Neuron Soundware

Neuron Soundware သည် ၂၀၁၆ ခုနှစ်တွင် ချက်သမ္မတနိုင်ငံ၊ ပရာግမြို့၌ တည်ထောင်ခဲ့သော စက်မှုလက်မှု AI ကုမ္ပဏီတစ်ခု ဖြစ်သည်။ ၎င်းတို့၏ ထုတ်ကုန်သဘောတရားမှာ အတွေ့အကြုံရင့် ကျွမ်းကျင်ပညာရှင်ကြီးများ၏ အလိုလိုသိမြင်နိုင်စွမ်း (Intuition) နှင့် တူညီသည် - စက်မပျက်မီ အသံက အရင်ပြောင်းလဲသွားတတ်သည်။ ကွာခြားချက်မှာ ၎င်းတို့က ဤအချက်ကို စကေးချဲ့နိုင်ပြီး တစ်ရက်လျှင် ၂၄ နာရီ အနားယူမှုမရှိဘဲ လုပ်ဆောင်နိုင်သော AI စနစ်တစ်ခုအဖြစ်သို့ ပြောင်းလဲပေးလိုက်ခြင်း ဖြစ်သည်။

လုပ်ဆောင်ချက်များနှင့် အသုံးချနိုင်သည့် နယ်ပယ်များ

အတွေ့အကြုံရင့် ပြုပြင်ထိန်းသိမ်းရေး ကျွမ်းကျင်သူတစ်ဦးသည် စက်ရုံအတွင်း လမ်းလျှောက်ရင်း ပန့်ပ်စက် ဘယ်နားတွင် အဆင်မပြေသည်ကို အသံဖြင့် ချက်ချင်းသိရှိနိုင်သည် - ဤစွမ်းရည်မှာ အမှန်တကယ် ရှိသော်လည်း သီးသန့်လူတစ်ဦးတည်းအပေါ်တွင်သာ မှီခိုနေရကာ ၎င်းတို့ အလုပ်မှထွက်သွားခြင်း၊ အနားယူခြင်းများ ရှိလာနိုင်ပြီး တစ်ကြိမ်လျှင်လည်း တစ်နေရာတည်းကိုသာ ကြည့်ရှုပေးနိုင်ပေသည်။ Neuron Soundware သည် nEdge စီးရီး IoT ဟတ်ဝဲလ်များကို အသုံးပြု၍ စက်များ၏ အသံနှင့် တုန်ခါမှု සංඥာများကို စုဆောင်းကာ nGuard အမည်ရှိ Cloud ဆော့ဖ်ဝဲလ်ဆီသို့ ပို့ဆောင်ကာ ခွဲခြမ်းစိတ်ဖြာသည်။ AI မော်ဒယ်က စက်ပစ္စည်းတစ်ခုချင်းစီ၏ ပုံမှန်အသံလက္ခဏာများကို လေ့လာသင်ယူပြီး ပုံမှန်မဟုတ်ဘဲ လွဲချော်လာသည်နှင့် သတိပေးချက်များကို ထုတ်လွှင့်ပေးသည်။ ရေပန်းစားနေသော တုန်ခါမှုခွဲခြမ်းစိတ်ဖြာမှု (Vibration analysis) နှင့် နှိုင်းယှဉ်ပါက အသံပိုင်းဆိုင်ရာ စနစ်တွင် ၎င်း၏ အားသာချက်များ ရှိသည် - မိုက်ခရိုဖုန်းကို အလွယ်တကူ တပ်ဆင်နိုင်ပြီး (Non-contact) စက်ပစ္စည်းများကို စစ်ဆေးရန်အတွက် ရပ်တန့်ကာ ဖြုတ်တပ်နေစရာ မလိုပေ။ ထို့အပြင် အသံတွင်ပါဝင်သည့် ကြိမ်နှုန်းအချက်အလက် (Spectrum information) မှာ သက်သက်တုန်ခါမှုထက် ပိုမိုကြွယ်ဝသဖြင့် ချို့ယွင်းချက်အချို့ (ဥပမာ- Cavitation ခေါ် ရေပူဖောင်းပေါက်ကွဲခြင်း၊ ဝက်ဝံအစောပိုင်း ယိုယွင်းပျက်စီးခြင်း၊ အဆို့ရှင်ယိုစိမ့်ခြင်း) ကို ပိုမိုထိလွယ်ရှလွယ် ရှိစေသည်။ အင်ဂျင်များ၊ ကွန်ပรสဆာများ၊ ပန့်ပ်စက်များနှင့် အမျိုးမျိုးသော ထုတ်လုပ်ရေးစက်ကိရိယာများတွင် အသုံးပြုနိုင်သည်။

လည်ပတ်နေသော စက်ယန္တရား အများအပြားရှိသည့် ကုန်ထုတ်လုပ်ငန်း၊ စွမ်းအင်၊ ရေစင်သန့်စင်ရေးနှင့် သယ်ယူပို့ဆောင်ရေးကဏ္ဍများအတွက် သင့်လျော်သည်။ သမားရိုးကျ ထုတ်လုပ်ရေးလုပ်ငန်းများအတွက် အထူးသင့်လျော်ပါသည် - စက်ပစ္စည်းဟောင်းခြင်း၊ ထိန်းထိန်းသိမ်းသိမ်း လုပ်ကိုင်မည့် လူ့စွမ်းအားအရင်းအမြစ် ရှားပါးလာခြင်းနှင့် ကျွမ်းကျင်ပညာရှင်ဟောင်းကြီးများ အနားယူသွားကြခြင်း စသည့် ပြဿနာများကို ဖြေရှင်းပေးနိုင်ပြီး စက်ပစ္စည်းအသစ် အပြည့်အစုံလဲလှယ်ရန် မဖြစ်နိုင်သော အခြေအနေများတွင် အထောက်အကူပြုသည်။ အသံအခြေခံ စောင့်ကြည့်စနစ်၏ ထိတွေ့စရာမလိုသော သဘာဝကြောင့် ရှိရင်းစွဲ စက်ပစ္စည်းဟောင်းများတွင်ပင် တပ်ဆင်အသုံးပြုနိုင်ပြီး စက်အသစ်လဲလှယ်ရမည့် အစီအစဉ်များထက် ပိုမိုလက်တွေ့ကျပါသည်။