I AI i produktion uppstår en avgörande utmaning: icke-stationaritet av data, vilket äventyrar algoritmernas effektivitet och tillförlitlighet.
ML cube Platform hanterar det genom att tillhandahålla genom att proaktivt upptäcka förändringar i data och driftsförhållanden som kan försämra modellens noggrannhet och potentiellt orsaka produktionsproblem.
Det hjälper AI-utvecklare att förbättra tillförlitligheten hos sina AI-system som distribueras på Siemens Industrial Edge.
Spårar kontinuerligt modellprestanda, ingångar, bildmätvärden och utdata i realtid och genererar varningar för avvikelser eller försämring för att säkerställa tillförlitlighet och snabb respons.
Identifierar och förklarar varför drift uppstår genom att markera vilka bildfunktioner eller datasegment som ändrats, vilket hjälper team att snabbt förstå och åtgärda grundorsakerna.
Grupperar data i kluster som utvecklas baserat på mönster, vilket gör det möjligt att upptäcka förändringar i datasegment och avslöja dolda förändringar som påverkar modellens prestanda.
ML cube Platform övervakade inmatningsbilderna och identifierade korrekt en oväntad säsongsdrift, vilket orsakade en försämring av modellprestanda. De dynamiska klustrings- och driftförklaringsmodulerna gjorde det möjligt för användaren att förstå källan till driften.
ML cube Platform övervakade inmatningsbilderna och etikettförutsägelsen och identifierade korrekt drift på grund av förändringar i miljöns ljusförhållanden. Segmenterad övervakning gjorde det möjligt att identifiera problem i specifika produktionslinjer för att förstå var fel är mest troliga.