؛ نه یک راهکار صنعتی.

بازرسی سطح، کنترل ابعاد و بررسی مونتاژ بر اساس معیار تیم کیفیت.

استفاده از ارتعاش، دما و جریان برای دیدن نشانه‌های خرابی زودتر.

پیدا کردن نقطه کاری بهتر از داده‌های واقعی خط.

آزمودن تغییرات روی مدل قبل از اعمال آن‌ها روی خط واقعی.

جمع‌آوری، پاک‌سازی و نگهداری داده‌ای که مدل واقعاً بتواند از آن استفاده کند.

داده و تصمیم را بررسی می‌کنیم
می‌بینیم چه داده‌ای دارید و چه تصمیمی قرار است بهتر شود.
پایلوت
مدل را روی یک محصول یا ناحیه محدود و با معیار مشخص آزمایش می‌کنیم.
استقرار
راهکار به فرآیند واقعی وصل و دانش لازم برای ادامه کار منتقل می‌شود.

حتی اگر هنوز نمی‌دانید کدام مدل مناسب است، داده و مسئله را توضیح دهید.