P5 - Project for a better Programming of Parameters Laser Welding and Machining Processes as well as for the Prediction of Defects (Q7338814)
Jump to navigation
Jump to search
Project RGE004545 in France
| Language | Label | Description | Also known as |
|---|---|---|---|
| English | P5 - Project for a better Programming of Parameters Laser Welding and Machining Processes as well as for the Prediction of Defects |
Project RGE004545 in France |
Statements
380,385.5 Euro
0 references
43.00 percent
0 references
1 February 2023
0 references
31 January 2026
0 references
CIRTES
0 references
Les récents développements dans le domaine de l'intelligence artificielle (IA), en particulier l'apprentissage automatique (ML), ont révélé un grand potentiel pour transformer le domaine de la fabrication avec des outils avancés dédiés à l'analyse des données et à la modélisation. Avec les progrès des technologies d'acquisition et de stockage des données, les approches basées sur l'IA sont de plus en plus adoptées pour établir des relations très complexes entre certains systèmes. En effet, les procédés de soudage et d'usinage au laser sont le résultat d'une multitude de phénomènes physiques complexes qui ne sont encore que partiellement modélisés. La détermination des paramètres optimaux est donc un processus expérimental long (de l'ordre de plusieurs mois) qui nécessite une expertise importante. C'est pourquoi le projet P5 (Projet pour une meilleure Programmation des Paramètres Procédés de soudage laser et d'usinage ainsi que pour la Prédiction de défauts) propose de développer une méthodologie qui utilise les bases de données et la cartographie qui est produite entre les données d'entrée et de sortie. Des modèles physiques et mathématiques du processus de fabrication seront développés pour l'optimisation du processus et la prédiction des défauts. Avec la réalisation d'une étude approfondie, un outil de suggestion basé sur l'IA ou d'autres algorithmes statiques sera introduit. Les données nécessaires à l'entraînement des outils seront identifiées, compilées et traitées. (French)
0 references
Recent developments in the field of artificial intelligence (AI), especially machine learning (ML), have revealed great potential to transform the manufacturing field with advanced tools dedicated to data analysis and modeling. With advances in data acquisition and storage technologies, AI-based approaches are increasingly being adopted to establish highly complex relationships between certain systems. Indeed, laser welding and machining processes are the result of a multitude of complex physical phenomena that are still only partially modeled. The determination of optimal parameters is therefore a long experimental process (of the order of several months) that requires significant expertise. This is why the P5 project (Project for a better Programming of Parameters Laser Welding and Machining Processes as well as for Fault Prediction) proposes to develop a methodology that uses databases and mapping that is produced between input and output data. Physical and mathematical models of the manufacturing process will be developed for process optimization and fault prediction. With the completion of an in-depth study, an AI-based suggestion tool or other static algorithms will be introduced. The data needed to train the tools will be identified, compiled and processed. (English)
0 references
Nedávný vývoj v oblasti umělé inteligence (AI), zejména strojového učení (ML), odhalil velký potenciál pro transformaci výrobního odvětví pomocí pokročilých nástrojů zaměřených na analýzu a modelování dat. S pokrokem v technologiích získávání a ukládání dat se stále více přijímají přístupy založené na umělé inteligenci, aby se vytvořily velmi složité vztahy mezi některými systémy. Procesy laserového svařování a obrábění jsou výsledkem mnoha složitých fyzikálních jevů, které jsou stále modelovány jen částečně. Stanovení optimálních parametrů je proto dlouhý experimentální proces (v řádu několika měsíců), který