航空航天中的人工智能-当前的应用和创新

枪阿巴迪奥
头像

米莉森特是Emerj的作家和研究员,拥有传统新闻和学术研究的职业背景。

AI在航空航天 - 当前的应用和创新

根据埃森哲咨询公司,大约66%的A&D高管调查表明他们正在考虑2019年的AI投资,特别是在安全,生产和研发方面。80%认为基于AI的决定将对2021年对劳动力产生直接影响。

似乎大多数面向航空航天行业的人工智能初创公司都是为了从能源重工业部门或作为军事实体的委员会。最先进的人工智能软件似乎可以处理这个问题预防性维护以及运营效率,而最不发达国家似乎是机器视觉威胁检测软件

尽管配备人工智能的自动驾驶汽车可能很快就会为软件开发者提供更多数据,但自动驾驶汽车技术距离搭载人类乘客的自动驾驶飞机还有很长的路要走。我们认为,到2021年,航空航天行业不太可能全面采用基于人工智能的软件。

也就是说,有几家公司声称为航空航天公司提供人工智能解决方案。我们发现,这些解决方案旨在帮助航空航天公司至少实现以下一项:

  • 预防性维护和运营效率
  • 威胁检测

航天领域的商业和政府领导人应该知道的

摄取雇用许多具有博士学位和硕士学位的数据科学家,以及各种各样的艰难科学。该公司是数据科学主任和分析在核工程和工程物理中持有博士学位。他在智能信号智能信号的10年核工程师担任核工程师,其中4名是主要技术学家和副总裁;作为首席科学家,GE智能平台的工业数据智能3年。换句话说,吸收是非常高的可能性是提供真正的机器学习。

特别是,该公司提供用于资产管理和维护的机器学习软件。吸收主要集中在能源和重型设备行业,但它是最近滚动罗伊斯敲击优化其特伦特飞机发动机。此外,他们还与伯克希尔哈撒韦能源公司(Berkshire Hathaway Energy)合作,为他们的涡轮机开发了一款预测性维护软件。

Sparkcognition为航空航天公司提供类似于Uptake的预测性维修软件。上面说三菱是过去的客户,现在与波音公司成立了一个部门。该公司的首席技术官在IBM工作了17年,在那里他是IBM沃森平台和合作伙伴的首席技术官。他还在花旗工作了一年,担任执行架构师。同样,该公司聘用了许多在硬科学、数学和计算机科学领域拥有丰富学术经验的数据科学家。

Neurala的首席执行官和首席技术官都拥有认知和神经系统的博士学位。拥有c级高管的公司在能够很好地转化为人工智能的领域拥有高级学位,通常是最有能力获得人工智能人才和提供机器学习软件的公司。金博宝官网对于希望利用人工智能的公司来说,这是个好兆头,因为掌门人要么已经熟悉人工智能,要么有能力相对快速地跟上。我们在文章中讨论了这一点和另外两条关于审查人工智能公司对人工智能的主张的经验法则通过人工智能的炒作。Neurala为自主导航提供机器视觉软件。

轨道伙伴公司似乎正在开发一种人工智能模型,通过光谱数据来检测图像中的异常情况。此外,该公司还通过SpaceX的CRS-15任务向国际空间站发送了一个有效载荷,以收集数据。轨道的伙伴。尽管该公司确实为数据科学顾问的服务付费,但其8人团队的成员似乎没有数据科学和/或人工智能方面的学术经验。金博宝官网

类似地,Slingshot Aerospace似乎正在开发用于管理航空航天行业风险和威胁的机器学习,尽管他们的20人团队似乎缺乏数据科学和人工智能人才。Slingshot和Orbital Sidekick的风险投资都不到500万美元,但它们都成立于2016年。他们似乎还处于起步阶段。他们可能需要更多的数据科学人才,才能开发出出售的机器学习软件。

吸收

预防性维护和运营效率

吸收提供资产性能管理(APM),该公司声称可以帮助航空航天和国防工业维护其资产,并通过预测分析提高运营效率。

Uptake声称航空公司和政府机构可以将该软件集成到现有的软件中传感器数据系统

我们可以推断客户公司的维护专家需要确定在涡轮机上安装传感器的位置。然后,这些传感器将从涡轮机的那些部分收集遥测数据,例如温度,压力和转速。然后将该数据用作适当运行的涡轮机的基线。

