توضیحات

در دنيای امروز، به دليل ارزان بودن و ظرفيت نامحدود ابزارهای برداشت و ذخيره داده ها در سطح كلان، در علوم و صنايع مختلف حجم عظيمي از اطلاعات وجود دارد كه حاوی الگوها و ساختارهای مهمی هستند. شركت های فعال در بخش های مختلف نظير بانک ها، مراكز ارائه دهنده خدمات مخابراتی، بيمه گرها و غيره، در تلاش اند تا از روابط موجود در ميان اطلاعات خود، به منظور كاهش هزينه های جاری و درآمدزايی استفاده كنند. به عنوان نمونه، شركت فولادسازی پوهانگ كره، به منظور صرفه جويی در مصرف انرژی كوره های بلند خود، با استفاده از روش های تحليل داده، 15 % از مصرف انرژی خود را كم كرده كه موجب كاهش 3.1 ميليون دلاری هزينه های شركت و افزايش تعداد مشتريان و سود بيشتر برای آنها شده است. بنابراين مسئله داده و نحوه استخراج اطلاعات موجود در آن، به يكی از مسائل مهم صنعت و دانشگاه تبديل شده است. در يک دهه اخير، پيشرفت در پردازش و سرعت رايانه ها، بشر را به جای استفاده از شيوه های سنتی، وقت گير و خسته كننده تحليل اطلاعات، به سمت تجزيه و تحليل خودكار، سريع و آسان سوق داده است. به مجموعه ای از اين روش های سريع و پيچيده، به منظور كشف و استخراج الگوهای نهفته در ميان داده ها، داده كاوی می گويند. علم
ميان رشته ای داده كاوی با استفاده از سيستم های پايگاه داده، الگوريتم های هوش مصنوعی و يادگيری ماشين، مدل های آماری و تئوری های نوين به دنبال آشكارسازی ساختارهای موجود در ميان داده ها است و گامی اساسی در راستای كشف دانش محسوب می شود. استخراج اطلاعات مهم از بين داده های بسيار زياد، دست يابی به يک تصميم و انتخاب و بينش درست، نيازمند الگوريتم های بهينه و قابل اعتمادی می باشد كه طيف وسيعی از زمينه ها را در برگرفته است.
هوش مصنوعی در اين زمينه بسيار موثر عمل كرده و تاثير بسزايی بر تحقيقات صورت گرفته در حوزه پردازش داده داشته است.
استفاده از هوش مصنوعی برای تحليل داده های كلان موجود در صنعت، موجب پيشرفت جنبه های گوناگون اين صنعت می شود. نرم افزارهای هوش مصنوعی با دريافت داده به صورت مداوم از محيط و اعمال عمليات های بهينه سازی بر روی آن ها بدون دخالت هرگونه اپراتوری، می توانند با استخراج روندها و الگوهای موجود در بين داده های صنعتی، به منظور بهينه سازی فرآيندهای صنعتی و كاهش مصرف انرژی اين واحدها، به كار گرفته شوند. علاوه بر اين، پيشرفت های حاصل شده در شبكه ارتباطی تجهيزات مختلف در صنايع گوناگون، می تواند به كمک هوش مصنوعی بسياری از مواردی كه در انتقال داده ها از ديد انسان پنهان می ماند را ديده و از آنها به منظور افزايش بهره وری تجهيزات، استفاده كند.
امروزه، نرم افزارهای هوش مصنوعی كه می توانند حجم زيادی از داده ها را تحليل كنند، در صنعت وجود دارند؛ اما بنابر نيازمندی های صنعت مورد نظر و ميزان داده های موجود، تحليلگر داده می تواند از روش های ابری يا محاسبات محلی جهت تحليل داده های ورودی استفاده كند. در مواردی كه حجم زيادي از داده وجود دارد و نياز است كه عمليات های هوش مصنوعی به سرعت آنها را تحليل كنند، استفاده از فضای ابری و در مواردی كه امنيت تحليل های صورت پذيرفته از اهميت بيشتری برخوردار باشد، بكارگيری محاسبات محلی پيشنهاد می گردد.
رويكرد اصلی اين گزارش، بررسی و نيازسنجی تكنيک های هوش مصنوعی در صنايع مختلف است. در ادامه، پس از بيان تكنيک های گوناگون موجود در هوش مصنوعی و يادگيری ماشين، تعدادی از كاربردهای اين دانش، به منظور برطرف كردن نيازهای صنايع مختلف، مورد بررسی قرار می گيرد.

نظرات (0)

نقد و بررسی‌ها

هنوز بررسی‌ای ثبت نشده است.

اولین کسی باشید که دیدگاهی می نویسد “كاربرد هوش مصنوعی، در معادن و صنايع فلزی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

2 × 4 =