Machine Learning: Brug data til at skabe værdi i din virksomhed

Wilson Ricardo  Leal da Silva

Jeg er din kontaktperson

Skriv til mig

Indtast venligst et validt navn
Eller dit telefonnummer
Sender besked
Tak for din besked
Vi beklager

På grund af en teknisk fejl kan din henvendelse desværre ikke modtages i øjeblikket. Du er velkommen til at skrive en mail til Send e-mail eller ringe til +45 72 20 10 34.

En robot bruger machine learning til at analysere data

Machine Learning: Brug data til at skabe værdi i din virksomhed

Machine Learning giver store konkurrencefordele og understøtter innovationen. Gennem data kan du styrke din forretning og optimere din produktion.
 

Med Machine Learning kan du omsætte data til brugbar og værdifuld viden. Data kan nemlig bruges til meget mere end dokumentation og rapportering. Desuden er der store gevinster at hente, når du kender din virksomheds data indgående. 

Helt overordnet kan Machine Learning spare dig for både tid og penge. Samtidig gør teknologien din virksomhed klar til fremtidens vilkår.

Styrket konkurrenceevne og optimeret produktion

Indsigt i data gør dig i stand til at træffe bedre og mere præcise beslutninger. På den måde kan du styrke din konkurrenceevne og optimere din produktion. Og data er der nok af. Digitaliseringen af industrien betyder nemlig, at der automatisk opsamles store mængder data fra mange og forskellige kilder. 

Skal man udnytte de store datasæt, kræver det, at man kan trække informationen ud. Man skal også være i stand til at præsentere den på en letforståelig og handlingsorienteret måde. Her kommer Machine Learning ind i billedet.

Computeren forudsiger og tager beslutninger

Machine learning dækker over statistiske modeller, der kan lave forudsigelser eller træffe beslutninger. Udtrykket kommer fra, at maskinerne lærer af data i stedet for at blive programmeret til en specifik opgave. 

Når man arbejder med Machine Learning, fodrer man en computer med datasæt. Computeren bygger så en model ud fra de spiste datasæt og lærer af dem. Fodrer man computeren med relevant data, bliver den i stand til at komme med præcise forudsigelser og ”tænke selv”. 

Læringsalgoritmer, der bearbejder data, hjælper computeren med at lære. Til sidst kan computeren komme med nøjagtige svar på de problemer, man beder den om at løse.

Tre trin der viser hvordan man bruger machine learning

Observér, lær, identificér

Man kan overordnet dele processen op i tre trin:

  1. Maskinen indsamler data
    Maskinen indsamler data fra forskellige kilder - fx produktionsmaskiner, billeder, lyd, tekst eller måleinstrumenter. Et eksempel er sorteringsrobotten, som observerer, hvordan en person sorterer genstande på et rullebånd.
  2. Maskinen bygger en model
    Maskinen bygger en model op fra de observerede data. Med modellen prøver maskinen at lave nogle forudsigelser, fx hvilken kasse en genstand skal i. Maskinen prøver løbende at lære af sine fejl og lave en bedre model.

    Faktisk kan den på sigt opnå en opfattelsesevne, der kan sammenlignes med menneskets. Maskinen bliver derfor ikke eksplicit programmeret til at sortere, men lærer det selv ud fra data.
  3. Maskinen kan forudsige og træffe beslutninger
    Den færdige model kan bruges til at lave forudsigelser ud fra data. Maskinen kan bruge forudsigelserne til at træffe beslutninger på egen hånd. Det gør den fx i stand til at vurdere, hvilken kasse en genstand skal i. Når vi fodrer maskinen med de rigtige data, vil den konstant blive ved med at lære.

Genkender mønstre og finder sammenhænge

Machine learning kan bruges til mere end at lave forudsigelser og træffe beslutninger, Med teknologien kan vi også finde mønstre i store datasæt. For en produktion kunne det være mønstre i nedbrud, produktproblemer eller videreudvikling af produkter. Machine Learning gør det lettere at genkende mønstre og finde sammenhænge. Samtidig kan computeren bruge tidligere erfaringer fra datasæt til at forudse og foreslå intelligente næste skridt.

To hovedområder
Man anvender Machine Learning inden for to hovedområder:

1.    At lave forudsigelser og træffe beslutninger
2.    At analysere store mængder data og finde nye mønstre i dem 

Machine Learning er en undergren til Kunstig Intelligens (AI). Herunder hører også fx Deep Learning, Statistical Learning, Neural Networks, Genetic Algorithms og Fuzzy Logic.
 

Mange anvendelsesmuligheder

I samfundet bruger man fx Machine Learning til at forudsige aktiepriser, varsle om sygdomme og lære biler at køre selv. Metoden vinder dog indpas på tværs af stort set alle brancher. Her kan du se, hvad man bl.a. kan bruge det til i industrien:

forskellige eksempler på, hvad man kan bruge machine learning til

Skimmelsvamp og bedre robotter

På Teknologisk Institut hjælper vi virksomheder i gang med Machine Learning. Samtidig står vi i spidsen for en række forsknings- og udviklingsprojekter med fokus på Machine Learning. Projekterne skal afdække, hvordan man bedst kan anvende Machine Learning i forskellige industrier.

Vi arbejder bl.a. med Machine Learning inden for fremstillingsindustrien, landbrug og byggeri. Vi har fx påvist, at Machine Learning er en fremragende metode til at identificere skimmelsvamp, og at metoden også er optimal til at lære at udnytte robotters fulde potentiale.
 

Kom i gang med Machine Learning

Vil du finde ud af, hvordan Machine Learning kan gavne din forretning? Vi hjælper dig med at identificere, hvordan du bedst gør brug af dine data. Vi rådgiver også om, hvordan du kan implementere metoden i både produktion, forretningsudvikling og fremadrettet strategi. 

Kontakt vores ekspert i Machine Learning, Wilson Ricardo Leal da Silva. Han kan finde den helt rigtige specialist til din udfordring. Ring til Wilson på tlf.: 7220 1034, eller send en mail på wrls@teknologisk.dk

Vi tilbyder også kurser inden for machine learning.