Przegląd zastosowań sztucznej inteligencji (2024-01)

Przegląd Zastosowań
Sztucznej Inteligencji
Czym jest SI? Od czego zacząć?
Przykłady wdrożeń.
Prezenterzy: Marcin Rojek, Mariusz Kolanko
założyciele byteLAKE

Czym jest Sztuczna Inteligencja? AI/SI
➢ Algorytmy umożliwiające maszynom zdolność uczenia się.
• Rozwiązania oparte na Sztucznej inteligencji (SI; AI, ang. Artificial Intelligence)
polegają na tworzeniu programów i systemów komputerowych zdolnych do wykonywania zadań,
które zwykle wymagają ludzkiej inteligencji. Przykładowe zastosowania to rozumienie języka
naturalnego, rozpoznawanie wzorców, podejmowanie decyzji i uczenie się na podstawie danych.
• SI działa w oparciu o wytrenowany model, tworzony na podstawie zestawu danych wejściowych
(ang. dataset) np. danych historycznych i generuje prognozy lub decyzje (dane wyjściowe).
• Zmysły SI:
• Wzrok: Kamery umożliwiają SI postrzeganie i analizowanie danych wizualnych i realizację
zadań takich, jak kontrola jakości, liczenie obiektów, monitorowanie procesów i wykrywanie
anomalii.
• Słuch: Mikrofony umożliwiają SI słyszenie i interpretowanie danych dźwiękowych,
ułatwiając takie zadania, jak kontrola łożysk, identyfikowanie problemów i pomiar poziomu
hałasu.
• Dodatkowe: Czujniki IoT (Internet Rzeczy, ang. Internet of Things) dostarczają informacji
dotyczących otoczenia, np. ciśnienie, temperatura, wilgotność itp. SI może wykorzystać te
dane, dane historyczne, dane od ekspertów i inne dane (np. prognozy pogody, dane online
itp.) do przewidywanie trendów, przewidywanie awarii (ang. predictive maintenance)
i pomóc w zapobieganiu przestojom w fabryce.

Czym jest Sztuczna Inteligencja? AI/SI
AI
DANE

Inspekcja
Wizualna
Automatyczna
inspekcja wizualna i
rozpoznawanie
obiektów
• zadrapania
• pęknięcia
• wgniecenia
• zły kolor
• odpryski/łuszczenie
się farby
• zły kształt
• złamania
• zliczanie obiektów
• odczytywanie
i analizowanie
etykiet
• monitorowanie
procesów
produkcyjnych i
wykrywanie
anomalii
• itd.
Analityka
Dźwięku
Automatyzacja
kontroli jakości na
podstawie analizy
dźwięku
• przewidywanie
awarii
• kontrola jakości
silników
samochodowych
• monitoring łożysk
• inspekcja linii
montażowych
• analiza dźwięku,
odfiltrowywanie
szumów,
identyfikaja
wybranych
dźwięków
• wykrywanie
anomalii
• itd.
SI rozwiązuje problemy
Analityka Danych
Wyciąganie
WNIOSKÓW
(informacji)
na podstawie
DANYCH
• dlaczego coś się
dzieje?
• co się
prawdopodobnie
wydarzy i kiedy?
• znajdowanie
optymalnej
konfiguracji
• eksplorowanie
zależności ukrytych
w danych
• itd.

SI – Wiele Nowych Możliwości
Wykrywanie anomalii, krótsze przestoje, zwiększona produktywność
~80%
Firmy dotknięte
nieoczekiwanymi przestojami
w ciągu ostatnich 3-4 lat.
$200 000
Średni koszt nieoczekiwanego
przestoju na godzinę
~4 Godz
Średni czas awarii sprzętu.
Średnia strata: 1 040 000
USD.
25%
Mniejsze
koszty utrzymania
70%
Mniej
awarii
35%
Mniej
przestojów
>75%
Zero nieoczekiwanych
przestojów
jako najwyższy priorytet
dla większości organizacji.
+20%
Zwiększona
produktywność
Średni koszt nieplanowanego przestoju wynosi 220 000 USD dziennie dla fabryki papieru lub celulozy.
Międzynarodowy Dziennik Inżynierii Strategicznej Zarządzanie Aktywami
Zbyt wczesna / zbyt
późna konserwacja
Nieoczekiwany
przestój
Stopniowa
poprawa

Usługi Kognitywne
Usługi poznawcze, czyli takie,
w których przy użyciu
najnowocześniejszych
rozwiązań technologicznych
możemy zasymulować
wykonywanie zadań w sposób
jaki robią to ludzie.
DANE

