Technologie » Komputery

Rozwiązanie AI Fujitsu pomaga Siemens Gamesa przyspieszyć procedury zapewnienia jakości

Fujitsu znacznie przyspieszyło procedury postprodukcyjnego zapewniania jakości (QA – quality assurance) Siemens Gamesa. Rozwiązanie zostało wypracowane wspólnie przez obie firmy i bazuje na technologii AI1 wykorzystującej w tym przypadku możliwości deep learning.

 

  •        Zautomatyzowane rozwiązanie AI (Artificial Intelligence – sztuczna inteligencja) kontroli postprodukcyjnych i jakości, zaprojektowane przez Fujitsu dla Siemens Gamesa Renewable Energy, wykorzystuje innowacyjne procesy skanowania i technologię deep learning.
  •        Rozwiązanie skraca czas kontroli łopat turbin wiatrowych z sześciu do półtorej godziny, generując znaczne oszczędności.
  •        Technologia AI może zrewolucjonizować procedury zapewnienia jakości również w innych branżach. 

Siemens wykorzystuje rozwiązanie Fujitsu AI w celu przyspieszenia kontroli łopat z włókien szklanych, które osiągają rozmiar nawet 75 metrów. Sztuczna inteligencja analizuje obrazy wygenerowane na podstawie danych pozyskanych w badaniach nieniszczących. W ten sposób wykrywane są defekty produkcyjne w postaci np. zagięć, które mogą spowodować odpadnięcie turbiny w czasie pracy. Czas kontroli, poświęcony na dokładne sprawdzenie turbiny, zredukowano do półtorej godziny, dając wykwalifikowanemu zespołowi przestrzeń na wykonywanie bardziej złożonych zadań. 

 

- Fujitsu było nieocenionym partnerem, który pomógł nam wykorzystać posiadane przez nas dane bardziej efektywnie – komentuje Ken Kaser, Head of Operation in Offshore, Siemens Gamesa Renewable Energy.   

 

- Awaria łopat turbinowych jest niedopuszczalna, dlatego właśnie potrzebujemy rozwiązań, które przyspieszą czasochłonne procesy QA i będą jednocześnie najdokładniejsze i najbezpieczniejsze. Po wdrożeniu technologii sztucznej inteligencji Fujitsu, zredukowaliśmy czas poświęcany na kontrolę o 75%. Udało się nam wspólnie stworzyć rozwiązanie, które pozwala skupić się jedynie na fragmentach łopat posiadających potencjalnie defekty – dodaje Heine Bach, Head of Quality in Operation, Siemens Gamesa Renewable Energy.

 

- Sztuczna inteligencja to szansa na rozwój Siemens Gamesa w kwestii zadań, które były dotychczas zarówno czasochłonne, jak i pracochłonne. To tylko jeden z przykładów tego, jak Fujitsu współtworzy ze swoimi klientami rozwiązania szyte na miarę ich potrzeb. Wysłuchaliśmy problemu, a następnie wspólnie przystąpiliśmy do pracy nad rozwiązaniem, które wykorzystuje procesy deep learning, a także techniki procesowania obrazu i dźwięku w czasie samej kontroli. Udało nam się zapewnić możliwie najwyższą jakość rozwiązania i zdjąć obowiązek wykonywania kontroli każdego centymetra łopaty o długości 75 metrów. To zadanie, które wymagało do tej pory niesamowitego skupienia – Duncan Tait, Corporate Executive Officer, SEVP, Head of Americas and EMEIA, Fujitsu.

 

Elastyczne modele licencjonowania minimalizują konieczność wstępnego inwestowania w innowacyjną technologię AI

Złożone i dostosowane do konkretnych potrzeb oprogramowanie AI Fujitsu jest dostarczane z elastycznym modelem licencjonowania. W przypadku Siemens Gamesa oznaczało to zminimalizowanie wstępnych kosztów inwestycji. Skalowalne rozwiązanie operuje na serwerach Fujitsu PRIMERGY. Fujitsu planuje wprowadzić opartą na chmurze wersję technologii AI w 2018 roku.

 





Redakcja CentrumPR informuje, że artykuły, fotografie i komentarze publikowane są przez użytkowników "Serwisów skupionych w Grupie Kafito". Publikowane materiały i wypowiedzi są ich własnością i ich prywatnymi opiniami. Redakcja CentrumPR nie ponosi odpowiedzialności za ich treść.

Nadesłał:

Linkleaders

Komentarze (0)


Twój podpis:
System komentarzy dostarcza serwis eGadki.pl
Opublikuj własny artykuł
Zamów opracowanie informacji prasowej


Kalendarium

Przejdź do kalendarium »

dodaj wydarzenie »

Ostatnio dodane artykuły

dodaj artykuł »
Array ( [p_srv_id] => 3 [p_usr_id] => 108631 [p_type] => ARTICLE [p_accepted] => YES [p_status] => ENABLED [p_pkg_nr] => 1 [p_pkg_items] => 4 [p_ctg_ids] => )