Алгоритъм за самообучение съкращава продължителността на тестовете за качество

22.02.2022   |   Начало»Бизнес

Редактор
Пепа Петрунова

Редактор
Пепа Петрунова

Sandia, лабораторията за национална ядрена сигурност на САЩ, разработи алгоритъм за машинно самообучение, който осигурява по-бърз и рентабилен начин за провеждане на тестовете за качество в автомобилното производство, аерокосмическата индустрия и др.

"Производителите проверяват способността за формоване на материали като метални листове, преди да ги използват, за да се уверят, че материалът няма да се напука, когато бъде щанцован, формован или огъван при изработката на различни детайли. Компаниите често използват софтуер за симулация, калибриран според резултатите от различни механични тестове. Завършването на тези тестове обаче може да отнеме месеци. Въпреки че определени компютърни симулации с висока точност могат да оценят качествата и способността за формоване само за няколко седмици, за да проведат такива симулации, компаниите се нуждаят от достъп до суперкомпютър и специализирани експерти. Sandia показва, че самообучението може драстично да съкрати времето и ресурсите за калибриране на търговски софтуер, тъй като алгоритъмът не се нуждае от информация от механични тестове, нито пък методът се нуждае от суперкомпютър. Освен това той отваря нов път за извършване на по-бързи изследвания и разработки", коментира експертът от Sandia Дейвид Монтес де Ока Запиаин.

Алгоритъмът за самообучение, наречен MAD³, съкратено от Material Data Driven Design (Проектиране, управлявано от физически данни), функционира, като разпознава връзката между кристалографската структура и анизотропния механичен отговор. При получаване на информация за структурата на метала чрез електронен микроскоп, тя се препраща към алгоритъма. Съответно той прогнозира данните, които са необходими за софтуера за симулация, без да се извършват никакви механични тестове.

В партньорство с университета в Охайо Sandia прилага алгоритъма за самообучение върху резултатите от 54 000 симулиционни теста на материали, използвайки техника, наречена невронна мрежа с право разпространение на сигнала. В следващата стъпка екипът тества точността на алгоритъма с 20 000 нови микроструктури, сравнявайки изчисленията му с данни, събрани от експерименти и симулации, извършени със суперкомпютър. Изследователите твърдят, че разработеният алгоритъм е около 1000 пъти по-бърз в сравнение със симулациите с висока точност.

Като лаборатория за национална сигурност Sandia провежда допълнителни изследвания, за да проучи дали алгоритъмът може да съкрати процесите за осигуряване на качество в областта на  ядрените оръжия в САЩ, където материалите трябва да отговарят на строги стандарти, преди да бъдат одобрени за използване в производството. Изследването за машинно самообучение се финансира от Национална администрация за ядрена сигурност на САЩ.

Ключови думи: Sandia National Laboratories   машинно самообучение  

Област: Автоматизация