• Szybsza Analityka Danych
– Przetwarzanie danych z różnych źródeł, w tym obrazów, filmów i danych z czujników.
• Automatyzacja Kontroli Jakości
– Zapewnienie wysokiej dokładności kontroli jakości produktów i procesów.
– Eliminowanie potencjalnych błędów ludzkich w celu uzyskania spójnych i wiarygodnych wyników.
– Zwiększenie ogólnej jakości i niezawodności.
• Optymalizacja Działań i Zadań dot. Konserwacji
– Ograniczenie niepotrzebnych przeglądów i obniżenie kosztów konserwacji.
– Przewidywanie potencjalnych awarii i przestojów.
• Ciągły Monitoring
– SI nie nudzi się i jej uwaga nie ulega rozproszeniu (24/7/365).
– Odciążanie i wspieranie operatorów.
• Łatwa Replikacja
– Umożliwienie szybkiego wdrażania.
– Funkcjonowanie w trybie offline bez połączenia z Internetem.
• Ciągłe Doskonalenie
– Rozwiązanie może się z czasem uczyć i ulepszać.
Korzyści oferowane przez Cognitive Services
firmy byteLAKE
~80%
Średnia dokładność kontroli
jakości wykonywanej przez
człowieka
99%
Większa dokładność
dzięki współpracy z SI
SI w firmach
(plany,
wdrożenia)
2019
2020
>80%
<50%

SI w Produkcji – korzyści
• Zwiększona Produktywność
– Usprawnienie procesów w celu zwiększenia produktywności.
– Efektywna alokacja zasobów w oparciu o dane w czasie rzeczywistym.
• Możliwość Adaptacji
– Dostosowywanie modeli SI do konkretnych wymagań produkcyjnych.
– Płynne dostosowywanie się do zmieniających się potrzeb produkcyjnych.
• Krótszy Czas Przestoju
– Minimalizacja przestojów w produkcji
dzięki możliwości przewidywania usterek (ang. predictive maintenance).
– Optymalizacja czasu pracy i zwiększanie niezawodności maszyn.
• Podejmowanie Decyzji w oparciu o Dane
– Lepsze decyzje dzięki sugestiom generowanym przez SI.
– Wdrażanie strategii opartych na danych w celu doskonalenia procesów.
• Spójna kontrola jakości w całej organizacji
– Zapewnienie stałej jakości produktu w całym procesie produkcyjnym.
– Bezproblemowe spełnianie norm i przepisów branżowych.
SI

Rozwiązanie SI
Potrzebujemy
SI!
“Z artykułu w Forbes
wynika, że SI pomoże
nam wyprzedzić
konkurencję!”
Źródła danych
Big Data
Rozwiązanie SI
Uczenie SI
Scenariusze
Inspekcja wizualna
(produkty, procesy)
w celu zapewnienia
lepszej jakości.
Automatyzacja
złożonych zadań,
aby uzyskać lepszą
wydajność.
Analiza danych
z różnych źródeł,
aby podejmować
lepsze decyzje,
osiągać optymalne
wyniki, poprawiać
jakość
i niezawodność.
Strategia wdrożenia SI
Sztuczna Inteligencja dla Przedsiębiorstw: praktyczne zastosowania oraz inspirujące przykłady wdrożeń.
www.bytelake.com/pl/SzkolenieAI

Rozwiązania Oparte na SI dla Przemysłu
Optymalne wdrożenie na bazie produktów SI od byteLAKE
Zarządzanie
Danymi
Gromadzenie
Danych Produkt SI od byteLAKE DevOps
Konsultanci SI
Programista /
Konsultant SI
Inżynier Danych Data Scientist Inżynier SI
Źródła Danych
Składowanie
Danych
Akceleracja Sprzętowa
Urządzenie
Brzegowe
Pomysł na
Rozwiązanie
Uświadomienie
sobie, Demo
Zebranie
Danych
Wyciąganie,
przechowywanie,
pobieranie
Praca
z Danymi
Czyszczenie,
formatowanie,
etykietowanie
Uczenie SI
(model)
Kalibracja
Wdrażanie
i integracja
rozwiązań SI
Automatyzacja
kontroli jakości
i analityka danych

Cognitive Services
Architektura Wdrażania
INFERENCJA
PRZECHWYTYWANIE I WSTĘPNE
PRZETWARZANIE DANYCH
UCZENIE
Model: aktualizacja
Przewidywane wyniki
Dane do analizy w czasie
rzeczywistym
Dane
Czas
Model
Informacja
Model: aktualizacja
Zebranie
Danych
Wyciąganie,
przechowywanie,
pobieranie
Praca
z Danymi
Czyszczenie,
formatowanie,
etykietowanie
Uczenie SI
(model)
Kalibracja
AI Solution
Deployment
and
Integration
Działania i decyzje
SI
SI
DANE

Cognitive Services
Automatyzacja Kontroli Jakości / Analityka Danych
• Analityka Jakości
• Analityka Danych
• Pulpit
• Działania i Decyzje
• Linia Produkcyjna
• Linia Montażowa
• Infrastruktura
EDGE AI FRONT-END
Dane Informacja
Model
AI

Cognitive Services dla Restauracji
SI dla kas samoobsługowych i rozpoznawanie produktów (restauracje, detal).
• Przedmioty Rozpoznawane
przez SI
• Lokalny serwer lub subskrypcja
• Rachunek Utworzony
Automatycznie
• Płatność
• Przedmioty na Tacy
• Aparat Robi Zdjęcie
EDGE AI POS
Dane Informacja
Model
SI
PŁATNOŚĆ
MAGAZYN
CHMURA

Produkcja Motoryzacja Papiernie Analityka Danych
Cognitive Services
Automatyzacja kontroli jakości i analityka danych.
Kasy samoobsługowe i rozpoznawanie produktów.
CFD Suite
Skrócenie czasu trwania symulacji CFD.
Predictive Maintenance
Produkty byteLAKE (SI)