软件背后的机器学习模型需要在数百万这些遥测数据点和数据上进行培训,以及当时涡轮机所需的某些部件的数据,需要多长时间,并且可能需要多长时间的替换部件到达现场。然后,这些数据将通过该软件的机器学习算法运行。这将培训算法辨别所有这些数据点与正确运行的涡轮机部件相关的,涡轮机过去需要维护的时间,以及其哪些部件需要维修。

然后,该软件将能够预测他们的涡轮机的某些部分何时出现应在故障前进行维护,并识别哪些数据点与资产健康状况相关,如可用性、利用率、燃油效率和每天的发动机小时数。

Uptake声称他们的软件是从超过100个客户中挑选的数据进行培训的11亿小时的运营数据,使他们能够在不到2分钟的时间内生产训练有素的数据科学模型。

以下是一个3分钟的短片,展示了Uptake的APM软件如何通过伯克希尔哈撒韦能源公司的案例研究,帮助客户预防和预测维护问题。

吸收声称有帮助伯克希尔哈撒韦能源公司(Berkshire Hathaway Energy)或BHE(前中美能源控股公司)通过预测涡轮机故障和利用传感器数据提高效率来节省资金。BHE将Uptake的软件集成到其无畏风力发电场系统中。根据案例研究,该软件在初始化时立即识别出几个问题,并表明其中一个主要轴承有问题。BHE维护经理马克Jeratowski声称,在实施摄取软件后,他们能够从中洞中节省250,000美元。吸收还将毛虫和美国陆军列为他们过去的一些客户。

吉姆赫曲是数据科学和分析的主任。他掌握了威斯康星大学 - 麦迪逊大学的核工程和工程物理博士学位。此前,赫尔佐格曾担任GE智能平台的工业智能酋长科学家

闪耀

闪耀提供SparkPredict,它声称可以帮助任何尺寸的企业避免使用预测分析的计划外停机和故障。

SparkCognition声明该软件可扩展到具有物理资产的任何尺寸的航空航天和国防企业,并可将软件集成到现有的数据集合传感器系统中。

我们可以推断客户公司的航空航天和国防数据专家需要确定在诸如航空车辆,地面安装或卫星等物理资产上安装传感器的位置。然后,这些传感器将从资产的那些部分收集遥测数据,例如燃料使用,速度,温度和压力。然后,该数据将被用作适当运行的资产的基线。

该软件背后的机器学习模型需要接受数以百万计的遥测数据点的训练,以及资产的某些部件何时需要维护、维护这些部件需要多长时间,以及更换部件需要多长时间到达现场等数据。然后,这些数据将通过该软件的机器学习算法运行。这将训练算法识别所有这些数据点中哪些与正常运行的资产部件相关,资产在过去需要维护的时间,以及它的哪些部件需要维修。

然后,该软件将能够预测资产的某些部分何时应进行维护,然后才会出现故障。

以下是一个简短的1.5分钟的视频,展示了SparkPredict如何工作。

SparkCognition要求帮助未命名的水电实用程序客户端预测罕见的失败,防止未来的未来取得的中断,以前的一个售价客户150万美元。问题是关于这些罕见和昂贵的失败的原因非常少的数据,因此客户的现有统计数据库未能预测它们。

水电实用程序将SparkCognition的软件集成到现有系统中,具有来自一个涡轮机的价值两年的传感器数据,看看它是否能够更好地执行。根据这一点案例研究在将SparkPredict集成到系统中六周后,水电公司提前一个月收到了涡轮机潜在问题的警告。SparkCognition声称,水电公司目前正在考虑将SparkPredict集成到其他四台涡轮机中。

FlassCognition还列出了潜在的和三菱日立电力系统作为他们过去的一些客户。

bloom Sudarsan是CTO在喷雾中。他拥有来自国家理工学院Tiruchirappalli的计算机科学和技术的BS。此前,Sudarsan担任IBM Watson平台和伙伴关系的CTO。

威胁检测

弹弓航空

弹弓航空提供弹弓数据平台,它声称可以帮助航空航天公司使用机器视觉,地理空间信号处理,分析和机器学习来识别,分类和管理风险和威胁。

弹弓航空公司声称民用、商用和军用客户可以将该软件集成到现有的数据处理系统中。

弹弓航空航天公司声称,该软件背后的机器学习模型是在不同角度和不同照明条件下,用来自飞行器、卫星和其他来源的图像和视频数据进行训练的。这些图像和录像会被标注为正常或异常。这些标注过的图像和视频将通过该软件的机器学习算法运行。这将训练算法识别1和0的序列和模式,在人眼看来,这些序列和模式构成以不同格式显示的威胁或异常的图像或视频,这取决于客户的需求。