vyžaduje značné odborné znalosti. Proto projekt P5 (Projekt pro lepší programování parametrů laserových svařovacích a obráběcích procesů, jakož i pro predikci poruch) navrhuje vyvinout metodiku, která využívá databáze a mapování, které se vytváří mezi vstupními a výstupními daty. Fyzikální a matematické modely výrobního procesu budou vyvinuty pro optimalizaci procesu a predikci poruch. Po dokončení hloubkové studie bude zaveden nástroj pro navrhování založený na umělé inteligenci nebo jiné statické algoritmy. Budou identifikovány, shromážděny a zpracovány údaje potřebné k vyškolení nástrojů. (Czech)
0 references
Οι πρόσφατες εξελίξεις στον τομέα της τεχνητής νοημοσύνης (AI), ιδίως της μηχανικής μάθησης (ML), έχουν αποκαλύψει μεγάλες δυνατότητες μετασχηματισμού του τομέα της μεταποίησης με προηγμένα εργαλεία ειδικά για την ανάλυση δεδομένων και τη μοντελοποίηση. Με την πρόοδο των τεχνολογιών απόκτησης δεδομένων και αποθήκευσης, οι προσεγγίσεις που βασίζονται στην ΤΝ υιοθετούνται όλο και περισσότερο για τη δημιουργία εξαιρετικά σύνθετων σχέσεων μεταξύ ορισμένων συστημάτων. Πράγματι, οι διαδικασίες συγκόλλησης και κατεργασίας με λέιζερ είναι το αποτέλεσμα μιας πληθώρας σύνθετων φυσικών φαινομένων που εξακολουθούν να είναι μόνο μερικώς μοντελοποιημένα. Ο προσδιορισμός των βέλτιστων παραμέτρων είναι επομένως μια μακρά πειραματική διαδικασία (της τάξης των αρκετών μηνών) που απαιτεί σημαντική τεχνογνωσία. Αυτός είναι ο λόγος για τον οποίο το έργο P5 (Project for a better Programming of Parameters Laser Welding and Processing Processes, καθώς και for Fault Prediction) προτείνει την ανάπτυξη μιας μεθοδολογίας που χρησιμοποιεί βάσεις δεδομένων και χαρτογράφηση που παράγεται μεταξύ δεδομένων εισόδου και εξόδου. Φυσικά και μαθηματικά μοντέλα της παραγωγικής διαδικασίας θα αναπτυχθούν για τη βελτιστοποίηση της διαδικασίας και την πρόβλεψη σφαλμάτων. Με την ολοκλήρωση μιας εμπεριστατωμένης μελέτης, θα εισαχθεί ένα εργαλείο προτάσεων με βάση την ΤΝ ή άλλοι στατικοί αλγόριθμοι. Τα δεδομένα που απαιτούνται για την κατάρτιση των εργαλείων θα προσδιοριστούν, θα συγκεντρωθούν και θα υποβληθούν σε επεξεργασία. (Greek)
0 references
Recente ontwikkelingen op het gebied van kunstmatige intelligentie (AI), met name machine learning (ML), hebben een groot potentieel aan het licht gebracht om het productieveld te transformeren met geavanceerde tools voor data-analyse en modellering. Met de vooruitgang op het gebied van technologieën voor gegevensverzameling en -opslag worden op AI gebaseerde benaderingen steeds vaker toegepast om zeer complexe relaties tussen bepaalde systemen tot stand te brengen. Inderdaad, laserlassen en bewerkingsprocessen zijn het resultaat van een veelheid aan complexe fysische verschijnselen die nog steeds slechts gedeeltelijk zijn gemodelleerd. De bepaling van optimale parameters is daarom een lang experimenteel proces (in de orde van enkele maanden) dat aanzienlijke expertise vereist. Daarom stelt het P5-project (Project for a better Programming of Parameters Laser Welding and Machining Processes and for Fault Prediction) voor om een methodologie te ontwikkelen die gebruikmaakt van databases en mapping die wordt geproduceerd tussen input- en outputgegevens. Fysieke en wiskundige modellen van het productieproces zullen worden ontwikkeld voor procesoptimalisatie en foutvoorspelling. Met de voltooiing van een diepgaande studie zal een AI-gebaseerde suggestietool of andere statische algoritmen worden geïntroduceerd. De gegevens die nodig zijn om de tools te trainen, worden geïdentificeerd, verzameld en verwerkt. (Dutch)
0 references