Plan
Wdrożenia
Przykłady
wdrożeń
DANE
Nauka + biznes
+ wiedza
branżowa
Zespół
& Partnerzy

Postęp w przemyśle
17
Przemysł 1.0
Mechanizacja,
Moc Parowa,
Krosno Tkackie
Przemysł 2.0
Elektryczność,
Produkcja
Masowa,
Linia
Produkcyjna
Przemysł 3.0
Komputery
i Elektronika,
Automatyzacja
Przemysł 4.0
Cyber-Fizyczne
Systemy,
Internet Rzeczy,
Sieci
Komputerowe,
Big Data,
Sztuczna
Inteligencja
Przemysł 5.0
Skoncentrowany
na człowieku
i prężnie
rozwijający się
przemysł
europejski.
Wzmacnia rolę
i wkład
przemysłu
w społeczeństwo
1760-1840
1830-1915
1960-2010
2011 - Dzisiaj
2020 - ????

Wizja komputerowa
Praktyczne Wykorzystanie Sztucznej Inteligencji (SI)

Inspekcja Wizualna - produkcja
DANE
EDGE
COMPUTE
Lenovo
ThinkEdge
SE50
INFORMACJE
SI
Alarm
✓ Automatyzacja kontroli jakości
✓ Mały rozmiar
✓ Praca w trudnych warunkach
✓ Opcje bezprzewodowe
✓ Skalowalna architektura
Inne
opcje
dostępne

Analityka Obrazu
Zautomatyzowane monitorowanie
jakości i procesów w produkcji
Model
SI
Uczenie
Dane
Defects #: 1
Distance: < 2m!
Inspekcja Wizualna

• Automatyzacja monitorowania jakości
(kontrola wizualna produktów i procesów, analiza
otoczenia, wykrywanie niebezpiecznych sytuacji,
zdarzeń i zachowań itp.)
• Liczenie obiektów
(rozpoznawanie i kwantyfikacja obiektów np. na
taśmach transportowych, elementy w obiektach itp.)
• Rozpoznawanie obiektów
(analiza danych z kamery, np. rozpoznawanie rodzaju
żywności, produkowanych elementów itp.)
• Analityka danych 3D
(automatyzacja ruchu ramion robotów za pomocą
kamer 3D, roboty samojezdne itp.)
Inspekcja Wizualna
Możliwości
Analityka Obrazu

Inspekcja wizualna
Polecamy artykuł: ceo.com.pl/sztuczna-inteligencja-ai…
Images credit:
adhoc.myportfolio.com/greenpac-1
innovationorigins.com/free-ai-software-for-covid-19-triage-on-chest-x-rays/
images.app.goo.gl/TjBhXmxrmanGNSSL9
turbosquid.com/3d-models/crushed-soda-cans-set-c4d/1049917

Ochrona środowiska
EWA Guard
1. Szybka analiza ogromnych porcji danych
– terenów zielonych
2. Automatyzacja żmudnej i czasochłonnej pracy
3. System łatwy do integracji z infrastrukturą typu
drony, kamery przemysłowe, nagrania z samolotów
etc.
4. Struktura modularna w celu łatwego douczania SI:
wykrywanie nielegalnych konstrukcji, wysypisk,
analizy zdjęć z foto pułapek etc.
5. Możliwość rozbudowy systemu o nowe moduły
np. zliczanie zwierząt
Wideo: https://youtu.be/x1IMYfSE9qI
• Przykładowe zdjęcie
z drona, poddane analizie sztucznej
inteligencji (SI)
• Zielone pole: SI automatycznie wykrywa
śmieci i odpady niebezpieczne

Inspekcja wizyjna
• Każdej minuty Ziemia traci lasy
o powierzchni porównywalnej
do ok. 27 boisk piłkarskich.
• Polskie Lasy Państwowe płacą rocznie 20
mln zł za sprzątanie śmieci porzuconych
nielegalnie na obszarach leśnych.
• Ewa Guard wykorzystuje sztuczną
inteligencję (SI) do analizy zdjęć
i materiałów wideo o wysokiej
rozdzielczości (4K+) oraz m.in.
• lokalizuje na nich nielegalne wysypiska śmieci
• pomaga zautomatyzować żmudne i czasochłonne
prace związane z zalesianiem terenów.
Wideo: byteLAKE.com/en/EwaGuard-video
• Przykładowe zdjęcie
z drona, poddane
analizie sztucznej
inteligencji (SI)
• Zielone pole: SI
automatycznie zaznacza
młode drzewa na
zdjęciu i zlicza je

✓ Szybka analiza obrazów
✓ Wysoka dokładność, 24/7
✓ Rozwiązanie łatwe do powielenia
✓ Szybkie wdrożenie
✓ SI nigdy się nie nudzi / nie rozprasza
✓ byteLAKE’s Cognitive Services – offline
(nie jest wymagany dostęp do chmury / Internetu)
Rozwiązanie problemów dot. jakości
Automatyczna inspekcja wizualna procesów, części, komponentów lub produktów.