该公司声称,在对该模型进行培训后,客户可以使用该软件实现空间态势感知、优化处理算法、加速决策、降低风险和可操作数据。

弹弓航空公司声称该软件仍在开发中。目前还没有演示视频、案例研究或客户名单。下面是Slingshot数据平台的示例。

Slingshot Aerospace的界面中的“物业报告”

路加福音Wendling是Slingshot Aeropace的软件工程主管。他拥有来自德克萨斯州A&M大学的信息系统。此前,Wendling于Sotera Defense Solutions,Inc。作为高级软件工程师,该工业公司是由KeyW公司收购的。

neurala.

neurala.为机器人软件开发工具包(SDK)提供大脑,它声称可以帮助A&D公司使用导航,识别对象的设备,避免使用机器视觉和深神经网络自主障碍物。

Neurala声称,用户可以将SDK集成到任何开箱即用的产品中,而无需连接到服务器或互联网。

Neurala声称软件背后的机器学习模型训练了脑制造商的β用户提供的数据,以及从各种角度和各种照明条件下显示不同图像的设备数据。然后将通过软件的终身深度神经网络(L-DNN)技术进行这些图像。这将训练该算法来辨别1和0的序列和图案,即对人眼形成相关对象的图像或视频。

下面是一个3分钟的短片,演示了智能大脑SDK的工作原理。

Neurala声称有所帮助摩托罗拉解决方案帮助执法增加寻找物品和失踪人员的效率。摩托罗拉集成了Neurala的软件进入其Si500机身相机,使“在边缘的第一轮分析以确保仅发送到云或服务器的潜在匹配以进行进一步分析。”根据案例研究,摩托罗拉解决方案的首席技术官,保罗·斯坦伯格,表示认为,“Neurala的边缘学习对于各种应用是至关重要的,例如在人群中寻找失去的孩子。”

Neurala还将暴露无人机和美国空军列为他们过去的一些客户。

希瑟ames VersaceAnatoly Gorshechnikov分别是Neurala的联合创始人、首席运营官和首席技术官。两人都拥有波士顿大学的认知和神经系统博士学位。此前,Versace担任CompNet的副董事,Gorshechnikov担任波士顿大学的研究助理教授。

轨道侧面

轨道侧面提供光谱情报,该公司声称可以帮助国防公司检测和识别潜在的威胁,通过发现异常图像使用机器视觉和高光谱数据。

Orbital Sidekick声称,用户可以将该软件集成到现有的数据库基础设施中。报告称,该软件背后的机器学习模型是通过无人机、卫星和其他传感器系统每天监测的目标图像的光谱特征(颜色)进行训练的。这些图像将根据历史数据集被标记为正常或异常。这些被标记的信息将通过软件的机器学习算法运行。这将训练算法识别1和0的序列和模式,在人眼看来,它们构成了正常或异常物体的图像,并跟踪这些物体的任何变化。

该软件背后的算法会对新数据进行索引和分类,然后将其发送到用户的数据库。然后,系统会向人类雇员发出有关区域内潜在威胁的警报。

轨道Sidekick声称光谱智能仍在开发中。国家航空航天局(NASA)挖掘了轨道侧面的人发展Nanoracks-Iss-Hyperspectral Imaging系统试验(ISS-HESIST)在国际空间站使用。该系统使用Hyperspectral Imaging AI,在公司软件后面的相同技术。但是,NASA实验的结果正在待处理。

丹尼尔·卡茨是Orbital Sidekick的首席执行官兼联合创始人。他拥有普渡大学航空航天和航天工程硕士学位。此前,Katz曾担任Space Systems Loral(现SSL)的高级推进工程师。

图片来源:一年中的日子

保持在AI曲线的前面

发现在业务未来将赢家分开获奖者的关键AI趋势和应用程序。

注册“AI Advantage”时事通讯:

" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Thanks - check your inbox for a confirmation email">
" data-trigger="manual" data-title="Notice" data-placement="bottom" data-content="Error - There was some problem.">
订阅
subscribe-image
保持领先于机器学习曲线

加入2万多名专注于人工智能的商业领袖,接受我们每周发布的最新人工智能研究和趋势。

感谢您订阅EMERJ“AI Advantage”时事通讯,请检查您的电子邮件收件箱进行确认。