Немецкая производственная и технологическая компания Bosch объявила сегодня, что будет использовать децентрализованную сеть машинного обучения, созданную Fetch.AI, лабораторией искусственного интеллекта, расположенной в британском городе Кембридж, для прогнозирования потенциальных сбоев в производственном оборудовании.
Быстрые факты
- Согласно заявлению компании, опубликованному Forkast.News, исследовательская группа Bosch будет инициировать испытания машинного обучения в сети коллективного обучения Fetch.ai. Испытания направлены на оценку осуществимости и эффективности системы профилактического обслуживания - для прогнозирования потенциальных отказов в оборудовании до того, как они произойдут, - для повышения эффективности производственных операций Bosch.
- Сеть коллективного обучения Fetch.ai - это инструмент, который позволяет сторонам работать вместе для обучения моделей машинного обучения, не обмениваясь базовыми данными и не доверяя никому из отдельных участников. По словам Fetch.ai, инструмент использует технологию блокчейн и возможности обучения ИИ, чтобы обучить сеть обучаться на частных данных, не имея к ним доступа.
- Компания Bosch Research, которая занимается исследованием и внедрением инновационных новых технологий, впервые начала сотрудничество с Fetch.ai в 2019 году и развернула узел в тестовой сети Fetch в начале 2021 года.
- Проблемы технического обслуживания, вызванные отказом оборудования, могут существенно повлиять на производственные процессы. Согласно исследованию Deloitte, незапланированные простои обходятся промышленным производителям примерно в 50 миллиардов долларов США в год.
- «Использование машинного обучения для выявления отказов оборудования - сложная проблема, поскольку эти события происходят очень редко», - сказал Джонатан Уорд, технический директор Fetch.ai. «Система коллективного обучения позволяет различным производителям, использующим оборудование Bosch, обмениваться информацией друг с другом без обмена необработанными данными, тем самым значительно улучшая их способность обнаруживать отказы и, таким образом, повышать эффективность их операций».