Inspekcja Wizualna - papiernie
Dane
EDGE
COMPUTE
Lenovo
ThinkEdge
SE50
INFORMACJE
SI
Alarm
Inne
opcje
dostępne
POCZĄTEK: 6000mm
Koniec: 8000mm
Wlew
Papier
Image Credit: PIV measurements of flow through forming fabrics: researchgate.net/figure/Forming-section-of-a-modern-Fourdrinier-paper-machine_fig3_286055124
Woda Linia mokra
✓ Ciągłe monitorowanie, 24/7/365
✓ Wykrywanie, pomiar i analiza linii mokrej

• Instalacja w konfiguracji:
kamera + mini komputer (Edge AI)
(kamery, małe komputery/serwery brzegowe itp.)
• Pozyskiwanie danych
(oprogramowanie zbierające dane z kamer lub
mikrofonów)
• Cognitive Services
(algorytmy SI)
• Wdrożenie i uruchomienie
rozwiązania na produkcji
(integracja i wdrożenie na miejscu)
• Obsługa klienta po dostawie
(gwarancja i wsparcie)
Cognitive Services dla Przemysłu Papierniczego
Informacja prasowa: intel.com/content/www/us/en/newsroom/
news/ai-helps-speed-papermaking-process-europe.html

Paper production monitoring with AI
• Produkcja papieru
to proces wieloetapowy.
• W fazie usuwania wody
obserwuje się zjawisko
powstawania tzw. linii mokrej.
• Dzięki Sztucznej Inteligencji
może być ono efektywnie
monitorowane
24/7/365
Analityka Obrazu
Monitoring produkcji papieru
przy pomocy SI
Średni koszt nieplanowanego przestoju dla papierni wynosi 220 000 USD dziennie.
International Journal of Strategic Engineering Asset Management
Przykłady
• wykrycie linii
mokrej
• analityka i pomiary
linii mokrej

Analiza Dźwięku

Analiza dźwięku
32
• Sztuczną Inteligencję można wytrenować
do analizy dźwięku, filtrowania szumów,
identyfikowania charakterystycznych
fragmentów próbek dźwiękowych itp.
• Analityka:
anomalia obecna / nieobecna.
• Zaawansowana analityka:
anomalie można analizować i grupować.
• Sztuczna Inteligencja może
dostosowywać się do zmian w środowisku
(uczyć się z czasem).

Analityka Dźwięku - samochodowy
DANE
EDGE
COMPUTE
Lenovo
ThinkEdge
SE50
INFORMACJE
SI
Alarm
Inne
opcje
dostępne
✓ Spójne i wiarygodne wyniki
✓ Niższy koszt, odciąża ludzi
✓ Eliminuje potencjalne błędy ludzkie
✓ 24/7, ciągłe monitorowanie jakości
✓ Zwiększa ogólną niezawodność produkcji

✓ 24/7, wysoka dokładność
✓ Rozwiązanie ulepsza się z czasem
✓ Rozwiązanie łatwe do powielenia
✓ Szybkie wdrożenie
✓ SI nigdy się nie nudzi / nie rozprasza
Rozwiązanie problemów dot. jakości
Mikrofony + SI do oceny jakości silników samochodowych

Case Study – SI dla Przemysłu4.0
✓ Wysoka Wydajność i Dokładność
✓ Edge AI
✓ Ciągłe Monitorowanie
✓ Automatyzacja Przemysłu 4.0
Automatyzacja kontroli jakości

SI dla Restauracji

ZDJĘCIE
SI dla Kas Samoobsługowych
Rozpoznawanie Produktów (restauracje, detal)
PC
lub
CHMURA
LISTA
PRODUKTÓW
SI
Rachunek Utworzony
Automatycznie
1. Umieść przedmioty na tacy
2. Podejdź do kasjera
3. Kasjer klika „SI: Stwórz Rachunek Automatycznie"
4. Robione jest zdjęcie, a SI rozpoznaje produkty
5. Lista produktów jest wysyłana do POS
6. Lista może być przeglądana / aktualizowana
7. Płatność
PŁATNOŚĆ
POS

Rozwiązanie Zintegrowane z Simpra
Rozwiązania restauracyjne, hotelowe i płatnicze nowej generacji
• Kluczowe Elementy
• POS
• Program śledzenia zapasów
• Program lojalnościowy
dla klientów
• Menu QR
• Raportowanie mobilne
• System rezerwacji stolików
• System wyświetlania
informacji w kuchni
• Moduł zamówień kelnerskich
• Usługa dostawy
• Różne integracje

Zalety rozwiązania
✓ Szybsza obsługa = zadowoleni klienci
✓ Mniejsze kolejki = większa sprzedaż
✓ Mniej pracy = szczęśliwszy personel
✓ Tworzy innowacyjne środowisko
✓ Łatwe do powielenia / wdrożenia

Wdrożenie
✓ Kasa samoobsługowa
✓ Skrócenie kolejek i skrócenie czasu oczekiwania
✓ Większa satysfakcja klienta

