Pelnas:
- Gebėjimas atskirti, kur dirbtinis intelektas sukuria tikrą vertę tekstilės gamybos, kokybės, dizaino ir tiekimo grandinės darbo eigoje ir už kokius sprendimus turėtų atsakyti inžinierius.
- Galimybė taikyti tris pagrindines disciplinas, kurios kryžmiškai patvirtina kiekvieną AI išvestį fiziniais bandymais, laboratoriniais matavimais ir dydžio tvarka
- Pripažinkite haliucinacijų, duomenų privatumo ir dizaino autorių teisių riziką ir ugdykite įprotį nustatyti saugius raginimus anonimizuojant kontekstą.
Tekstilės inžinerija yra grandinės inžinerija nuo galo iki galo, kai mikroskopinė struktūra pluošto lygyje ilgainiui virsta audinio metrais, o vėliau – milijonų vienetų kolekcijomis. Kiekvienoje šios grandinės grandyje pateikiami skaitiniai duomenys: siūlų skaičius ir posūkis, audinio svoris ir tankis, gramų/litrų reikšmės dažų receptūroje, kokybės kontrolės trūkumai, tiekėjo pristatymo laikas, parduotuvių pardavimų duomenys. Dirbtinis intelektas (anglų kalba AI; programinės įrangos sistemos, kurios mokosi iš didelių duomenų šablonų ir sukuria tekstą/vaizdus/skaičius) yra puikus greitintuvas šioje daug duomenų reikalaujančioje grandinėje. Tačiau tas pats dirbtinis intelektas gali lengvai paslėpti klaidas dėl sklandžios ir pasitikinčios kalbos. Šis padalinys nustato du pagrindus, ant kurių bus pastatytas visas modulis: kur tekstilės darbo eigoje dirbtinis intelektas sukuria tikrą vertę ir kaip mes patvirtiname kiekvieną išvestį.
Būkime aiškūs nuo pat pradžių: bet kokia technika, kurią išmokote šiame modulyje, nepakeičia kvalifikuoto tekstilės inžinieriaus ar laboratorijos patvirtinimo, fizinių bandymų ir jūsų profesinio sprendimo. Dirbtinis intelektas yra asistentas; Greitai skaito, greitai rašo, gaudo raštus. Bet jei dažų receptas neveikia ir iššvaistoma tonos audinio, jei kokybiškas sprendimas yra neteisingas ir netinkama partija atitenka klientui, jei trūksta stiprumo skaičiavimo ir gaminys plyšta naudojant, atsakomybė tenka ne programinei įrangai, o sprendimą priėmusiam ir jį pasirašiusiam inžinieriui. Šį sakinį vėl pamatysite skirtingomis formomis kiekviename modulio skyriuje, nes tai vienintelė tiesa saugos ir kontraktinės kritinės inžinerijos srityje.
Kur dirbtinis intelektas sukuria vertę tekstilės darbo eigoje?
Tekstilės inžinieriaus savaitė apytiksliai skirstoma į tris darbo tipus: duomenų paruošimą (gamybos ataskaitų redagavimas, laboratorijos spaudinių sudarymas lentelėmis, nenuoseklių vienetų valymas), interpretavimą ir analizę (parametrų optimizavimas, defektų klasifikavimas, spalvų derinimas, poreikių prognozavimas) ir komunikaciją (techninė ataskaita, tiekėjų susirašinėjimas, kolekcijos pristatymas, nuotaikų lenta). AI paliečia visas tris sritis, tačiau jo indėlis ir rizika kiekvienoje skiriasi.
Duomenų paruošimas yra saugiausia ir pelningiausia dirbtinio intelekto sritis. Laisvo teksto kūrimo pastabų konvertavimas į struktūrizuotas lenteles, skirtingų verpalų skaičiavimo sistemų standartizavimas, tūkstančiuose Uster išvesties eilučių žymėjimas – tai pasikartojančios, taisyklėmis pagrįstos, lengvai patikrinamos užduotys. Net jei čia yra klaida, grįžti prie šaltinio (neapdorotų duomenų) ir jį patikrinti prireiktų minučių.