I recenti sviluppi nel campo dell'intelligenza artificiale (AI), in particolare l'apprendimento automatico (ML), hanno rivelato un grande potenziale per trasformare il settore manifatturiero con strumenti avanzati dedicati all'analisi e alla modellazione dei dati. Con i progressi nelle tecnologie di acquisizione e archiviazione dei dati, gli approcci basati sull'intelligenza artificiale vengono sempre più adottati per stabilire relazioni altamente complesse tra determinati sistemi. Infatti, i processi di saldatura e lavorazione laser sono il risultato di una moltitudine di fenomeni fisici complessi che sono ancora solo parzialmente modellati. La determinazione dei parametri ottimali è quindi un lungo processo sperimentale (dell'ordine di diversi mesi) che richiede competenze significative. Per questo motivo il progetto P5 (Project for a better Programming of Parameters Laser Welding and Machining Processes nonché for Fault Prediction) propone di sviluppare una metodologia che utilizzi database e mappature prodotte tra dati di input e output. Saranno sviluppati modelli fisici e matematici del processo di produzione per l'ottimizzazione del processo e la previsione dei guasti. Con il completamento di uno studio approfondito, verrà introdotto uno strumento di suggerimento basato sull'IA o altri algoritmi statici. I dati necessari per addestrare gli strumenti saranno identificati, compilati ed elaborati. (Italian)
0 references
Nesenās norises mākslīgā intelekta (MI), jo īpaši mašīnmācīšanās (ML), jomā ir atklājušas lielu potenciālu pārveidot ražošanas jomu, izmantojot progresīvus rīkus, kas paredzēti datu analīzei un modelēšanai. Līdz ar datu ieguves un glabāšanas tehnoloģiju attīstību arvien vairāk tiek pieņemtas uz MI balstītas pieejas, lai izveidotu ļoti sarežģītas attiecības starp konkrētām sistēmām. Patiešām, lāzera metināšanas un apstrādes procesi ir daudzu sarežģītu fizikālu parādību rezultāts, kas joprojām ir tikai daļēji modelētas. Tāpēc optimālo parametru noteikšana ir ilgs eksperimentāls process (vairāku mēnešu garumā), kam nepieciešamas ievērojamas zināšanas. Tāpēc projektā P5 (Project for a better Programming of Parameters Laser Welding and Machining Processes, kā arī for Fault Prediction) ir ierosināts izstrādāt metodiku, kas izmanto datubāzes un kartēšanu, kas tiek veidota starp ievades un izvades datiem. Tiks izstrādāti ražošanas procesa fizikālie un matemātiskie modeļi procesu optimizācijai un kļūdu prognozēšanai. Pabeidzot padziļinātu pētījumu, tiks ieviests uz MI balstīts ieteikumu rīks vai citi statiski algoritmi. Rīku apmācībai vajadzīgie dati tiks identificēti, apkopoti un apstrādāti. (Latvian)
0 references
Os recentes desenvolvimentos no domínio da inteligência artificial (IA), em especial a aprendizagem automática (ML), revelaram um grande potencial para transformar o setor da produção com ferramentas avançadas dedicadas à análise e modelização de dados. Com os avanços nas tecnologias de aquisição e armazenamento de dados, as abordagens baseadas em IA estão a ser cada vez mais adotadas para estabelecer relações altamente complexas entre determinados sistemas. Na verdade, os processos de soldadura e usinagem a laser são o resultado de uma infinidade de fenómenos físicos complexos que ainda são apenas parcialmente modelados. A determinação dos parâmetros ótimos é, por conseguinte, um longo processo experimental (da ordem de vários meses) que exige conhecimentos especializados significativos. É por isso que o projecto P5 (Projecto para uma Melhor Programação de Parâmetros de Soldadura a Laser e Processos de Usinagem, bem como para Previsão de Falhas) propõe desenvolver uma metodologia que utiliza bases de dados e mapeamento que é produzido entre dados de entrada e saída. Serão desenvolvidos modelos físicos e matemáticos do processo de fabrico para a otimização do processo e a previsão de falhas. Com a conclusão de um estudo aprofundado, será introduzida uma ferramenta de sugestão baseada em IA ou outros algoritmos estáticos. Os dados necessários para treinar as ferramentas serão identificados, compilados e processados. (Portuguese)
0 references