Analityka Danych

Znajdujemy odpowiedzi ukryte w danych
• Lepsza interakcja z klientem
(analiza współpracy / decyzji w celu dostarczenia
lepiej spersonalizowanych usług)
• Analiza trendów
(wykrywanie anomalii lub podejrzanych zdarzeń,
wzorców, budowanie systemów rekomendacyjnych)
• Automatyzacja procesów
(przetwarzanie dokumentów, silniki konwersacyjne,
automatyzacja złożonych i powtarzalnych zadań)
• Wsparcie przy podejmowaniu decyzji
(uczenie maszynowe, głębokie uczenie)
Analityka Danych
Model
Uczenie
Analiza
Danych
DANE

• Automatyzacja skomplikowanych i powtarzalnych zadań
(wyciąganie danych z dokumentów, skanów, e-maili etc.)
• Sztuczna Inteligencja dla Przemysłu 4.0
(inteligentne kamery do inspekcji wizualnej, analiza danych
z sensorów/danych historycznych dowolnego typu etc.)
• Lepsze i szybsze decyzje
(odnajdywanie informacji ukrytych w danych: dlaczego coś się
wydarzyło? Co się najprawdopodobniej wydarzy w przyszłości?
Jakie są trendy?)
Eliminacja nudnych i powtarzalnych a jednocześnie
czasochłonnych zadań.
Automatyzacja

Przechowywanie dużych porcji danych
do przyszłego wykorzystania nie jest obecnie
problemem. Biorąc pod uwagę aktualną pojemność
serwerów można powiedzieć, że jest to tanie.
Problemem natomiast jest przetworzenie tych
danych w informacje i znalezienie odpowiednich
schematów, trendów i parametrów mających największy
wpływ na określone zjawisko. Dzięki wykorzystaniu
AI jesteśmy w stanie zaadresować te potrzeby i
wesprzeć operatora przy podejmowaniu decyzji.
Wybrane przykłady
• Automatyczną wycenę zapytań ofertowych
na podstawie e-maili wysyłanych od klientów.
• Klasyfikacja nasion (wykiełkuje / nie wykiełkuje)
w zależności od posiadanych wyników pomiarowych
z przeszłości.
Odnajdywanie informacji zaszytych
w dużej ilości danych
?
?
?
Analityka Danych - przykład

Predictive
Maintenance

Analityka Danych
DANE
(EDGE)
COMPUTE
Lenovo
ThinkEdge
SE50
INFORMACJE
SI
Pulpit
SE350
SE450
Inne
opcje
dostępne
✓ Bezproblemowe przekształcanie danych z różnych źródeł
(Czujniki IoT, dokumenty, prognozy pogody online itp.)
w użyteczne informacje w celu podejmowania lepszych decyzji
✓ Znajdowanie odpowiedzi ukrytych w danych
(Optymalizacja działań, znajdowanie zależności, …)
✓ Zaawansowane wykrywanie potencjalnych usterek
(ang. predictive maintenance)
✓ Wykrywanie ryzyka
CZUJNIKI
DANE
HISTORYCZNE,
DANE
ONLINE,
INNE ŹRÓDŁA

Predictive Reactive Preventive
Wyczucie
czasu
Wtedy kiedy potrzeba Po zdarzeniu
W ściśle określonym
harmonogramie
Zalety Niskie ryzyko awarii
Brak ustalonych kosztów
stałych
Niższe ryzyko awarii niż
w Reactive
Wady Wysokie koszty stałe Wysokie ryzyko awarii
Niepotrzebne prace
serwisowe
Reactive Maintenance Vs Preventive Maintenance Vs Predictive Maintenance (assetinfinity.com)
Predictive, Reactive, Preventive maintenance

Wdrożenie

1. Zdefiniuj Scenariusz
– Określ cel analizy SI, taki jak wykrywanie anomalii powierzchniowych,
monitorowanie linii montażowych, automatyzacja operacji, przyspieszanie
procesów (np. produkcji, zakupów), automatyzacja powtarzalnych
i niebezpiecznych zadań, ulepszanie analityki w celu lepszego podejmowania
decyzji i umożliwienie wykrywania awarii. Czy są jakieś inne cele?
2. Wyjaśnij Oczekiwania
– Rozmieszczenie i liczba kamer lub czujników, które mają być używane, jeśli wiemy.
– Opisz istniejące i potencjalne źródła danych, w tym przyszłe, jeśli są znane.
– Określ żądany poziom dokładności.
– Podaj informacje o tempie produkcji i oczekiwanej wydajności systemu, biorąc
pod uwagę przyszły wzrost.
– Zdefiniuj wymagania dotyczące czasu pracy bez przestojów i wszelkie inne
specyficzne wymagania systemowe.
Od Czego Zacząć - przygotowania
Cognitive Services

1. Wyjaśnienie Scenariusza
– Udostępnij przykładowe zdjęcia, filmy lub inne istotne dane.
– W razie potrzeby przeprowadzone zostaną konsultacje (online lub spotkania osobiste).
2. Wstępny Wgląd w Dane
– Wyjaśnij swoje dane, w tym typy, zakresy i zależności.
– Zidentyfikuj nietypowe scenariusze lub wyjątki.
– Ustal, czy dane historyczne są dostępne i czy są w nich luki.
– Omów metody przechowywania danych i oceń potrzebę zmian lub ulepszeń w tym obszarze.
– Podziel się z nami przykładowymi danymi.
3. Sesja Pytań i Odpowiedzi (często online)
– Ssesja pytań i odpowiedzi, aby lepiej zrozumieć prezentowane dane i scenariusze.
4. Plan i Harmonogram Wdrożenia
– Szczegółowy plan i harmonogram wdrożenia przygotowany przez byteLAKE.
Jak Zacząć – pierwsze kroki w projekcie
Cognitive Services

