الانتقال إلى المحتوى الرئيسي

قدرة تقنية

هندسة أنظمة الذكاء الاصطناعي

أنظمة رؤية حاسوبية ومعالجة للغة الطبيعية وتعلّم عميق وأنظمة متعددة الوسائط وتنبؤية، مصمّمة للعمل في بيئات حقيقية لا للعروض التوضيحية. نتعامل مع البيانات والنماذج والاستدلال والمراقبة بوصفها نظامًا واحدًا، فيبقى ما نجح في التقييم ناجحًا في التشغيل.

نصمّم أنظمة ذكاء اصطناعي متكاملة، يُهندَس فيها كل مكوّن، من البيانات إلى النموذج والاستدلال والمراقبة، ليعمل الجميع ككيان إنتاجي واحد.

01البنية المعمارية

البنية المعمارية المرجعية

ترتيب نموذجي للمكوّنات. نكيّف كل تنفيذ مع أنظمتكم ومتطلبات مكان حفظ البيانات والأمن لديكم.

مصادر البيانات

  • الكاميرات والمستشعراتGigE · MQTT
  • المستندات والنصوص
  • الأنظمة التشغيليةERP · MES
مجموعات بيانات بإصدارات موثّقة

تطوير النماذج

  • مسارات الخصائص والتوسيمPython
  • التدريب والتقييمPyTorch · MLflow
نماذج مسجّلة

الاستدلال

  • تشغيل النماذجTriton · ONNX Runtime
  • واجهات التطبيقاتFastAPI
تنبؤات وأحداث

العمليات

  • المراقبة ورصد الانحرافMLflow
  • أدوات التخطيط والجودة
المكوّنات مرتّبة في طبقات من الأعلى إلى الأسفل، مع ما ينتقل بينها. التقنيات المذكورة أمثلة تُختار لكل مشروع.

02المكوّنات

ما تشمله هذه القدرة

  1. 01

    الرؤية الحاسوبية

    رصد الأجسام وتجزئة الصور والتعرّف الضوئي على النصوص (OCR) وأنظمة الفحص البصري للمصانع والمستودعات والبيئات الميدانية.

  2. 02

    معالجة اللغة الطبيعية

    استخلاص المعلومات والتصنيف والبحث الدلالي ومسارات معالجة لغوية متعددة اللغات لبيانات المؤسسات، بما فيها العربية.

  3. 03

    النمذجة التنبؤية

    التنبؤ ورصد الحالات الشاذة وأنظمة دعم القرار، مدرّبة على بياناتكم التشغيلية ومُتحقَّق منها مقابل الوقائع الفعلية.

  4. 04

    الأنظمة متعددة الوسائط

    مسارات تجمع الصورة واللغة وإشارات المستشعرات لاستنتاجات أدق في المراحل اللاحقة.

03التنفيذ

كيف ننفّذها

نبدأ بمجموعة تقييم مبنية من بياناتكم وتعريف مكتوب للأداء المقبول، ثم نختار عائلات النماذج المناسبة. وتُدار المسارات بإصدارات موثّقة من البداية إلى النهاية، فيمكن تتبّع كل تنبؤ إلى البيانات والنموذج اللذين أنتجاه.

  • النماذج البسيطة أولًا: تضع خط الأساس قبل أن يُبرَّر اللجوء إلى نماذج أعقد.
  • يُغلَّف الاستدلال كخدمة مع فحوص سلامة وسجلات ومسار للتراجع.
  • تُطلق مراقبة انحراف البيانات وجودة التنبؤ مع الإصدار الأول، لا في مرحلة لاحقة.

04المخرجات

ما الذي تستلمونه

  • مجموعة تقييم ومعايير قبول

  • نماذج مدرّبة مع بطاقات توثيق

  • خدمة استدلال وتكامل مع أنظمتكم

  • خطة للمراقبة وإعادة التدريب

التقنيات

تقنيات نعمل بها

  • PyTorch
  • TensorFlow
  • ONNX Runtime
  • OpenCV
  • FastAPI
  • Triton
  • MLflow
  • Docker

تُختار لكل مشروع بما يتوافق مع معاييركم الحالية. وهي تقنيات نستخدمها، لا شراكات ولا اعتمادات.

05حالات الاستخدام

تطبيقات نموذجية

أنماط صُمّمت هذه القدرة لخدمتها، وليست قائمة بمشاريع منفّذة.

  1. 01

    الفحص البصري للجودة

    رصد العيوب على خطوط الإنتاج بحدود تسامح قابلة للضبط، بما يتناسب مع سرعة الخط ومعايير الفحص.

    يعتمد الأداء على بياناتكم وأجهزتكم وسياق العمل، ويُتحقَّق منه أثناء المشروع.

  2. 02

    ذكاء المستندات

    استخلاص حقول منظّمة من العقود والفواتير والشهادات، والتحقق منها قبل وصول البيانات إلى الأنظمة اللاحقة.

  3. 03

    التنبؤ التشغيلي

    توقّع الطلب والإنتاجية وفترات التوقف، مع ربطها بأدوات التخطيط القائمة.

06الأدلة

أعمال ذات صلة

مشاريع وبرامج كان لهذه القدرة دور فيها، موصوفة بالدور الذي أدّته NLAI فعلًا.

  • بحث تعاوني

    Vision for Robotfusion

    تشارك NLAI في مشروع Vision for Robotfusion، وهو مشروع تعاوني ضمن مجتمع الذكاء الاصطناعي في برابانت، يضم من شركائه Brabant.ai و Brainport Development و Breda Robotics.

    قراءة المزيد

07ذات صلة

المزيد في الأنظمة الذكية والأتمتة

الخطوة التالية

حدّدوا نطاق هندسة أنظمة الذكاء الاصطناعي لمؤسستكم

شاركونا العملية والبيانات والقيود، وسنقترح منهجية العمل، والأدلة التي نجمعها أولًا، وخطة واقعية للتنفيذ.