Evoluțiile recente din domeniul inteligenței artificiale (IA), în special al învățării automate (ML), au evidențiat un mare potențial de transformare a domeniului de producție cu instrumente avansate dedicate analizei și modelării datelor. Odată cu progresele înregistrate în domeniul tehnologiilor de achiziție și stocare a datelor, se adoptă din ce în ce mai mult abordări bazate pe IA pentru a stabili relații extrem de complexe între anumite sisteme. Într-adevăr, procesele de sudare și prelucrare cu laser sunt rezultatul unei multitudini de fenomene fizice complexe care sunt încă doar parțial modelate. Determinarea parametrilor optimi este, prin urmare, un proces experimental lung (de ordinul mai multor luni) care necesită o expertiză semnificativă. Acesta este motivul pentru care proiectul P5 (Proiect pentru o mai bună programare a parametrilor proceselor de sudare și prelucrare cu laser, precum și pentru predicția defecțiunilor) propune dezvoltarea unei metodologii care utilizează baze de date și cartografierea care este produsă între datele de intrare și de ieșire. Modelele fizice și matematice ale procesului de fabricație vor fi dezvoltate pentru optimizarea proceselor și predicția defecțiunilor. Odată cu finalizarea unui studiu aprofundat, va fi introdus un instrument de sugestie bazat pe IA sau alți algoritmi statici. Datele necesare pentru pregătirea instrumentelor vor fi identificate, compilate și prelucrate. (Romanian)
0 references
Tekoälyn ja erityisesti koneoppimisen viimeaikainen kehitys on paljastanut suuria mahdollisuuksia muuttaa valmistusalaa datan analysointiin ja mallintamiseen tarkoitetuilla kehittyneillä välineillä. Tiedonhankinta- ja tallennusteknologioiden kehittyessä tekoälyyn perustuvia lähestymistapoja otetaan yhä enemmän käyttöön erittäin monimutkaisten suhteiden luomiseksi tiettyjen järjestelmien välille. Laserhitsaus- ja koneistusprosessit ovatkin tulosta monista monimutkaisista fysikaalisista ilmiöistä, joita mallinnetaan edelleen vain osittain. Optimaalisten parametrien määrittäminen on siis pitkä (useiden kuukausien luokkaa oleva) kokeellinen prosessi, joka vaatii merkittävää asiantuntemusta. Tämän vuoksi P5-hankkeessa (Project for a better Programming of Parameters Laser Welding and Machining Processes and for Fault Prediction) ehdotetaan sellaisen menetelmän kehittämistä, jossa käytetään tietokantoja ja kartoitusta, jotka tuotetaan syöttö- ja tulostustietojen välillä. Valmistusprosessin fysikaalisia ja matemaattisia malleja kehitetään prosessin optimointiin ja vikojen ennustamiseen. Perusteellisen tutkimuksen valmistuttua otetaan käyttöön tekoälyyn perustuva ehdotustyökalu tai muita staattisia algoritmeja. Työkalujen kouluttamiseen tarvittavat tiedot tunnistetaan, kootaan ja käsitellään. (Finnish)
0 references
Den senaste utvecklingen inom artificiell intelligens (AI), särskilt maskininlärning (ML), har visat stor potential att omvandla tillverkningsområdet med avancerade verktyg för dataanalys och modellering. Med framsteg inom datainsamlings- och lagringsteknik antas AI-baserade metoder i allt högre grad för att upprätta mycket komplexa relationer mellan vissa system. Faktum är att lasersvetsning och bearbetningsprocesser är resultatet av en mängd komplexa fysikaliska fenomen som fortfarande bara delvis modelleras. Fastställandet av optimala parametrar är därför en lång experimentell process (i storleksordningen flera månader) som kräver betydande expertis. Därför föreslår P5-projektet (Project for a better Programming of Parameters Laser Welding and Machining Processes as well as for Fault Prediction) att utveckla en metodik som använder databaser och kartläggning som produceras mellan indata och utdata. Fysiska och matematiska modeller av tillverkningsprocessen kommer att utvecklas för processoptimering och felprediktion. Med slutförandet av en fördjupad studie kommer ett AI-baserat förslagsverktyg eller andra statiska algoritmer att introduceras. De data som behövs för att träna verktygen kommer att identifieras, sammanställas och bearbetas. (Swedish)
0 references
