Deep LearningDiese Technologie umfasst alle Lerntechniken (maschinelles Lernen) und insbesondere das Deep Learning. Deep Learning basiert auf der Technologie der künstlichen Neuronen, die Ende der 1950er Jahre entwickelt wurde, sowie auf der enormen Rechenleistung, die uns heute zur Verfügung steht, um Computer mit einem „virtuellen Gehirn“ aus Tausenden oder sogar Millionen lernfähiger Neuronen auszustatten. Künstliche Intelligenz ist bei der Schwingungsanalyse nicht nur für Laien, sondern auch für Experten nützlich. Erstens hilft sie, die Analyse von Signalen gesunder Maschinen oder solcher, deren Defekte offensichtlich sind, zu vermeiden. Experten können so eine größere Gruppe von Maschinen überwachen und mehr Zeit für komplexere Fälle aufwenden, um das Fehlerrisiko bei der Analyse zu begrenzen. Zweitens liefert es eine zuverlässige und leicht verständliche Diagnose, die es Nichtfachleuten ermöglicht, eigenständig Entscheidungen zu treffen, und auch hier sparen Experten Zeit, da sie nicht ständig um Hilfe gebeten werden.Aber wie bringt man einem Computer bei, eine zuverlässige Schwingungsdiagnose zu formulieren? Darin liegt der Sinn eines entsprechenden Moduls für künstliche Intelligenz. Die Antwort ist einfach: Man braucht gute Lehrer.
Bei Acoem sind die Lehrer unsere eigenen Experten, die die Daten auswählen, die als Grundlage für die Reflexion in AccurexTM dienen (Inputdaten). Indem wir unser ganzes Fachwissen in diesen Prozess des überwachten Lernens einbringen, bei dem die Maschine mit Hilfe der menschlichen Diagnose als Referenz die repräsentativen Daten des zu identifizierenden Problems durcharbeitet, verbessern wir das mathematische Modell, die Algorithmen und die Lernstrategie von AccurexTM auf effiziente Weise. Alles, was noch zu tun bleibt, ist, ihm eine Intuition zu vermitteln, die einen erfahrenen Experten dazu bringt, aus einem Symptompaar eine exakte Diagnose zu formulieren, ohne dass ein unbestreitbarer Beweis vorliegt. Das ist es, was wir jetzt zu erreichen versuchen, aber wir haben nicht vor, dabei stehen zu bleiben. Wir arbeiten bereits an einem unüberwachten Lernprozess, bei dem das Schwingungsanalysewerkzeug lernt, die Daten selbst zu erforschen und zu verstehen, bevor es sie in Teilmengen ähnlicher Elemente gruppiert. Durch unüberwachtes Lernen könnte das Tool so weit gehen, eine Verhaltensänderung in einer Maschine zu signalisieren und uns zu erklären, woher diese Änderung kommt. Es könnte sogar das Fachwissen unserer Experten verbessern, indem es ihnen ermöglicht, Beweise in Daten zu entdecken, die für das bloße Auge noch unsichtbar sind… Mit künstlicher Intelligenz treten wir in einen wahren Kreislauf der Schwingungsanalyse ein, der der Menschheit zugute kommen wird. Und das Abenteuer hat gerade erst begonnen!
