SCI Библиотека

В работе приведен разработанный авторами алгоритм автоматизированного визуального контроля монолитных интегральных схем и описываются его модификации для повышения эффективности. Осуществленные модификации заключаются в изменение порядка расчёта карты дефектности, введении расчёта средневзвешенного пиксельного расстояния и в изменении веса слоёв фотошаблона. Проведенное тестирование модификаций на наборах микрофотографий монолитных интегральных схем различных топологий показало, что изменение порядка расчёта карты дефектности и изменение коэффициента веса слоёв фотошаблона позволили существенно повысить повторяемость ручного визуального контроля до 98%.

В данной статье рассматриваются перспективы применения технологий искусственного интеллекта (ИИ) для оптимизации технологических процессов в производстве. Целью исследования является анализ возможностей и ограничений использования ИИ в промышленности, а также выявление наиболее перспективных направлений его внедрения. В качестве материалов и методов исследования использовались обзор научной литературы по теме, анализ существующих примеров применения ИИ в производстве, а также экспертные интервью со специалистами в области ИИ и промышленного производства. Был проведен систематический поиск релевантных научных публикаций в базах данных Scopus, Web of Science и Google Scholar за период с 2010 по 2023 год. Ключевыми словами для поиска были «искусственный интеллект», «машинное обучение», «оптимизация производства», «промышленность 4.0» и др. Из найденных 2347 публикаций после анализа аннотаций было отобрано 156 наиболее релевантных работ для детального изучения. Кроме того, было проведено 12 глубинных интервью с экспертами длительностью от 40 до 90 минут. Результаты исследования показали, что применение ИИ позволяет значительно повысить эффективность производственных процессов. Наибольший потенциал ИИ демонстрирует в таких областях, как предиктивное обслуживание оборудования (снижение внеплановых простоев на 30-50%), оптимизация работы промышленных роботов (повышение производительности на 10-25%), интеллектуальное управление запасами (сокращение складских издержек на 20-40%), контроль качества на основе компьютерного зрения (выявление до 90% дефектов). Однако для успешного внедрения ИИ необходимо преодолеть ряд барьеров, в числе которых недостаток качественных данных для обучения моделей, дефицит квалифицированных кадров на стыке ИИ и производства, высокая стоимость решений и интеграции. В среднем внедрение комплексных систем ИИ на производстве занимает от 1 до 3 лет и окупается за 2-5 лет

Представлены результаты исследования восприятия систем поддержки принятия врачебных решений в рамках проведения ежегодной диспансеризации врачами-стоматологами в общеобразовательных организациях Минобороны России (суворовских и нахимовском военных училищах, президентских кадетских училищах и кадетских военных корпусах).

На примере рассматриваемого сценария проведена апробация прототипа системы на основе машинного обучения.

Для оценки восприятия выполнен опрос врачей-стоматологов с демонстрацией результатов работы прототипа и оценкой воспринимаемых характеристик предоставляемых результатов предсказательного моделирования.

Построена модель на основе байесовской сети для оценки рассматриваемых показателей, продемонстрировавшая повышение качества предсказания воспринимаемых показателей с учетом влияния латентных состояний субъективного восприятия оператора.

Предложенный подход в дальнейшем планируется использовать для повышения эффективности взаимодействия врача и системы поддержки принятия врачебных решений.

Прогноз вырабатываемой электроэнергии солнечной электростанции позволяет эффективно и безопасно управлять электрическими сетями, интегрирующими кластер солнечных электростанций. Штрафные тарифы закупки рынка «сутки вперед» электроэнергии солнечных электростанций, отклоняющейся более чем на 5 % максимальной мощности солнечной электростанции от предоставляемого почасового макета рынка «сутки вперед» выработки солнечной электростанции, актуализируют повышение точности макета рынка «сутки вперед» путем создания эффективных интеллектуальных систем прогнозирования выработки солнечной электростанции. Проведенный анализ существующего программного обеспечения показал отсутствие доступного программного обеспечения для эффективного прогноза выработки солнечной электростанции, целесообразность и актуальность создания ПО, реализующего интеллектуальную систему прогнозирования выработки солнечной электростанции. В настоящем исследовании разработана, апробирована и реализована как программа для ЭВМ на основе модифицированной нечеткой нейросети с механизмом внимания интеллектуальная система непрямого прогнозирования выработки солнечной электростанции. В нотации UML CASE-средством Microsoft Visio созданы диаграмма классов и блочно-модульная архитектура программы для ЭВМ, реализующей интеллектуальную систему непрямого прогнозирования выработки солнечной электростанции. Гибкость созданной программы для ЭВМ обеспечивает блочно-модульная
архитектура. Апробация программы для ЭВМ, реализующей интеллектуальную систему непрямого прогнозирования выработки солнечной электростанции, отражает ее эффективные, робастные результаты и целесообразность ее применения для построения макетов рынка «сутки вперед». База данных SCADA солнечной электростанции легко интегрируется с интеллектуальной системой непрямого прогнозирования вырабатываемой электроэнергии солнечной электростанции.