Licencjonowanie i Koszt Wdrożenia
Cognitive Services
• Licencja
– Roczne/miesięczne plany licencjonowania usług Cognitive Services, w tym
uaktualnienia, obsługa klienta i pomoc techniczna.
• Uczenie SI (model)
– Koszty szkolenia i kalibracji modelu sztucznej inteligencji.
• Zarządzanie Danymi
– Wydatki związane z gromadzeniem danych i ich przetworzeniem pod wymogi SI.
• Sprzęt i Oprogramowanie
– Koszty sprzętu, w tym komputerów i czujników, a także wszelkie powiązane licencje.
– Koszty instalacji.
• Integracja i Wdrożenie
– Działania związane z integracją zgodnie z wymaganiami.

Cognitive Services
Zamiana danych w informacje
• Inspekcja Wizualna
• Produkty, części, komponenty, ...
• Monitorowanie procesu
• Analityka Dźwięku
• Silniki samochodowe, łożyska, ...
• Inspekcja linii montażowej
• Analityka Danych
• Predictive maintenance
• Identyfikacja ryzyka
• Optymalizacja działań
• Znajdowanie zależności
• Unikanie przestojów
➢ Zapewnienie wysokich
standardów jakości

• Podejmowanie decyzji w czasie rzeczywistym
– Natychmiastowa analiza danych na urządzeniu umożliwia szybkie podejmowanie decyzji
bez konieczności korzystania z usług zewnętrznych (np. chmurowych), co ma kluczowe
znaczenie
dla zastosowań przemysłowych.
• Efektywność energetyczna
– Edge AI może zoptymalizować zużycie energii, przetwarzając dane lokalnie i zmniejszając
potrzeby na ciągłą transmisję danych.
• Praca w trybie offline
– Edge AI umożliwia urządzeniom dalsze działanie i podejmowanie decyzji nawet wtedy,
gdy nie ma połączenia z Internetem.
• Redundancja i niezawodność
– Rozproszone urządzenia oferują redundancję i odporność na awarie, zapewniając
ciągłość działania w przypadku awarii.
• Zwiększona prywatność i bezpieczeństwo
– Przetwarzanie AI na urządzeniu brzegowym zmniejsza potrzebę przesyłania wrażliwych
danych na zewnętrzne serwery, zwiększając prywatność i bezpieczeństwo danych.
• Niskie wymagania dotyczące przepustowości łącza internetowego
– Edge AI minimalizuje potrzebę ciągłego przesyłania danych, zmniejszając przeciążenie
sieci i związane z tym koszty.
• Personalizacja i adaptacja
– Modele SI na urządzeniach sieci można dostosować do konkretnych wymagań i łatwo
aktualizować, aby dostosować je do zmieniających się warunków.
Edge AI, czyli SI na Urządzeniu (brzegowym)
Dane przetwarzane w pobliżu miejsca, w którym zostały wyprodukowane, lokalnie

Zwiększenie konkurencyjności
na rynku
Sztuczna Inteligencja w biznesie

Waste management
– jak marnotrawić mniej zasobów

Przetwarzanie tekstu
• Wykorzystuje sztuczną inteligencję
(nie wymaga konfiguracji ani
przygotowania wzorców,
szablonów etc.)
• Przetwarza różne formaty faktur
i rachunków
• Łatwa integracja
(może być zintegrowany z systemami
ERP / obiegu dokumentów lub działać
niezależnie)
• Może się douczyć obsługi nowych typów
dokumentów

brainello
• Wyciąga dane z dokumentów
• 1800 faktur / godzinę !
• Bez tworzenia szablonów.
• Ciągle się uczy (uczenie maszynowe)

Przykładowa integracja
7xbardziej
wydajny zespół
obieg
dokumentów
Więcej: byteLAKE.com/en/Bpower2

Oszczędność
pieniędzy
• Systemy wspomagające pracę człowieka
• Automatyczne systemy monitorujące
• Rotacja pracowników
– zbyt dużo powtarzalnej i mało kreatywnej pracy
• Zwiększenie jakości
• Zmniejszenie ilości awarii
• Zmniejszenie przestojów w łańcuchach produkcyjnych

Eliminacja błędów
ludzkich
• Inteligencja to największa zagadka ludzkiego mózgu.
• SI zastępuje człowieka czy wypełnia lukę po człowieku?
• Praca powtarzalna wymaga:
• skupienia
• samozaparcia
• Ludzie nie są w stanie utrzymać ciągłego skupienia
• Odciążenie ludzi z prac powtarzalnych, umożliwienie
skupienia się na bardziej kreatywnych zadaniach

Zmniejszenie ilości
awarii
• Wykrycie potencjalnej awarii przed jej wystąpieniem
• Eliminacja czynnika ludzkiego przez wprowadzenie
monitoringu ciągłego
• Dlaczego pewne awarie zdarzają się częściej niż inne -
Analiza Big Data
• Optymalne wykorzystanie urządzeń, systemów –
znalezienie zależności pomiędzy danymi

