本番環境のAIでは、重要な課題が浮上します。それは、アルゴリズムの有効性と信頼性を損なうデータの非定常性です。
ML cube Platformは、モデルの精度を低下させ、生産上の問題を引き起こす可能性のあるデータや動作条件の変化を積極的に検出することでこの問題に対処します。
これは、AI開発者がシーメンス・Industrial Edge に導入されたAIシステムの信頼性を向上させるのに役立ちます。
モデルのパフォーマンス、入力、画像メトリクス、出力をリアルタイムで継続的に追跡し、異常や劣化のアラートを生成して、信頼性と迅速な対応を保証します。
どの画像の特徴やデータセグメントが変更されたかを強調表示することで、ドリフトが発生する理由を特定して説明し、チームが根本原因をすばやく理解して対処できるようにします。
パターンに基づいてデータを進化するクラスターにグループ化し、データセグメントの変化を検出し、モデルのパフォーマンスに影響する隠れた変化を明らかにできます。
ML cube Platformは入力画像を監視し、モデルのパフォーマンスを低下させている予期しない季節変動を正しく特定しました。動的クラスタリングとドリフトの説明可能性モジュールにより、ユーザーはドリフトの原因を理解することができました。
ML cube Platformは入力画像とラベル予測を監視し、環境の照明条件の変化によるドリフトを正しく識別しました。セグメント化された監視により、特定の生産ラインの問題を特定し、エラーが最も起こりやすい場所を理解するのに役立ちました。