Применение технологий искусственного интеллекта для анализа полимерных композиционных материалов в условиях производства

Настоящая статья посвящена вопросам разработки и исследования современной информационной системы, ориентированной на эффективное распознавание и комплексный анализ частиц композиционных материалов. Основой предлагаемого решения являются передовые технологии искусственного интеллекта (ИИ), включающие применение глубоких сверточных нейронных сетей для высокоточной классификации изображений частиц. Интеграция системы осуществляется посредством технологий Интернета вещей, обеспечивающих взаимодействие с современным измерительным оборудованием, используемым в промышленных процессах. Одним из ключевых компонентов разработанной системы выступает модуль экспертной оценки, базирующийся на механизмах нечеткого логического вывода. Этот компонент предназначен для повышения точности анализа в ситуациях неопределенности и недостатка полноты исходных данных. Важную роль играет также созданная база знаний, содержащая продукционные правила и специальные функции принадлежности, которые позволяют адекватно обрабатывать описания свойств материалов на уровне лингвистических переменных. Реализация предложенного подхода осуществлена на платформе Python, широко применяемой в области разработки программного обеспечения и обладающей богатыми возможностями благодаря библиотекам для машинного обучения и веб-программирования. Пользовательский интерфейс представлен в виде удобного веб-портала, позволяющего загружать изображения исследуемых образцов, настраивать параметры процесса анализа и получать итоговую информацию в удобной форме, включая графики, таблицы и наглядные визуализации. Практическое внедрение представленной информационной системы существенно сокращает временные затраты на проведение анализа композитных материалов, повышает качество распознавания микроструктурных особенностей и увеличивает общую производительность процессов, характерных для Индустрии 4.0. Особенное значение имеет ее вклад в развитие технологий аддитивного производства, позволяя значительно улучшать контроль качества выпускаемых изделий, снижать издержки и повышать эффективность производственных операций. Поэтому данная разработка становится важнейшим элементом интеллектуальной инфраструктуры современного промышленного предприятия, способствующим повышению экономических показателей и конкурентоспособности продукции. Таким образом, исследование демонстрирует перспективность подходов, основанных на синтезе методов ИИ и новых информационных технологий, открывая новые горизонты для автоматизации и оптимизации технологических процессов в промышленности.