Tehisintellekti tootmises ilmneb oluline väljakutse: andmete mittestatsionaarsus, mis kahjustab algoritmide tõhusust ja usaldusväärsust.
ML cube Platform tegeleb sellega, tuvastades ennetavalt andmete ja töötingimuste muutusi, mis võivad halvendada mudeli täpsust ja põhjustada tootmisprobleeme.
See aitab tehisintellekti arendajatel parandada Siemens Industrial Edge'is kasutatavate tehisintellekti süsteemide usaldusväärsust.
Jälgib pidevalt mudeli jõudlust, sisendeid, pildimõõdikuid ja väljundeid reaalajas, genereerides hoiatusi kõrvalekallete või halvenemise kohta, et tagada usaldusväärsus ja kiire reageerimine.
Tuvastab ja selgitab, miks triivimine toimub, tuues esile, millised pildifunktsioonid või andmesegmendid muutusid, aidates meeskondadel algpõhjuseid kiiresti mõista ja lahendada.
Rühmitab andmed mustrite põhjal arenevatesse klastritesse, võimaldades tuvastada nihked andmesegmentides ja paljastada mudeli jõudlust mõjutavad varjatud muudatused.
ML cube Platform jälgis sisendpilte ja tuvastas õigesti ootamatu hooajalisuse triivi, mis põhjustas mudeli jõudluse halvenemist. Dünaamilised klastrite ja triivi seletatavuse moodulid võimaldasid kasutajal mõista triivi allikat.
ML-kuubikuplatvorm jälgis sisendpilte ja sildi ennustamist, tuvastades õigesti triivi, mis tuleneb keskkonna valgustingimuste muutustest. Segmenteeritud jälgimine võimaldas tuvastada konkreetsete tootmisliinide probleeme, aidates mõista, kus vead on kõige tõenäolisemad.