Nedávny vývoj v oblasti umelej inteligencie, najmä strojového učenia, odhalil veľký potenciál transformovať výrobnú oblasť pomocou pokročilých nástrojov určených na analýzu a modelovanie údajov. S pokrokom v technológiách získavania a uchovávania údajov sa čoraz viac prijímajú prístupy založené na umelej inteligencii s cieľom vytvoriť veľmi zložité vzťahy medzi určitými systémami. V skutočnosti sú procesy laserového zvárania a obrábania výsledkom množstva zložitých fyzikálnych javov, ktoré sú stále len čiastočne modelované. Stanovenie optimálnych parametrov je preto dlhým experimentálnym procesom (rádovo niekoľko mesiacov), ktorý si vyžaduje značné odborné znalosti. Preto projekt P5 (Projekt pre lepšie programovanie parametrov laserových zváracích a obrábacích procesov, ako aj pre predikciu porúch) navrhuje vyvinúť metodiku, ktorá využíva databázy a mapovanie, ktoré sa vytvára medzi vstupnými a výstupnými údajmi. Fyzikálne a matematické modely výrobného procesu budú vyvinuté pre optimalizáciu procesov a predikciu porúch. Po dokončení hĺbkovej štúdie sa zavedie nástroj na navrhovanie založený na umelej inteligencii alebo iné statické algoritmy. Identifikujú, zostavia a spracujú sa údaje potrebné na školenie nástrojov. (Slovak)
0 references
Последните разработки в областта на изкуствения интелект (ИИ), особено машинното обучение (ML), разкриха голям потенциал за трансформиране на производствената област с усъвършенствани инструменти, посветени на анализа и моделирането на данни. С напредъка в технологиите за събиране и съхранение на данни все по-често се приемат основани на ИИ подходи за установяване на много сложни взаимоотношения между определени системи. В действителност, процесите на лазерно заваряване и обработка са резултат от множество сложни физически явления, които все още са само частично моделирани. Следователно определянето на оптималните параметри е дълъг експериментален процес (от порядъка на няколко месеца), който изисква значителен експертен опит. Ето защо проектът P5 (Проект за по-добро програмиране на параметрите за лазерно заваряване и обработка, както и за прогнозиране на неизправности) предлага да се разработи методология, която използва бази данни и картографиране, което се получава между входните и изходните данни. Ще бъдат разработени физически и математически модели на производствения процес за оптимизиране на процесите и прогнозиране на неизправности. С приключването на задълбочено проучване ще бъде въведен инструмент за предложения, основан на ИИ, или други статични алгоритми. Данните, необходими за обучение на инструментите, ще бъдат идентифицирани, събрани и обработени. (Bulgarian)
0 references
Pastarojo meto pokyčiai dirbtinio intelekto (DI), ypač mašinų mokymosi (ML), srityje atskleidė didelį potencialą transformuoti gamybos sritį naudojant pažangias priemones, skirtas duomenų analizei ir modeliavimui. Tobulėjant duomenų gavimo ir saugojimo technologijoms, vis dažniau taikomi dirbtiniu intelektu grindžiami metodai, kuriais siekiama sukurti labai sudėtingus tam tikrų sistemų ryšius. Iš tiesų, lazerinio suvirinimo ir apdirbimo procesai yra daugybės sudėtingų fizinių reiškinių, kurie vis dar tik iš dalies modeliuojami, rezultatas. Todėl optimalių parametrų nustatymas yra ilgas (keletą mėnesių trunkantis) eksperimentinis procesas, kuriam reikia daug patirties. Todėl įgyvendinant projektą P5 (Geresnio parametrų programavimo lazerinio suvirinimo ir apdirbimo procesuose, taip pat gedimų prognozavimo projektas) siūloma sukurti metodiką, pagal kurią būtų naudojamos duomenų bazės ir kartografavimas, atliekamas tarp įvesties ir išvesties duomenų. Gamybos proceso optimizavimui ir gedimų prognozavimui bus sukurti fiziniai ir matematiniai gamybos proceso modeliai. Atlikus išsamų tyrimą, bus įdiegta dirbtiniu intelektu grindžiama pasiūlymų teikimo priemonė arba kiti statiniai algoritmai. Priemonių mokymui reikalingi duomenys bus nustatyti, surinkti ir apdoroti. (Lithuanian)
0 references
