دور التعلم في مجال الآلات في تعزيز كفاءة استخدام الآغف

فهم الـمُـتـبـعـة الـمـوسـعـة والتعلـم المـاكين

وقد أصبحت المركبات المصحوبة بالأجهزة الآلية لا غنى عنها في عمليات السوقيات الحديثة، والتصنيع، والتخزين، وهذه المنصات المتنقلة المستقلة، ومواد النقل، والسكاكين، والسلع المجهزة بالشحنات، دون الحاجة إلى سائقين يدويين، والحد من تكاليف العمل، والإصابات في أماكن العمل، وتلتقى أجهزة قياس مغنطيسية ثابتة أو أسلاك مثبتة في الطابق السفلي، وتعتمد وحدات قياس اليوم على مجموعة متطورة من أجهزة الاستشعار، بما في ذلك أجهزة القياس الملاحة.

ويزيد التعلم من الآلات من هذه القدرات بتمكين الفئات العمرية المتقدمة من الانتقال إلى ما هو أبعد من السلوكيات الثابتة والمبرمجة مسبقاً، وتتيح نماذج حركة المركبات التعلم من البيانات، والتكيف مع البيئات الدينامية، واتخاذ قرارات في الوقت الحقيقي، ويحول إدماج مجرى متعدد الأطراف من الانتقالات إلى عوامل تعزيزية غير ذكية قادرة على التعامل مع المهام المعقدة وغير المنظمة.

How Machine Learning Improves AGV Efficiency

التخطيط على النحو الأمثل للانتقال والطرق

(أ) تتبع مسارات محددة مسبقاً، تصبح غير فعالة عند حدوث الازدحام أو العقبات أو التغييرات في التصميم.

الصيانة الافتراضية

غير محدد المدة هو تكلفة كبيرة في عمليات الأشعة غير المفاجئة، كما أن نماذج غنائية من أجهزة الاستشعار عن الاهتزاز، ومراقبات درجة الحرارة، ومصفوفات التصريف بالبطارية، وقراءات العجلات لكشف العلامات المبكرة للزراعة، والجرائم التي تستخدمها أجهزة الكشف عن الخلايا، مثل غابات العزل، أو أجهزة التنقيب عن المركبات، أو أجهزة السحب غير المرخصة، أو نماذج الصيانة العادية للأشعة دون الحمراء.

التعلم الإيجابي في البيئات المتغيرة

وكثيرا ما تحدث تغييرات في أماكن التخزين بسبب مسارات التخزين الجديدة أو الترقيات الموسمية أو إعادة التشكيل، وفي النظم التقليدية، يتطلب كل تغيير في التصميم إعادة رسم يدوي أو إعادة تعليم المسارات، ويستخدم نظام الرصد العالمي المحسن التعلم في مجال النقل والتعلم على الإنترنت للتكيف، ويمكن تعديل نموذج الملاحة الآلي العميق الذي يتم تدريبه على مستودع مماثل جزئيا، حتى بعد بضع دقائق من الاكتشافات غير المعروفة.

رؤية حاسوبية معززة

وبالإضافة إلى ذلك، يتطلب التعاون بين الأجهزة العاملة في مجال مكافحة الإرهاب آليات أمان قوية، إذ يمكن لنظم الرؤية الحاسوبية القائمة على ميلي أن تكتشف المشاة، والرافعات الشوكية، وتخلل الأجسام ذات الدقة العالية، كما أن الشبكات العصبية الثورية التي تم تدريبها على مجموعات كبيرة من البيانات في المشاهد الصناعية يمكن أن تميز العمال عن العقبات الثابتة، وأن تتنبأ بمساراتهم، وأن تعدل سرعة أو مسارات الأشعة فوق البنفسجية وفقا لذلك.

الطاقة على الوجه الأمثل

(ب) تأثير حياة البطارية تأثيراً مباشراً على ارتفاع الوقت ومجموع تكلفة الملكية؛ وتُستخدم نماذج ML الاستخدام الأمثل للطاقة من خلال تعلم صورة الطاقة لكل مركبة عبر مهام مختلفة - مثل سرعة الحمل الثقيل، وتسلق منحدر، أو التصفح في طابور، واستخدام شبكات الطاقة العالية الحجم في تحديد النطاقات الزمنية للتعزيزات الافتراضية: يقرر الفريق المستقل المعني بمركبات الكربون الصغيرة()

التنسيق التعاوني بين الأسطول

وفي عمليات النشر الواسعة النطاق، يجب أن تتعاون العشرات أو المئات من المركبات ذاتيا دون نزاعات، وتتعامل النظم المتعددة العناصر القائمة على القانون النموذجي مع كل فئة من فئات المركبات ذاتية الذكية التي تتصل بالجيران عن طريق بروتوكول رسائل خفيفة الوزن، ويتعلم الأسطول، باستخدام نظام التعزيزات المتباينة، تخصيص المهام، وتفادي الاختناقات، وحجم العمل في المتوسط.