Zwiększenie
niezawodności
• Brak awarii nie oznacza niezawodny
• Cyfrowy bliźniak: Digital Twin
• Monitorowanie 24/7
• Inteligentne nawigacje
• Zwiększenie szans powodzenia (monitoring ziaren)
• Predictive maintenance

Zwiększenie
produktywności
• Rotacje pracowników
• Praca zmianowa
• Wsparcie człowieka przy najbardziej uciążliwych
zadaniach
• Przetwarzanie gigantycznych zbiorów danych
70%

Zwiększenie
współczynnika
konwersji
potencjalnych
do realnych klientów

Zwiększenie jakości
• Zwiększenie wykrywania defektów
• Zmniejszenie niezadowolenia klientów
• Wykrywanie przyczyn problemów
– predictive analytics.
• Wykrywanie anomalii na liniach produkcyjnych
połączone z automatyczną korekcja produkcji.

Nowe modele
biznesowe
• "Znane są tysiące sposobów zabijania czasu, ale nikt nie
wie, jak go wskrzesić.” Albert Einstein
• Wykorzystanie informacji ukrytych w Big Data -
odpowiedzi na pytania: dlaczego coś się dzieje, co
prawdopodobnie się wydarzy etc.
• Automatyzacja procesów

Optymalizacja algorytmów

70
Research Case:
Reconfiguring HPC Simulation with AI to optimize performance and energy
node count
accelerators per node
memory alignment
streams count
buffering types
…
cpu cores
memory policy
1 000 000 000
Possible
configurations
Ca. 5000
possible
configurations
Artificial Intelligenc
e
This module utilizes among
others the supervised learning
method with the random forest
algorithm.
The main functionality of the module
is to prune the search space in
order to eliminate the worst
configurations.
We develop a Machine
Learning module in order to
select the most fitting
configuration.
In this way we achieve a small set
that at 90% contains the best
configuration.
More at: bytelake.com/en/case-studies/hpc-configuration-optimized/

Federated Learning
White Paper

Jak działa Federated Learning?
Uczenie
Maszynowe
IoT
Czas
Uczenie Lokalne, Inferencja
Edge AI
Agregacja nauczonych
modeli AI
Federated Learning
Data Center

CFD Suite
Sztuczna Inteligencja
Przyspiesza Symulacje CFD
Computational Fluid Dynamics

CFD, Computational Fluid Dynamics
Solving exciting problems across industries
Symulacja rozprzestrzeniania się ognia
Symulacja rozprzestrzeniania się
zanieczyszczeń
Symulacja aerodynamiczna
Zadbaj o wydajny przepływ Popraw smak

Mechanika płynów i gazów
75
CFD CFD Suite (AI)
X-Plane Velocity
X-Plane Pressure
X-Plane Turbulent kinetic energy
CFD Suite wykorzystuje sztuczną inteligencję do
przyspieszenia symulacji dot. obliczeniowej
mechaniki płynów (CFD; ang. Computational Fluid
Dynamics), skracając ich czas z godzin do minut.
Pozwala to nie tylko zaoszczędzić na kosztach
związanych z eksperymentami metodą prób
i błędów, ale także umożliwia szybsze podejmowanie
decyzji i zwiększenie produktywności.
W niektórych przypadkach sztuczna inteligencja
może pomóc zwiększyć dokładność symulacji,
prowadząc do bardziej wiarygodnych i precyzyjnych
wyników.

Skrócenie Czasu Trwania Symulacji CFD
byteLAKE’s CFD Suite
• Klasyczne solwery
• byteLAKE’s CFD Suite
Symulacja CFD (iteracje, kroki czasowe) WYNIKI
Wizualizacja
Modelowanie
WYNIKI
Wizualizacja
Godziny, tygodnie
Modelowanie CFD Suite (AI-accelerated CFD)
2x, 10x, 20x, 40x, …
PRZYSPIESZENIE
CFD Suite
Kolekcja innowacyjnych modeli SI
dla CFD.
byteLAKE.com/en/CFDSuite

Skrócenie Czasu Trwania Symulacji CFD
DANE
(SYMULACJE)
ON-PREMISES
AI-
ACCELERATED
CFD
SI
WYNIKI
Różne
Opcje
Dostępne DANE 3D

Modelowanie
AI Supervisor
WYNIKI
Wizualizcja
Symulacja Symulacja
Symulacja Symulacja
AI Accelerator AI Accelerator AI Accelerator
CFD Suite: współpracujące ze sobą moduły generują wyniki
• AI Accelerator, gwarantuje przyspieszenie i dokonuje prognoz na podstawie wytrenowanego wzorca
• AI Supervisor, gwarantuje dokładność i podejmuje decyzje:
– Przyspiesz raz lub wiele razy podczas symulacji
– Zatrzymaj symulację i zwróć wyniki uwzględniające fizykę
CFD Suite
AI Accelerator i AI Supervisor
2x, 10x, 20x, 40x, …
PRZYSPIESZENIE

Skrócenie Czasu Trwania Symulacji CFD – przykład
Skrócenie czasu symulacji: z godzin do minut
Konfiguracja: mieszanie chemiczne, <2M komórek, dane 3D, steady-state, 5K iteracji
CFD Solver CFD Suite (AI predictions)
X-Plane
Velocity
X-Plane
Pressure
X-Plane
Turbulent
kinetic
energy
CFD Suite
Kolekcja innowacyjnych modeli SI
dla CFD.
byteLAKE.com/en/CFDSuite
Simulations powered by:
Przykładowe wyniki dla: CFD/mieszania chemicznego.
Uwaga: dokładność jest konfigurowalna i zależy od wymagań.