Aiškinimo ir analizės sritis turi didžiausią vertę ir didžiausią riziką. AI gali sukurti hipotezę apie pagrindinę defekto priežastį iš gamybos duomenų; Tai gali atskleisti ryšį, kurio patyrusi akis gali nepastebėti. Tačiau tas pats modelis gali užtikrintai sukurti neegzistuojantį standartą arba fiktyvią tolerancijos vertę (šis reiškinys vadinamas haliucinacija: modelis sukuria informaciją, kurios iš tikrųjų nėra, tarsi ji būtų tikra). Šioje srityje AI yra hipotezių generatorius, o ne sprendimų priėmėjas.
Ryšių srityje dirbtinis intelektas yra grimzlės greitintuvas. Per kelias minutes parengia techninės ataskaitos metodo skyrių, tiekėjo el. laišką, surinkimo pasakojimą. Rizika yra ta, kad sugalvoti skaičiai ir neteisingi terminai gali nepastebėti tekančio teksto paraše.
Patvirtinimo disciplina: trijų inkarų taisyklė
Šio modulio esmė yra vienas įprotis: niekada neįtraukti jokios AI išvesties į gamybos ar kokybės sprendimą, jo nepatvirtinus. Patvirtinimą pagrindžiame trimis nepriklausomais inkarais.
Pirmasis inkaras – didumo tvarka. Ar rezultatas apytiksliai atitinka tikėtiną diapazoną? Žiedinių medvilninių verpalų stiprumas paprastai yra 12–22 cN/tex (centiniutonas vienam teksui; jėga, kurią verpalai gali atlaikyti pagal tiesinį tankį); Jei modelis davė 85 cN/tex, tai yra didelio našumo pluošto lygis, pavyzdžiui, aramidas ir yra juokinga medvilnei. Marškinėlių audinio gramatūra yra apie 120-220 g/m²; 20 g/m² tiulis, 900 g/m² kilimas. Šis patikrinimas užtrunka sekundes ir nustato daugumą klaidų.
Antrasis inkaras – proceso / fizikos patikimumas. Ar išvestis atitinka proceso fiziką? Modelis yra neteisingas, jei jis teigia, kad stiprumas didėja be apribojimų, kai didėja posūkis; Po tam tikro sukimo koeficiento stiprumas mažėja (dėl per didelio sukimo pluoštai tampa trapūs). Reaktyvių dažų rekomenduojimas naudoti poliesterį, o ne medvilnę, yra chemiškai nesuderinamas. Proceso žinios yra protingumo filtras, per kurį turi praeiti kiekviena interpretacija.
Trečias inkaras – fizinis bandymas / matavimas. Tai yra stipriausias inkaras. Laboratorinis dažymas, spektrofotometras (prietaisas, matuojantis spalvą spektriškai) rodmenys, tempimo-plyšimo testas, fizinis audinio patikrinimas. AI pasiūlytas dažų receptas pirmiausia išbandomas laboratoriniais bandymais. Defektų klasifikaciją patvirtina tikrojo mėginio žmogaus akis. Fizinė realybė visada laimi.
Trys mini dėklai: pagal numerius
1 atvejis – sutaupoma laiko automatizuojant ataskaitas. Kokybės inžinierius rankiniu būdu įvedė 60 rulonų audinio 4 taškų patikrinimo rezultatus į Excel ir rašė suvestinę ataskaitą; Vidutiniškai 12 minučių vienam ritiniui, iš viso apie 12 valandų. Naudodamas AI valdomą lentelių ir apibendrinimo srautą, jis sutrumpino pirmąjį juodraštį iki maždaug 2 valandų, likusį laiką skirdamas vizualiai balų tikslumui patikrinti. Svarbiausia buvo tai, kad sutaupytas laikas buvo skirtas kontrolei.
