Od informacji do tworzenia wartości dzięki maszynowemu uczeniu

Od informacji do tworzenia wartości dzięki maszynowemu uczeniu

Uczenie maszynowe (ang. Machine Learning, ML) jest tym elementem szeroko rozumianej Sztucznej Inteligencji, który realnie pokazuje, gdzie technologia może już dziś przynosić duże korzyści i w ogromnym stopniu przyczyniać się do tworzenia wartości…

To zbiór narzędzi pozwalający maszynom na samodzielne zdobywanie wiedzy w oparciu o doświadczenia. Wszystkie dane wymagane przez proces ML muszą być gromadzone, integrowane i analizowane na całej długości łańcucha wartości. Optymalnie powinno się to odbywać na centralnej platformie biznesowej – jak na przykład 3DEXPERIENCE firmy Dassault Systèmes –  która gromadziłaby istotne informacje ze wszystkich części łańcucha wartości i dostarczała odpowiednich narzędzi do ich oceny. W przypadku korzystania z platformy w chmurze eliminuje się również potrzebę czasochłonnych instalacji infrastruktury IT, wymaganych do analizy dużych ilości danych.

Efekty stosowania ML szczególnie wyraźnie widać  w przypadku konserwacji zapobiegawczej, gdzie w oparciu o zasady, których nauczyła się maszyna, jest ona w stanie rozpoznawać potencjalny defekt na podstawie komunikatów o nieprawidłowym działaniu urządzeń, zanim jeszcze usterka faktycznie wystąpi.

Oprócz zagadnień takich jak języki programowania czy algorytmy, do najważniejszych zadań ML zalicza się rozpoznawanie obrazu i mowy. W hali produkcyjnej analiza obrazów pomaga wykryć wadliwe lub nieprawidłowo zabarwione komponenty już na liniach montażowych. Im więcej dostarczymy obrazów, które system nauczy się rozpoznawać jako wadliwe elementy, tym bardziej precyzyjne staną się jego analizy. W marketingu z kolei sterowanie głosowe oferuje nowe możliwości interakcji z klientami.

Technologia ML ma także potencjał wytworzenia całkowicie nowych modeli biznesowych. Na podstawie oceny i wstępnego przetwarzania danych tworzą się tzw. produkty inteligentne, które czerpią swoją „inteligencję” z ogromu doświadczeń zawartych w tychże właśnie danych. Na przykład, dostawcy usług transportowych są w stanie proponować podróżnym plany podróży zoptymalizowane pod kątem preferencji dla określonych tras i środków transportu. Takie modele biznesowe coraz bardziej oddalają się od klasycznego produktu, koncentrując się na dostarczaniu użytkownikom pozytywnych doświadczeń w czasie rzeczywistym, dostosowanych do ich potrzeb.


Autor:

Ireneusz Borowski, Country Manager Poland, Dassault Systemes

Last Updated on 19 lutego, 2021 by Karolina Ampulska

Udostępnij
KATEGORIA
Udostępnij artykuł