Żviluppi reċenti fil-qasam tal-intelliġenza artifiċjali (IA), speċjalment it-tagħlim awtomatiku (ML), żvelaw potenzjal kbir biex il-qasam tal-manifattura jiġi ttrasformat b’għodod avvanzati ddedikati għall-analiżi u l-immudellar tad-data. Bl-avvanzi fit-teknoloġiji tal-akkwist u tal-ħżin tad-data, qed jiġu adottati dejjem aktar approċċi bbażati fuq l-IA biex jiġu stabbiliti relazzjonijiet kumplessi ħafna bejn ċerti sistemi. Tabilħaqq, l-iwweldjar bil-lejżer u l-proċessi tal-magni huma r-riżultat ta 'numru kbir ta' fenomeni fiżiċi kumplessi li għadhom biss parzjalment immudellati. Għalhekk, id-determinazzjoni ta’ parametri ottimali hija proċess sperimentali twil (ta’ madwar diversi xhur) li jeħtieġ għarfien espert sinifikanti. Din hija r-raġuni għaliex il-proġett P5 (Proġett għal Programmar aħjar tal-Parametri tal-Proċessi tal-Iwweldjar u tal-Magni bil-Laser kif ukoll għat-Tbassir tal-Ħsarat) jipproponi li tiġi żviluppata metodoloġija li tuża bażijiet tad-data u mmappjar li jiġu prodotti bejn id-data tal-input u tal-output. Mudelli fiżiċi u matematiċi tal-proċess tal-manifattura se jiġu żviluppati għall-ottimizzazzjoni tal-proċess u t-tbassir tal-ħsara. Bit-tlestija ta’ studju fil-fond, se tiġi introdotta għodda ta’ suġġeriment ibbażata fuq l-IA jew algoritmi statiċi oħra. Id-data meħtieġa għat-taħriġ tal-għodod se tiġi identifikata, ikkompilata u pproċessata. (Maltese)
0 references
Los desarrollos recientes en el campo de la inteligencia artificial (IA), especialmente el aprendizaje automático (ML), han revelado un gran potencial para transformar el campo de la fabricación con herramientas avanzadas dedicadas al análisis y modelado de datos. Con los avances en las tecnologías de adquisición y almacenamiento de datos, los enfoques basados en IA se están adoptando cada vez más para establecer relaciones altamente complejas entre ciertos sistemas. De hecho, los procesos de soldadura y mecanizado por láser son el resultado de una multitud de fenómenos físicos complejos que todavía se modelan solo parcialmente. La determinación de parámetros óptimos es, por lo tanto, un largo proceso experimental (del orden de varios meses) que requiere una experiencia significativa. Esta es la razón por la cual el proyecto P5 (Proyecto para una mejor programación de los procesos de soldadura y mecanizado por láser de parámetros, así como para la predicción de fallas) propone desarrollar una metodología que utiliza bases de datos y mapeo que se produce entre los datos de entrada y salida. Se desarrollarán modelos físicos y matemáticos del proceso de fabricación para la optimización del proceso y la predicción de fallas. Con la finalización de un estudio en profundidad, se introducirá una herramienta de sugerencia basada en IA u otros algoritmos estáticos. Los datos necesarios para entrenar las herramientas serán identificados, compilados y procesados. (Spanish)
0 references
Die jüngsten Entwicklungen im Bereich der künstlichen Intelligenz (KI), insbesondere des maschinellen Lernens (ML), haben ein großes Potenzial für die Transformation des Fertigungsbereichs mit fortschrittlichen Tools für Datenanalyse und Modellierung gezeigt. Mit den Fortschritten bei der Datenerfassung und -speicherung werden KI-basierte Ansätze zunehmend eingesetzt, um sehr komplexe Beziehungen zwischen bestimmten Systemen herzustellen. Denn Laserschweiß- und Bearbeitungsverfahren sind das Ergebnis einer Vielzahl komplexer physikalischer Phänomene, die noch nur teilweise modelliert werden. Die Bestimmung der optimalen Parameter ist daher ein langer experimenteller Prozess (in der Größenordnung von mehreren Monaten), der umfangreiches Fachwissen erfordert. Aus diesem Grund schlägt das Projekt P5 (Projekt für eine bessere Programmierung der Parameter Laserschweiß- und Bearbeitungsprozesse sowie für die Fehlervorhersage) die Entwicklung einer Methodik vor, die Datenbanken und Kartierungen verwendet, die zwischen den Eingabe- und Ausgabedaten erstellt werden. Physikalische und mathematische Modelle des Herstellungsprozesses werden zur Prozessoptimierung und Fehlervorhersage entwickelt. Mit der Durchführung einer gründlichen Studie wird ein Vorschlagswerkzeug eingeführt, das auf KI oder anderen statischen Algorithmen basiert. Die für das Training der Tools erforderlichen Daten werden identifiziert, zusammengestellt und verarbeitet. (German)
