ブログ

製造用語集における人工知能用語集

deep learning glossary brain

人工知能について話し合うのに博士号は必要ありませんが、それは確かに役立ちます。しかし、人工知能に関連するいくつかの基本的な用語や概念を知ることで、ファクトリオートメーションにおける最新の技術と検査の進歩を理解することがはるかに容易になります。

これらは、ファクトリオートメーションのための人工知能に関する会話や記事で使用されている最も一般的な用語です。

アルゴリズム:コンピュータが目標を達成するのに役立つ一連の指示および計算。ファクトリオートメーションでは、アルゴリズムはセンサ、スキャナ、デジタルカメラの膨大なデータセットを選別して非効率性を明らかにし、品質を向上させ、改善を推奨します。「学習」アルゴリズムは、試行錯誤と学習の方法論を使用して、人間の介入なしに生産プロセスを最適化します。

人工知能 (AI):人の意思決定を模倣しようとするコンピューティング技術で、自動化することにより人にとって困難なタスクを実行します。AI アルゴリズムは、画像認識や自然言語処理などの技術を使用して人為的ミスを減らし、生産上の課題を予測できるため、ファクトリオートメーションの中核となる役割を担っています。

ビッグデータ:複数のソースから膨大なデータ セットを集め、分析ツールを使用して独自の見解を生成する技術。学習アルゴリズムで人の意思決定を模倣し、正確な予測を生成するためには膨大な情報を必要とするため、ビッグデータは AI の基礎となっています。自動化された工場では、ビッグデータ分析を使用して AI を活用した取り組みが実現されています。

分類:AI の有効性を向上させるデータを個別のカテゴリに分けること。ファクトリ オートメーションでは、データ収集デバイスで生産環境をスキャンし、機械部品や電子部品などの特定のオブジェクトを認識します。AI アルゴリズムは、これらのオブジェクトを分類し、生産ライン内の適切な目的地にルーティングするのに役立ちます。

クラスタリング:データ ポイントの母集団をクラスタに分離して、類似するものと相違するものを判断します。学習アルゴリズムはクラスタをスキャンして、その意味を解釈し、適切な行動を予測します。たとえば、クラスタリング アルゴリズムは、光学式スキャン デバイスで取得したデータを処理し、スキャンで製品の欠陥が検出されたときの対処を判断します。

データ クリーニング/スクラビング:問題のあるデータを削除して、学習アルゴリズムの有効性を磨きます。AI は、正確で信頼性が高く、一貫性のあるデータ ソースを持つ必要がある高度なデータ モデルに依存します。残念ながら、データ収集によって、冗長、不正確、期限切れ、または他の方法で役に立たない情報が生成されることがよくあります。したがって、クリーニング (またはスクラブ) データはリスクを軽減し、AIの精度を向上させます。

ディープラーニング:ニューラルネットワークと例から学ぶアルゴリズムを使用して、人の助けを借りずに時間の経過とともに自ら改善する AI の方法。ディープラーニング アルゴリズムは、データ処理能力に厳密な境界を持つルールベースのアルゴリズムとは異なり、より多くのデータを処理するほど、より効果的になります。ファクトリオートメーションでは、ディープラーニングアルゴリズムは、人の認知を反映する方法でより速く製品の欠陥を知らせることができます。

無料リソースのダウンロード:ディープラーニングとマシンビジョンの電子ブック

画像認識:AI を使用してデジタル画像の内容を分析します。画像認識アルゴリズムは、数百万のピクセルをスキャンし、ディープラーニングを適用して人、場所、物を区別します。この技術により、バーコードスキャンと自動検査が可能になり、自動化された工場の生産性を劇的に向上させることができます。参照:マシンビジョン

モノのインターネット (IoT):機械や人の行動からリアルタイムのインテリジェンスを収集するインターネットに接続されたセンサのネットワーク。携帯電話、ウェアラブル、ビデオカメラ、交通モニター、機械や生産ライン内のセンサなどが含まれます。IoT センサは、マシンラーニングを可能にするのに必要な大量のデータを生成します。

