1. 기계 지능을 활용한 오류 감지 및 예측. 모든 시스템은 문제가 발생하여 심각한 결과를 초래하기 전에 잠재적인 문제를 감지하거나 예측해야 합니다. 현재로서는 이상 상태에 대한 정확하게 정의된 모델이 없으며, 이상 감지 기술 또한 아직 부족합니다. 센서 정보와 지식을 결합하여 기계의 지능을 향상시키는 것이 시급합니다.
2. 정상적인 조건에서는 대상의 물리적 매개변수를 높은 정밀도와 민감도로 감지할 수 있습니다. 그러나 비정상 상태 및 오작동 감지에는 큰 진전이 없습니다. 따라서 결함 감지 및 예측 기술이 절실히 필요하며, 이를 적극적으로 개발하고 적용해야 합니다.
3. 현재의 센싱 기술은 단일 지점에서 물리적 또는 화학적 양을 정확하게 감지할 수 있지만, 다차원 상태를 감지하는 것은 어렵습니다. 예를 들어, 특성 변수가 광범위하게 분포하고 시공간적 상관관계를 갖는 환경 측정 또한 시급히 해결해야 할 난제입니다. 따라서 다차원 상태 센싱 연구 개발을 강화할 필요가 있습니다.
4. 목표 성분 분석을 위한 원격 탐사. 화학 성분 분석은 대부분 시료 물질을 기반으로 하기 때문에, 때로는 목표 물질의 샘플링이 어려울 수 있습니다. 성층권 오존 농도 측정과 마찬가지로 원격 탐사는 필수적이며, 분광법과 레이더 또는 레이저 탐지 기술을 결합하는 것이 한 가지 가능한 접근 방식입니다. 시료 성분 없이 분석하는 경우, 감지 시스템과 목표 성분 사이의 다양한 노이즈나 매질의 간섭에 취약하며, 감지 시스템의 기계 지능이 이러한 문제를 해결할 것으로 기대됩니다.
5. 효율적인 자원 재활용을 위한 센서 지능. 현대 제조 시스템은 원자재부터 제품까지의 생산 공정을 자동화했으며, 제품이 더 이상 사용되지 않거나 폐기되지 않는 순환 과정은 효율적이지도, 자동화되지도 않습니다. 재생 자원의 재활용이 효과적이고 자동화될 수 있다면 환경 오염과 에너지 부족을 효과적으로 방지하고 수명 주기 자원 관리를 실현할 수 있습니다. 자동화되고 효과적인 순환 공정을 위해서는 기계 지능을 활용하여 대상 부품 또는 특정 부품을 구분하는 것이 지능형 감지 시스템에 매우 중요한 과제입니다.
게시 시간: 2022년 3월 23일