Den nya tekniken kallas Normalizing flows och syftar till att öka effektivitet och noggrannhet i avvikelsedetektering. Historiskt sett har industriell kvalitetskontroll inneburit manuell avsyning, vilket är både kostsamt och känsligt för fel. Men tack vare ny teknologi baserad på maskininlärning (AI) har processen för att upptäcka avvikelser automatiskt blivit möjlig.
Ny revolutionerande teknik för industriproduktion
AI
En ny teknik ska förbättra industriell kvalitetskontroll. Det är experter från industrin och forskare från Data Intensive Sciences and Applications (DISA) vid Linnéuniversitetet som ska ta fram den nya metoden inom ramarna för ett påkostat forskningprojekt.

Foto: StockAdobe
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsmagasinet premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Normalizing flows hjälper till att identifiera såväl som förutsäga avvikelser i data, vilket gör det möjligt att identifiera potentiella problem i ett mycket tidigare skede än förut – och ta åtgärder för att förhindra dem.
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


