Имитационное моделирование процессов производства связывает между собой все сферы изготовления изделия: разработку производственного процесса, моделирование производственного процесса и подготовку технологии производства, а также управление производством. По результатам такого моделирования должны быть четко регламентированы параметры перемещения заготовок и деталей. Результаты имитационного моделирования не «вычисляются по формулам», как это имеет место при применении аналитических моделей, а являются продуктом статистической обработки данных, наблюдаемых и фиксируемых в процессе обработки моделирующей программы. Принципиальные возможности метода весьма велики, он позволяет при необходимости исследовать системы любой сложности и назначения с любой степенью детализации. Ограничениями являются лишь мощность используемой ЭВМ и трудоемкость подготовки сложного комплекса программ.
Архив автора: kornelik
Управление промышленным производством с помощью Autodesk Fusion Production
В современных условиях вряд ли можно говорить об эффективном применении иностранных инженерных пакетов для управления производством. Однако, изучение их особенностей позволяет лучше представлять предметную область и способы создания аналогов, превосходящих зарубежные программы. Итак. Промышленное производство сегодня проходит через небывалое изменение, взаимодействие процессов проектирования и производства создает новые возможности для снижения издержек и сокращения жизненного цикла продукта. Традиционные цепочки поставок заменяются более гибкими сетями, но только для тех компаний, которые могут адаптироваться к этому изменению. А многие до сих пор с трудом поспевают за происходящим в цехах. Я рад сообщить, что мы работаем над новым решением, в основе которого лежат облачные технологии и интернет вещей, – оно должно будет решить задачи, связанные с тем, что мне нравится называть «уберизацией» производства. Мы называем это решение Fusion Production.
Перспективные задачи машинного зрения для современной промышленности
Интерес к компьютерному зрению возник одним из первых в области искусственного интеллекта наряду с такими задачами, как автоматическое доказательство теорем и интеллектуальные игры. Даже архитектура первой искусственной нейронной сети — перцептрона — была предложена Фрэнком Розенблаттом, исходя из аналогии с сетчаткой глаза, а ее исследование проводилось на примере задачи распознавания изображений символов. Значимость проблемы зрения никогда не вызывала сомнения, но одновременно ее сложность существенно недооценивалась. К примеру, легендарным по своей показательности стал случай, когда в 1966 г. один из основоположников области искусственного интеллекта, Марвин Минский, даже не сам собрался решить проблему искусственного зрения, а поручил это сделать одному студенту за ближайшее лето [1].
Тяжелые бронированные машины: реальность и ожидания. Часть 2
На фото: MMWT (Modern Medium Weight Tank) Разработчик: РТ Pindad (Индонезия) и FNSS (Турция). Страна происхождения: Индонезия Вооружение: 105-мм нарезная высокого давления Cockerill. MMWT (Modern Medium Weight Tank — современный танк средней категории по массе) является плодом сотрудничества Индонезии и Турции. Пока машина носит временные имена Kaplan (по-турецки тигр) или Harimau Hitam (по-индонезийски черный тигр). Целью разработки платформы MMWT является создание ОБТ наилучшим образом подходящего под требования Индонезии и других стран региона. Первый опытный образец был изготовлен компанией FNSS в Турции, тогда как второй — индонезийской РТ Pindad. Танк был показан на военном параде в Индонезии в октябре 2017 года. На машине установлена двухместная башня CMI Cockerill 3105 с 105-мм нарезной пушкой высокого давления и автоматом заряжания в кормовой нише башни.
Интеллектуальные Российские решения для оптимизации технологии реального производства
В энергетическом комплексе РФ запускают проекты по использованию искусственного интеллекта. Технология позволяет предупредить отказы оборудования, снизить затраты на техобслуживание и избежать нанесения урона бизнесу из-за сбоев. По экспертным оценкам, до 80% информации, которой располагают компании, не структурировано, и интеллектуальные решения — эффективный инструмент для систематизации данных. В России такими разработками занимаются несколько компаний, которые представили свои возможности на ИННОПРОМ. В их число входят как стартапы, так и известные концерны. Какие средства экономят в отрасли за счет искусственного интеллекта? Насколько удается снизить энергопотребление благодаря нейросетям? Читайте об этом в нашем материале. Международные корпорации постепенно подключают к своим энергетическим проектам разработки в области искусственного интеллекта.
Разработан новый алгоритм для моделирования мозга человека на будущих экзафлопных суперкомьпютерах
Еще недавно для симуляции 1 секунды работы 1% человеческого мозга потребовалось 40 минут на кластере из 82 944 процессоров 10-петафлопсного K computer. Учёные попытались повторить работу 1,73 млрд нервных клеток и 10,4 трлн соединяющих их синапсов, на каждый из которых ушло 24 байта. Мощность суперкомпьютеров нового поколения будет исчисляться в экзафлопсах, но при существующих программных решениях её хватит на симуляцию лишь 10% активности мозга. Международная команда учёных создала алгоритм, способный это изменить и представить до 100% активности. Впервые исследователям хватит мощности существующих компьютеров для симуляции нейронной сети в масштабах целого мозга человека. Новый алгоритм симуляции призван помочь моделировать 100 миллиардов взаимосвязанных нейронов на экзафлопсных суперкомпьютерах, то есть «оцифровывать» нейроны в масштабах целого мозга. Он основан на инструменте нейросимуляции NEST, с которым работает Human Brain Project.