マシンラーニング:人によるプログラミングを使わず成果を向上させるコンピューティングプロセス。マシンラーニング アルゴリズムは、成功を追求し、何百万回もの失敗を避けるような学習成果を生み出すためにコンピュータに教え込みます。たとえば、画像認識は、数百万の画像を分析することで、デジタル画像内の対象物の違いを識別します。参照:トレーニングデータ

マシンビジョン:対象物特有の特徴を特定するルールベースのアルゴリズム。マシンビジョン技術は、光学スキャナやデジタルカメラのデータを使用して、生産ラインの部品を検査し、流通センターのバーコードをスキャンします。マシンビジョンツールは、人の目よりもはるかに高速に機能し、ディープラーニングでこれらのツールの精度と有効性を劇的に向上させることができます。

ニューラルネットワーク:ヒト神経系の神経経路から生まれたアルゴリズムとデータノード。ニューラルネットワークは、神経細胞が情報を受け取り、それを処理し、他の神経に伝達する方法をエミュレートします。ニューラルネットワークの何千もの処理ノードで画像、テキスト、話し言葉などのデータのパターンを見つけます。これらのパターンからアルゴリズムが次の行動を決定し、タスクが成功するたびに改善するよう自ら学ぶのを助けます。

光学式文字認識 (OCR):印刷された数字、文字、符号を意味のあるデジタルデータに変換します。OCR 技術自体は数十年前のものですが、ファクトリオートメーションと製品の流通において今でも非常に重要です。さらに、AI 技術によって OCR の精度が飛躍的に進歩し、プラスチックラッパによって曲がり、剥がれ、損傷し、隠されたラベルをスキャンすることも可能です。

ロボティック プロセス オートメーション (RPA):生産プロセスを自動化し、生産性を向上させ、面倒で反復的な作業から人々を解放するデバイス、ソフトウェア、プロセス。RPAデバイスには、自動車部品の溶接やマイクロプロセッサの組み立てなどのタスクを行うロボットアームが含まれます。RPAソフトウェアには、以前は人による入力を必要としていたプロセスを自動化するアルゴリズムとアプリケーションが含まれます。

構造化および非構造化データ:機械がデータの意味を理解し、正確に処理するのを助ける明確なフレームワーク。構造化データは、スプレッドシートの行、列、セルのように一貫性のある形式で格納されます。非構造化データは、ワープロ ファイルのテキストやビデオのピクセルに似ています。AI アルゴリズムを採用すると、ファクトリオートメーションシステムは、両方の種類のデータから知識を抽出することができます。

群知能:複数のアルゴリズムをまとめ、協力させることで、集団の中の個人の能力を超える知性を生み出すこと。蜜蜂、魚、鳥、その他の社会生物の行動をモデルにした群知能システムは、簡単で具体的なタスクを個々のマシンラーニング アルゴリズムに割り当てます。これらのアルゴリズムを連携させることにより、単一のアルゴリズムが生成するよりもはるかに洗練された学習成果を生み出すことができます。参照:ニューラルネットワーク

トレーニングデータ:AI アルゴリズムの学習を促すデジタル情報。ディープラーニングとニューラルネットワーク アルゴリズムは、良いデータと悪いデータの違いを知る必要があります。トレーニングデータはそれを行えるようにします。たとえば、自動化された工場では、デジタル画像が、アルゴリズムで欠陥のある機械部品を特定し、完成品に使われないようにするトレーニングデータを提供します。

無料の VisionProディープラーニングデータシートで AI およびディープラーニング検査技術の活用についてご覧ください。

他の投稿

製品のサポートやトレーニングなどの詳細を見る

マイコグネックスに参加

お気軽にお問合せください

Cognex は世界中でお客様のビジョンと工業用バーコドリーダのあらゆるニーズをサポートしています。

お問合わせ
Loading...