التحديات والنظر في المسألة

متطلبات البيانات ونوعيتها

وقد يكون الحصول على هذه البيانات في البيئات الصناعية غير قابل للتلف، وكثيرا ما تكون سجلات الاستشعار من الغازات المحتوية على غازات الدفيئة غير متوازنة (مثل أحداث الفشل النادرة)، كما أن وضع العلامات اليدوية على كل عقبة أو شاذة باهظة الثمن، كما أن تقنيات مثل زيادة البيانات، وتوليد البيانات الاصطناعية تساعد على استخدام نماذج رقمية غير مكتملة، وشبه متطورة.

القيود الحاسوبية

وتحتاج نماذج حديثة من القانون النموذجي، ولا سيما شبكات العزل العميقة، إلى قوة حاسوبية كبيرة، وتمارس هذه المركبات عادة على نظم متنية ذات موارد محدودة من وحدات GPU/CPU، وتحتاج إلى تحقيق توازن في الدقة مع الاحتياطات، وتُعدّ الكمي، والتشغيل، والتفكيك، والنماذج النموذجية مجالات بحث نشطة تضغط على النماذج المعقدة لتشغيلها على متنها، كبديل، تُدر بعض البنى الموثوقية الثقيلة في الشبكة المركزية، حيث تبلغ خمسة

أمن الفضاء الإلكتروني وإمكانية الاعتماد عليه

ومن ثم فإن الاضطرابات الصغيرة في مدخلات الاستشعار يمكن أن تسبب تضليلاً، إذ أن وضع بعض الملصقات على علامة التوقف يمكن أن يخدع شبكة CNN لتفسيرها كعلامة حدية سريعة، وبما أن هذه المركبات أصبحت أكثر استقلالاً، فإن ضمان وجود خطوط أنابيب قوية وآمنة من خطوط الأنابيب المتعددة الألياف أمر بالغ الأهمية.

التكامل مع النظم القائمة

ومعظم المصانع تدير بالفعل نظم إدارة المستودعات، وتخطيط موارد المؤسسة، ومراقبي المنطق القابل للبرمجة، ويحتاج إدماج جهاز لمراقبة المركبات الفضائية متعدد المستويات، إلى تطبيقات موحدة، وكثيرا ما تكون طبقة متوسطة (مثلاً ROS 2، MQTT)، كما أن إدارة التغيير وإعادة تدريب الموظفين تشكل عقبات تنظيمية قائمة.

التوقعات المستقبلية

ويُفترض أن يتسارع التآزر بين الأجهزة الآلاتية والآلات، إذ أن أجهزة الإي آي إيج (مثلاً، NVIDIA Jetson، وGogle Coral، وIntel Movidius) تقدم الآن معلومات عن الوقت الحقيقي في وضع منخفض القدرة، مما يتيح نماذج أكثر تطوراً على متن السفن، ويوفر نشر شبكات من القطاع الخاص 5G الاتصالات المنخفضة التردد من أجل وقف عمليات الأسطول دون تحديث النماذج.

وسيعمل التوأم الرقمي - المكررات الافتراضية للمرفق بأكمله - كمنشطات تدريب، ويمكن أن يمارس الفريق الاستشاري المعني بالفيزياء الشمسية ملايين الساعات في المحاكاة باستخدام التعلُّم بالتقوية قبل دقيقة واحدة على أرضية المصنع، مما يقلل بدرجة كبيرة من مخاطر النشر، وبالإضافة إلى ذلك، يخلط بين أجهزة التصوير المتحركة ذاتيا والآلات الآلية المستقلة بين منابر التسلق المصحوبة والمجانية تماما.

وثمة حدود أخرى هي التعاون بين البشر والأعباء عن طريق اللغة الطبيعية، إذ يمكن للقيادات الصوتية التي تفسرها نماذج قائمة على المحولات أن تسمح للعمال بأن يكلفوا فريقاً من أجل التغيير، وذلك بمجرد أن يقول " أرني الميسر 47 من الممر 3. " ، حيث أن هذه النماذج تتقلص (مثلاً، تينيبرت) يمكن أن تباشر عملها، مما يجعل التفاعل طبيعياً كما يتحدث إلى زميل.

خاتمة

ومن شأن التعلم في مجال الآلات أن يعيد تشكيل ما يمكن أن يحققه الفريق الاستشاري المعني بالتنوع البيولوجي، إذ أنه من خلال التمكين من تحسين المسارات، والصيانة المتوقعة، والتعلم التكييفي، وتعزيز السلامة، وكفاءة الطاقة، والتنسيق بين الأسطول، سيحول نظام تقييم الأداء من الأورام الصلبة إلى شركاء ذكاء، وفي حين أن التحديات المتعلقة بالبيانات، والحساب، والأمن الإلكتروني، والتكامل ما زالت تتطور التقدم السريع في نظم التحفيز، والتقدير، وتتطور بشكل مطرد، وتزداد الفوائد.