چگونه Nordic Aviation Capital از Amazon Rekognition برای ساده کردن عملیات و صرفه جویی سالانه 200,000 یورو استفاده می کند.

Nordic Aviation Capital (NAC) اجاره‌دهنده هواپیماهای منطقه‌ای پیشرو در این صنعت است که تقریباً به 70 شرکت هواپیمایی در تقریباً 45 کشور در سراسر جهان خدمات ارائه می‌دهد.

در سال 2021، NAC برای کمک به استفاده از هوش مصنوعی (AI) برای بهبود بیشتر عملیات لیزینگ و کاهش اتکای خود به کار دستی، به AWS روی آورد.

با برچسب های سفارشی شناسایی آمازونNAC یک راه حل هوش مصنوعی ساخت که می تواند به طور خودکار سوابق تعمیر و نگهداری هواپیما را اسکن کند و اسناد خاصی را که نیاز به بررسی بیشتر دارند، بر اساس طرح های بصری آنها شناسایی کند. این امر باعث کاهش اتکای آنها به پیمانکاران خارجی برای انجام این کار شد و سرعت را بهبود بخشید و سالانه 200,000 یورو در هزینه ها صرفه جویی کرد.

در این پست نحوه استفاده NAC را به اشتراک می گذاریم شناسایی آمازون تا عملیات خود را ساده کنند.

«برچسب‌های سفارشی شناسایی آمازون در بهبود بررسی‌های تعمیر و نگهداری هواپیما به ما قدرت‌های فوق‌العاده‌ای داده است. ما از فرصت هایی که این برای تیم ما باز می کند و ارزشی که می تواند به ما کمک کند برای مشتریان خود ایجاد کنیم، تحت تأثیر قرار گرفته و هیجان زده شده ایم."

-Mads Krog-Jensen، معاون ارشد IT، NAC

خودکار کردن فرآیند بررسی اسناد با هوش مصنوعی

یکی از بخش‌های کلیدی فرآیند لیزینگ NAC، اعتبارسنجی تاریخچه تعمیر و نگهداری هر یک از هواپیماهای اجاره‌ای آن برای تعیین ایمنی و عملکرد اجزای آن است.

این فرآیند به تکنسین‌های تعمیر و نگهداری NAC نیاز دارد تا انواع فرم‌های کلیدی را با مجموعه‌ای از اسناد حاوی تاریخچه تعمیر و نگهداری هر یک از قطعات کلیدی هواپیما که به نام بسته نگهداری.

این بسته‌های تعمیر و نگهداری گسترده و بدون ساختار هستند و اغلب به 10,000 صفحه می‌رسند و حاوی انواع و قالب‌های اسنادی هستند که می‌توانند بر اساس سن و تاریخچه تعمیر و نگهداری هواپیما بسیار متفاوت باشند.

وظیفه یافتن این فرم‌های خاص طولانی و ساده بود، معمولاً توسط پیمانکاران خارجی انجام می‌شد، که می‌توانستند یک هفته طول بکشد تا هر بسته تعمیر و نگهداری را بررسی کنند و هر گونه فرم ضروری را که نیاز به بررسی بیشتر داشته باشد شناسایی کنند. این یک گلوگاه فرآیند کلیدی ایجاد کرد که هزینه و زمان اضافی را به فرآیند وام دهی NAC اضافه کرد.

برای ساده‌سازی این فرآیند، NAC شروع به توسعه یک گردش کار بررسی اسناد مبتنی بر هوش مصنوعی کرد که می‌تواند این فرآیند دستی را با اسکن کل بسته‌های تعمیر و نگهداری خودکار کند تا فقط اسنادی را که نیاز به بررسی بیشتر توسط متخصصان NAC دارند، دقیقاً شناسایی و برگرداند.

ساخت یک راه حل بینایی کامپیوتری سفارشی با آمازون Rekognition

برای حل این مشکل، مدیر مهندسی نرم‌افزار NAC، مارتین هاست نورمارک، به Rekognition Custom Labels، یک سرویس بینایی کامپیوتری کاملاً مدیریت‌شده که به توسعه‌دهندگان کمک می‌کند به سرعت و به راحتی مدل‌های بینایی رایانه‌ای سفارشی را متناسب با هر موردی آموزش و استقرار دهند، روی آورد.

Rekognition Custom Labels توسعه مدل‌های بینایی کامپیوتری سفارشی را با تکیه بر قابلیت‌های آمازون Rekognition و ساده‌سازی مراحل کلیدی فرآیند توسعه بینایی رایانه، مانند برچسب‌گذاری تصویر، بازرسی داده‌ها، و انتخاب و استقرار الگوریتم، سرعت می‌بخشد. Rekognition Custom Labels به شما امکان می دهد مدل های دید کامپیوتری سفارشی برای طبقه بندی تصاویر و وظایف تشخیص اشیا بسازید. می‌توانید از طریق کنسول Rekognotion Custom Labels یا استفاده از آن، در فرآیند برچسب‌گذاری تصویر پیمایش کنید Amazon SageMaker Ground Truth اجازه دادن به برچسب گذاری تصویر در مقیاس. Rekognition Custom Labels به طور خودکار داده ها را بررسی می کند، چارچوب و الگوریتم مدل مناسب را انتخاب می کند، ابرپارامترها را بهینه می کند و مدل را آموزش می دهد. هنگامی که از دقت مدل راضی هستید، می توانید مدل آموزش دیده را تنها با یک کلیک میزبانی کنید.