2 atvejis – užfiksuota haliucinacija. Kai praktikantas paklausė AI apie audinio priežiūros etiketės standartą, tekste buvo tikslus sakinys „40°C riba yra privaloma pagal ISO 3758“; Tačiau standarte tokio reikalavimo nebuvo, modelis buvo išgalvotas. Proceso pagrįstumo filtras ir įprotis žiūrėti į originalų standarto tekstą užfiksavo klaidą prieš spausdinant etiketę.
3 atvejis – įrenginio klaida. Apskaičiuojant svorį, modelis padarė prielaidą, kad mėginys buvo 1 dm², o ne 100 cm² (tas pats plotas, bet 10 kartų daugiau painiavos tarpiniame etape), audinio svoris padaugintas iš 10 kartų ir 180 g/m² audinys buvo nurodytas kaip 1800 g/m². Patikrinimas pagal dydį – „marškinių audinys negali būti brezentas“ – iš karto atskleidė klaidą.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Komentuokite šio audinio gamybos parametrus ir siūlykite patobulinimus.[duomenys]
Galingas raginimas:
Jūsų pareigos: vyresnysis tekstilės gamybos inžinierius. Interpretuokite šiuos gamybos duomenis, remdamiesi TIK pateiktais skaičiais. - Nepridėkite jokių standartų, leistinų nuokrypių ar verčių, kurių nėra duomenyse. - Šalia kiekvieno aiškinimo skliausteliuose nurodykite duomenų eilutę, kuria remiatės. – Kur abejojate, rašykite „duomenų nepakanka“, nespekuliuokite. - Galiausiai: išvardykite 3 prielaidas, kurias reikia patikrinti laboratorijoje / bandyme. Duomenys: [gamybos duomenys]
Stiprus raginimas modeliui primeta tris dalykus: laikytis šaltinio, pripažinti netikrumą ir pažymėti dalykus, kuriuos reikia patikrinti. Taip haliucinacijos visiškai nesibaigia, bet tampa matomos.
Keturi kopijuojami šablonai
1) Anoniminio konteksto nustatymas:
Norėčiau pagalbos atliekant tekstilės inžinerijos užduotį. Kliento pavadinimas, recepto paslaptis, kaina ir tiekėjo informacija yra KONFIDENCIA; Aš juos pateiksiu su reprezentatyviais posakiais, tokiais kaip „Klientas-A“, „Receptas-1“. Quest: [quest]. Tiesiog pasikliaukite techniniais duomenimis, kuriuos jums duodu.
2) Trys prierašo patvirtinimo užklausos:
Tris kartus patikrinkite šiuos rezultatus: 1) Didumo tvarka: ar kiekvienas skaičius patenka į tipišką tekstilės gaminių diapazoną? Jei ne, pažymėkite.2) Proceso patikimumas: ar yra chemiškai/fiziškai nenuoseklus teiginys?3) Bandymų sąrašas: medžiagos, kurias reikia patvirtinti laboratorijoje/gamyboje.Išvestis: [tekstas]
3) Neaiškumo užtikrinimas:
Pateikite savo interpretaciją trimis patikimumo lygiais: - Didelis patikimumas (tiesiogiai pagrįstas duomenimis) - Vidutinis patikimumas (pagrįsta išvada) - Spekuliatyvus (reikalingi papildomi bandymai / duomenys) Užduotis: [užduotis]. Duomenys: [duomenys]
4) Sprendimo / paramos skirtumas:
Padalinkite šią užduotį į dvi dalis: A) Duomenų / juodraščio darbas, kurį dirbtinis intelektas gali atlikti užtikrintai;B) sprendimo taškai, kuriems įgalioto inžinieriaus / laboratorijos patvirtinimas yra PRIVALOMASUžduoties aprašymas: [apibrėžimas]
AI indėlis ir rizika: suvestinė lentelė pagal domeną
verslo sritis
Tipiškas AI indėlis
Rizikos lygis
Privalomas patikrinimas
Duomenų valymas / ataskaitų teikimas
aukštas, saugus
žemas
Palyginimas su šaltinio duomenimis
Parametrų interpretacija
vidutinio aukšto
vidutinis
Uster / laboratoriniai tyrimai, proceso fizika
Defektų aptikimas (vaizdas)
aukštas
vidutinio aukšto
Žmogaus apžiūra, fizinė apžiūra
dažų receptas
vidutinis
aukštas
Laboratorinis dažymas + spektrofotometras
modelis/kolekcija
Aukšta (idėja)
Vidutinė (autorių teisės)
Autentiškumo/pažeidimo tikrinimas
Stiprumo/saugos skaičiavimas
Žemas (tik juodraštis)
labai aukštas
Kompetentingas inžinierius + fizinis patikrinimas
Dažnos klaidos
- Sklandumas klaidinamas su tikslumu. Tai, kad tekstas yra teisingas, nereiškia, kad skaičius yra teisingas.
