Analyse prédictive pour les processus de fabrication
L'application de l'informatique quantique pour prédire les défauts dans le processus de fabrication de matériaux avancés.
Résumé du projet
Mis à jour le 31 mars 2023.
Le problème
La cause profonde des échecs dans les tests de produits est souvent difficile à déterminer, en particulier lorsque les signaux d'échec sont rares par rapport aux données de base disponibles.
Pour compliquer le problème, le processus doit répondre à une variété de spécifications pour plusieurs clients simultanément.
Comment nous le résolvons
Le projet Predictive Analytics for Manufacturing Processes vise à créer un jumeau numérique de la ligne de finition des métaux, en tirant parti de l'analyse prédictive pour analyser les données capturées à partir de la ligne de traitement, telles que les compositions chimiques, la température et la tension. Cette technologie fournira de nouvelles informations pour aider à optimiser le processus de fabrication.
Le projet est dirigé par D-Wave en partenariat avec Avcorp Industries, Solid State AI et l'Université Simon Fraser. L'équipe tire parti de ses capacités de recherche en analyse de données, d'outils d'analyse prédictive et de techniques avancées d'apprentissage automatique sur un ordinateur quantique pour faire face aux situations où les signaux de défaillance sont rares, par rapport aux données de base disponibles. Ces outils feront passer les processus de détection des défauts de fabrication d'Avcorp de réactifs à prédictifs.
Ce projet démontrera des capacités prédictives qui peuvent également être déployées dans d'autres processus de fabrication, y compris les usines de fabrication industrielle et de fabrication de semi-conducteurs.
Le Résultat
Ce projet a créé un prototype de jumeau numérique d'une ligne de finition des métaux, ce qui a permis d'obtenir de nouvelles informations à partir des données capturées lors du processus de finition des métaux, telles que les compositions chimiques, la température et la tension, pour optimiser les processus de fabrication de gros équipements, notamment une cartographie, un nettoyage et un traitement plus efficaces de l'industrie. données. Grâce à ce projet, Solid State AI a développé et commercialisé AIMS (Artificial intelligence for Manufacturing Systems), qui permet aux utilisateurs d'importer, de visualiser et d'exécuter des modèles d'apprentissage automatique sur des données de fabrication. L'approche nouvellement développée a le potentiel d'être appliquée à la fabrication aérospatiale et à d'autres secteurs, notamment les semi-conducteurs, l'automobile, le pétrole et le gaz et les mines.
