En la IA en producción, surge un desafío crucial: la no estacionariedad de los datos, lo que compromete la eficacia y la fiabilidad de los algoritmos.
ML cube Platform lo aborda detectando de forma proactiva los cambios en los datos y las condiciones operativas que podrían reducir la precisión del modelo y provocar problemas de producción.
Ayuda a los desarrolladores de IA a mejorar la fiabilidad de sus sistemas de IA desplegados en Siemens Industrial Edge.
Realiza un seguimiento continuo del rendimiento, las entradas, las métricas de imagen y las salidas del modelo en tiempo real, y genera alertas de anomalías o degradación para garantizar la fiabilidad y una respuesta rápida.
Identifica y explica por qué se produce la deriva destacando qué características de la imagen o segmentos de datos han cambiado, lo que ayuda a los equipos a entender y abordar rápidamente las causas principales.
Agrupa los datos en clústeres en evolución según los patrones, lo que permite detectar cambios en los segmentos de datos y descubrir los cambios ocultos que afectan al rendimiento del modelo.
La plataforma ML cube monitorizó las imágenes de entrada e identificó correctamente una desviación estacional inesperada que estaba provocando un deterioro del rendimiento del modelo. Los módulos de agrupamiento dinámico y explicación de la deriva permitían al usuario entender el origen de la deriva.
La plataforma ML cube monitorizó las imágenes de entrada y la predicción de etiquetas, identificando correctamente la deriva debida a los cambios en las condiciones de iluminación del entorno. La monitorización segmentada permitía identificar problemas en líneas de producción específicas y ayudar a entender dónde es más probable que se produzcan errores.