- Šaltinio priėmimas jo neprašant. – Kokiais duomenimis rėmėtės? Klausimas turi būti pateiktas po kiekvienu komentaru.
- Konfidencialių duomenų siuntimas tokie, kokie yra. Informacija apie klientus, receptus ir kainas neturėtų būti bendrinama be anonimiškumo.
- Remdamiesi vienu inkaru. Vien didybės ar protingumo neužtenka; Fizinis testavimas yra būtinas priimant svarbius sprendimus.
- Klaidingas AI priimant sprendimus. Modelis generuoja hipotezes; Inžinierius prisiima sprendimą ir atsakomybę.
Patarimas: kiekvieną AI seansą pradedant nurodymu „įvesti šaltinį ir pasakyti, jei nesate tikri“ radikaliai padidina visos vėlesnės išvesties patikrinamumą.
Įspėjimas: išvesties rizika yra lygi žalai, kurią ji sukels, jei išvestis bus sugedusi. Nors „moodboard“ idėjos klaida yra nekenksminga, dažų recepto klaida gali sukelti daugybę švaistymo ir sutartinių baudų; atitinkamai padidinkite patvirtinimo intensyvumą.
Apibendrinant
AI yra galingas greitintuvas kiekvienoje daug duomenų reikalaujančioje tekstilės grandinės grandyje, tačiau jo sklandi kalba gali paslėpti klaidas. Ji sukuria vertę saugiausiu būdu rengiant duomenis ir rengiant juodraščius; Aiškinant ir priimant kritinius sprendimus jis yra tik hipotezių generatorius. Trys inkarai – dydžio tvarka, proceso/fizikos patikimumas, fizinis testavimas – yra filtras, per kurį turi praeiti kiekviena išvestis. Sprendimas ir atsakomybė visada lieka inžinieriui.
Taikymo užduotis
Sudarykite savo (arba įsivaizduojamo) tekstilės verslo savaitės įprastų užduočių sąrašą. Pažymėkite kiekvieną užduotį „duomenų rengimas / interpretavimas-analizė / komunikacija“. Tada kiekvienai užduočiai suteikite rizikos lygį (žema/vidutinė/didelė) ir šalia didelės rizikos užrašykite, kokie fiziniai patikrinimai/patvirtinimas yra reikalingi. Paprašykite dirbtinio intelekto taip pat sudaryti šį sąrašą su 4 šablonu šiame skyriuje ("sprendimo / paramos skirtumas") ir palyginti jį su savo skirtumu.
kontrolinis sąrašas
- [ ] Kiekvieną AI seansą pradedu nuo šaltinio ir neapibrėžtumo nurodymų.
- [ ] Perduodu išėjimus per tris inkarus: dydžio eilę, proceso pagrįstumą, fizinį testavimą.
- [ ] Aš anoniminu konfidencialius klientų / receptų / kainos duomenis.
- [ ] Atskiriu užduotis pagal rizikos lygį ir siekiu inžinieriaus patvirtinimo dėl kritinių.
- [ ] Dirbinį intelektą laikau hipotezių ir brėžinių generatoriumi, o ne sprendimų priėmėju.