MotorBike Steady
AI-
ACCELERATED
CFD
43x
Speedup
Przyspieszenie
90%
Dokładność
CFD Suite
AI
10x
Speedup
Przyspieszenie
99%
Dokładność

• Trening Wielozadaniowy:
– Wybór i priorytetyzacja geometrii oparta na efektywności przewidywanej
przez sztuczną inteligencję
– Optymalizacja konfiguracji i operacji meshingu
• Kompleksowa Optymalizacja Procesów:
– Usprawnienia sterowane sztuczną inteligencją w szerokim zakresie procesów symulacji CFD
Wynik:
• Szybszy dostęp do wniosków
• Obniżone koszty
• Zwiększona efektywność w symulacjach CFD
81
byteLAKE's CFD Suite:
Nie Tylko Akceleracja

Trenowanie i kalibracja modelu AI
SI
Wykonane symulacje
(dane historyczne)
CFD Suite
SI
➢ Wykorzystanie danych
wygenerowanych przez
wcześniejsze symulacje
➢ Automatyczne douczanie
modeli SI
(byteLAKE’s CFD Suite’s Learning-
on-the-Fly AI Models)
DANE

SI w Przemyśle Chemicznym
Przyspieszanie Symulacji CFD (ang. Computational Fluid Dynamics)
83

Koń pociągowy czy koń trojański
Strach przed nieznanym?

Gdzie leży prawda?
• 61% Europejczyków przychylnie patrzy
na sztuczną inteligencję i roboty,
• ALE 88% twierdzi, że technologie
te wymagają ostrożnego zarządzania.
(Eurobarometr 2017, UE-28)
• BMW wydało kodeks etyczny dotyczący
AI, który zawiera 7 podstawowych zasad
– ochrona ludzkości czy interesów
korporacji?

Przegląd Zastosowań
Sztucznej Inteligencji
Czym jest SI? Od czego zacząć?
Przykłady wdrożeń.
Pytania?

Zapraszamy do kontaktu!
mkolanko@byteLAKE.com
+48 505 322 282
Mariusz Kolanko
mrojek@byteLAKE.com
+48 508 091 885
Marcin Rojek
www.byteLAKE.com
Blog: marcrojek.medium.com
www.byteLAKE.pl
DANE

SI w Przemyśle i… Restauracjach
Produkcja, Samochodowy, Papierniczy, …
90

91
91
Konsultacje Indywidualne

Prace Badawcze
w byteLAKE
More at: byteLAKE.com/en/research

➢ LinkedIn.com/company/byteLAKE
➢ X.com/byteLAKEGlobal
➢ FB.com/byteLAKE/
➢ byteLAKE.com/en/YouTube
➢ Blog
Nasi Partnerzy i Klienci
“AI already plays a very important role in our daily lives. […]
The application of the Intel® Distribution of OpenVINO toolkit
in byteLAKE’s Cognitive Services shows that AI works efficiently
as an actual tool for optimizing company operations. Moreover,
such a combination reduces the barrier of necessary upgrades to IT
infrastructure [...],” said Krzysztof Jonak,
EMEA Territory Sales Director, Intel.
“We’re also working with a number of partners on AI initiatives
that will provide real world solutions for customers. […]
Our collaboration with partners such as Intel, NVIDIA, Mark III
systems, and byteLAKE greatly expands the resources and
expertise we’re able to provide“, said Dr. Bhushan Desam,
Lenovo’s AI Global Business Leader, HPC and AI Business.

95
Among 5 top startups working on CFD!
“Explore our analysis of 441
global startups & scaleups
and learn how their
computational fluid dynamics
(CFD) solutions impact your
business!”
“This time, you get to discover
5 hand-picked startups
developing computational
fluid dynamics solutions.”
https://www.startus-
insights.com/innovators-
guide/discover-5-top-
startups-working-on-
computational-fluid-
dynamics/

Wdrożenie AI, współpraca z partnerami
96

Oprogramowanie SI na Zamówienie
Usługi AI
Warsztaty AI Edge AI Automatyzacja HPC
Inkubacja
Specjalizacja: Intel Specjalizacja: Alveo
Specjalizacja: NVIDIA
brainello Ewa Guard
Przetwarzanie Dokumentów Leśnictwo & Rolnictwo
+48 508 091 885
+48 505 322 282
welcome@byteLAKE.com

Przegląd zastosowań sztucznej inteligencji (2024-01)

Recommended

Recommended

More Related Content

Similar to Przegląd zastosowań sztucznej inteligencji (2024-01)

Similar to Przegląd zastosowań sztucznej inteligencji (2024-01) (20)

More from byteLAKE

More from byteLAKE (20)

Przegląd zastosowań sztucznej inteligencji (2024-01)