0 references
Hiljutised arengud tehisintellekti, eriti masinõppe valdkonnas on näidanud suurt potentsiaali muuta tootmisvaldkonda täiustatud vahendite abil, mis on pühendatud andmete analüüsile ja modelleerimisele. Andmete kogumise ja salvestamise tehnoloogiate arenguga võetakse üha enam kasutusele tehisintellektil põhinevaid lähenemisviise, et luua teatavate süsteemide vahel väga keerulised suhted. Tõepoolest, laserkeevitus- ja -töötlusprotsessid on paljude keerukate füüsikaliste nähtuste tulemus, mis on endiselt ainult osaliselt modelleeritud. Optimaalsete parameetrite kindlaksmääramine on seega pikk katseprotsess (mis kestab mitu kuud), mis nõuab märkimisväärseid eksperditeadmisi. Seetõttu tehakse projektis P5 (parameetrite laserkeevitus- ja -töötlusprotsesside parema programmeerimise ning vigade prognoosimise projekt) ettepanek töötada välja metoodika, mis kasutab andmebaase ja kaardistamist, mis luuakse sisend- ja väljundandmete vahel. Tootmisprotsessi füüsikalised ja matemaatilised mudelid töötatakse välja protsessi optimeerimiseks ja vigade prognoosimiseks. Põhjaliku uuringu lõpuleviimisega võetakse kasutusele tehisintellektil põhinev soovitusvahend või muud staatilised algoritmid. Tööriistade treenimiseks vajalikud andmed tehakse kindlaks, koostatakse ja töödeldakse. (Estonian)
0 references
Den seneste udvikling inden for kunstig intelligens (AI), navnlig maskinlæring (ML), har afsløret et stort potentiale for at omdanne fremstillingsområdet med avancerede værktøjer, der er dedikeret til dataanalyse og modellering. Med fremskridt inden for dataindsamlings- og lagringsteknologier anvendes der i stigende grad AI-baserede tilgange til at etablere meget komplekse forbindelser mellem visse systemer. Faktisk er lasersvejsning og bearbejdningsprocesser resultatet af en lang række komplekse fysiske fænomener, der stadig kun delvist modelleres. Fastlæggelsen af optimale parametre er derfor en lang eksperimentel proces (i størrelsesordenen flere måneder), der kræver betydelig ekspertise. Derfor foreslås det i P5-projektet (Project for a better Programming of Parameters Laser Welding and Machining Processes samt for Fault Prediction) at udvikle en metode, der anvender databaser og kortlægning, der produceres mellem input- og outputdata. Fysiske og matematiske modeller af fremstillingsprocessen vil blive udviklet til procesoptimering og fejl forudsigelse. Med afslutningen af en tilbundsgående undersøgelse vil der blive indført et AI-baseret forslagsværktøj eller andre statiske algoritmer. De data, der er nødvendige for at træne værktøjerne, vil blive identificeret, samlet og behandlet. (Danish)
0 references
Nedavna kretanja u području umjetne inteligencije, posebno strojnog učenja, otkrila su velik potencijal za preobrazbu proizvodnog područja naprednim alatima namijenjenima analizi i modeliranju podataka. S napretkom tehnologija za prikupljanje i pohranu podataka sve se više primjenjuju pristupi koji se temelje na umjetnoj inteligenciji kako bi se uspostavili vrlo složeni odnosi među određenim sustavima. Doista, procesi laserskog zavarivanja i strojne obrade rezultat su mnoštva složenih fizičkih pojava koje su još uvijek samo djelomično modelirane. Određivanje optimalnih parametara stoga je dugotrajan eksperimentalni proces (redom od nekoliko mjeseci) koji zahtijeva značajnu stručnost. Zato se u projektu P5 (Projekt za bolje programiranje procesa laserskog zavarivanja i strojne obrade parametara, kao i za predviđanje kvarova) predlaže razvoj metodologije koja koristi baze podataka i mapiranje koje se proizvodi između ulaznih i izlaznih podataka. Razvit će se fizikalni i matematički modeli proizvodnog procesa za optimizaciju procesa i predviđanje grešaka. Nakon dovršetka detaljne studije uvest će se alat za predlaganje koji se temelji na umjetnoj inteligenciji ili drugi statički algoritmi. Podaci potrebni za osposobljavanje alata utvrdit će se, sastaviti i obraditi. (Croatian)
0 references