NAC آمازون Rekognition را انتخاب کرد زیرا به طور قابل توجهی تمرینات سنگین و تمایز نیافته را کاهش داد و یک مدل دید کامپیوتری سفارشی را به کار برد. به عنوان مثال، به جای نیاز به هزاران تصویر آموزشی برچسب‌گذاری شده برای شروع، همانطور که در مورد اکثر مدل‌های بینایی کامپیوتری سفارشی وجود دارد، NAC توانست تنها با چند صد نمونه از انواع اسنادی که برای شناسایی نیاز داشت، شروع به کار کند. این تصاویر، همراه با تعداد مساوی از نمونه های منفی که به طور تصادفی انتخاب شده بودند، سپس در یک بارگذاری شدند سرویس ذخیره سازی ساده آمازون سطل (Amazon S3) جهت استفاده برای آموزش مدل. این همچنین NAC را قادر می‌سازد تا از سرویس برچسب‌گذاری خودکار Rekognition Custom Label استفاده کند، که می‌تواند برچسب‌های دو نوع سند را تنها بر اساس نام پوشه S3 آنها استنتاج کند.

از آنجا، NAC توانست تنها با چند کلیک آموزش مدل خود را آغاز کند، در این مرحله Rekognition Custom Labels بارگیری و بازرسی داده های آموزشی، انتخاب الگوریتم یادگیری ماشین صحیح، آموزش و آزمایش مدل، و گزارش عملکرد آن را انجام داد. معیارهای.

برای اینکه راه حل ارزش واقعی کسب و کار را ارائه دهد، NAC حداقل خط پایه عملکرد 75 درصدی را برای مدل بینایی کامپیوتر خود شناسایی کرد، به این معنی که راه حل باید حداقل 75 درصد از تمام اسناد مربوطه را در هر بسته نگهداری معین ثبت کند. تضمین استفاده در تولید

NAC با استفاده از برچسب‌های سفارشی شناسایی و آموزش تنها بر روی آن تصاویر اولیه، توانست مدل اولیه‌ای را در هفته اول توسعه خود تولید کند که فراخوانی 98 درصدی را به همراه داشت که 23 درصد از سطح پایه عملکرد خود پیشی گرفت.

سپس NAC یک هفته دیگر را صرف بازرسی انواع صفحاتی که باعث خطاهای طبقه‌بندی می‌شوند، کرد و نمونه‌های دیگری از آن نمونه‌های چالش برانگیز را به سطل S3 خود اضافه کرد تا مدل خود را دوباره آموزش دهد. این مرحله عملکرد را بیش از 99% فراخوان بیشتر بهینه کرد و بسیار فراتر از الزامات عملکرد تولید آن بود.

بهبود کارایی عملیاتی و افزایش نوآوری با AWS

NAC با برچسب‌های سفارشی Rekognition تنها در دو هفته توانست یک راه‌حل دید کامپیوتری سفارشی آماده تولید بسازد که می‌توانست اسناد مربوطه را با دقت بالاتر از ۹۹ درصد به دقت شناسایی و بازگرداند و فرآیندی را که قبلاً طول می‌کشید به چند دقیقه کاهش دهد. بازبین های دستی حدود یک هفته برای تکمیل.

این موفقیت NAC را قادر می سازد تا این راه حل را به سمت تولید منتقل کند، گلوگاه های کلیدی فرآیند را در فرآیندهای بررسی تعمیر و نگهداری هواپیما حذف کند تا کارایی را بهبود بخشد، اتکا به پیمانکاران خارجی را کاهش دهد و به ارائه تاریخچه 30 ساله خود در نوآوری های فنی و تجاری در منطقه ادامه دهد. صنعت هواپیماسازی

نتیجه

برچسب‌های سفارشی شناسایی می‌توانند با ساده‌سازی مراحل کلیدی مانند برچسب‌گذاری تصویر، بازرسی داده‌ها، و انتخاب و استقرار الگوریتم، به شما کمک کنند تا مدل‌های بینایی کامپیوتری سفارشی را به راحتی توسعه دهید.

با مراجعه به سایت، در مورد اینکه چگونه می توانید مدل های بینایی کامپیوتری سفارشی را متناسب با مورد خاص خود بسازید، بیشتر بیاموزید شروع کار با برچسب های سفارشی شناسایی آمازون یا بررسی راهنمای برچسب‌های سفارشی شناسایی آمازون.

---

درباره نویسنده

دنیل برک پیشرو اروپا برای هوش مصنوعی و ML در گروه سهام خصوصی در AWS است. دانیل مستقیماً با صندوق‌های سهام خصوصی و شرکت‌های پرتفولیوی آنها کار می‌کند و به آنها کمک می‌کند تا پذیرش هوش مصنوعی و ML خود را تسریع بخشند و نوآوری را بهبود بخشند و ارزش شرکت را افزایش دهند.

• Coinsmart. بهترین صرافی بیت کوین و کریپتو اروپا.
• پلاتوبلاک چین. Web3 Metaverse Intelligence. دانش تقویت شده دسترسی رایگان.
• CryptoHawk. رادار آلت کوین امتحان رایگان.
• منبع: https://aws.amazon.com/blogs/machine-learning/how-nordic-aviation-capital-uses-amazon-recognition-to-streamline-operations-and-save-up-to-eur200000-annually/