Nedavni razvoj na področju umetne inteligence, zlasti strojnega učenja, je pokazal velik potencial za preoblikovanje proizvodnega področja z naprednimi orodji, namenjenimi analizi podatkov in modeliranju. Z napredkom na področju tehnologij za pridobivanje in shranjevanje podatkov se vse bolj sprejemajo pristopi, ki temeljijo na umetni inteligenci, za vzpostavitev zelo zapletenih odnosov med nekaterimi sistemi. Lasersko varjenje in obdelava sta dejansko rezultat številnih kompleksnih fizikalnih pojavov, ki so še vedno le delno modelirani. Določitev optimalnih parametrov je zato dolgotrajen eksperimentalni proces (več mesecev), ki zahteva veliko strokovnega znanja. Zato projekt P5 (Project for a better Programming of Parameters Laser Welding and Machining Processes and for Fault Prediction) predlaga razvoj metodologije, ki uporablja podatkovne baze in kartiranje, ki se proizvaja med vhodnimi in izhodnimi podatki. Razvili bomo fizikalne in matematične modele proizvodnega procesa za optimizacijo procesov in napovedovanje napak. Po zaključku poglobljene študije bo uvedeno orodje za predloge, ki temelji na umetni inteligenci, ali drugi statični algoritmi. Podatki, potrebni za usposabljanje orodij, bodo opredeljeni, zbrani in obdelani. (Slovenian)
0 references
A mesterséges intelligencia (MI), különösen a gépi tanulás (ML) területén a közelmúltban bekövetkezett fejlemények rávilágítottak arra, hogy az adatelemzésre és modellezésre szánt fejlett eszközökkel nagy lehetőségek rejlenek a gyártási terület átalakításában. Az adatgyűjtési és -tárolási technológiák fejlődésével egyre inkább mesterséges intelligencián alapuló megközelítéseket alkalmaznak az egyes rendszerek közötti rendkívül összetett kapcsolatok létrehozása érdekében. A lézeres hegesztési és megmunkálási folyamatok valójában összetett fizikai jelenségek sokaságának eredményei, amelyeket még mindig csak részben modelleznek. Az optimális paraméterek meghatározása ezért hosszú (több hónapos nagyságrendű) kísérleti folyamat, amely jelentős szakértelmet igényel. Ezért a P5 projekt (Project for a better Programming of Parameters Laser Welding and Machining Processes and for Fault Prediction) olyan módszertan kidolgozását javasolja, amely adatbázisokat és leképezést használ a bemeneti és kimeneti adatok között. A gyártási folyamat fizikai és matematikai modelljeit dolgozzuk ki folyamatoptimalizálásra és hiba-előrejelzésre. Egy mélyreható tanulmány befejezésével bevezetésre kerül egy mesterséges intelligencián alapuló javaslattételi eszköz vagy más statikus algoritmusok. Az eszközök betanításához szükséges adatokat azonosítják, összeállítják és feldolgozzák. (Hungarian)
0 references
Léirigh forbairtí a rinneadh le déanaí i réimse na hintleachta saorga (IS), go háirithe meaisínfhoghlaim (ML), go bhfuil an-acmhainneacht ann an réimse monaraíochta a chlaochlú le harduirlisí atá tiomnaithe d’anailís agus do shamhaltú sonraí. Le dul chun cinn i dteicneolaíochtaí fála agus stórála sonraí, tá cineálacha cur chuige IS-bhunaithe á nglacadh níos mó agus níos mó chun caidrimh an-chasta a bhunú idir córais áirithe. Go deimhin, tá táthú léasair agus próisis meaisínithe mar thoradh ar an iliomad feiniméin fhisiceacha casta atá fós múnlaithe go páirteach. Dá bhrí sin, is próiseas turgnamhach fada é na paraiméadair is fearr a chinneadh (de réir ord roinnt míonna) a éilíonn saineolas suntasach. Sin é an fáth go molann an tionscadal P5 (Tionscadal le haghaidh Clárú níos fearr ar Phróisis Táthú Léasair agus Meaisínithe Paraiméadair chomh maith le Tuar Locht) modheolaíocht a fhorbairt a úsáideann bunachair sonraí agus mapáil a tháirgtear idir sonraí ionchuir agus aschuir. Forbrófar samhlacha fisiciúla agus matamaiticiúla den phróiseas monaraíochta chun próisis a bharrfheabhsú agus chun lochtanna a thuar. Nuair a bheidh staidéar domhain curtha i gcrích, tabharfar isteach uirlis mholta IS-bhunaithe nó algartaim statacha eile. Déanfar na sonraí is gá chun oiliúint a chur ar na huirlisí a shainaithint, a thiomsú agus a phróiseáil. (Irish)
0 references
27 November 2024
0 references
Identifiers
RGE004545
0 references