شهدت مجالات الهندسة والتصنيع ثورة حقيقية بفضل استخدام الذكاء الاصطناعي في كشف الأعطال. في هذا الإطار، تم تقديم تقنية جديدة مذهلة تدعى "تصنيف نيوترصوفي" (Neutrosophic Ensemble Classification) تهدف إلى تحسين دقة اكتشاف أعطال المحامل.

تكمن الفكرة الرئيسية من وراء هذه التقنية في دمج عدة نماذج مثل "الغابات العشوائية" (Random Forest)، و"شجرة تعزيز XGBoost" (XGBoost)، و"الانحدار اللوجستي" (Logistic Regression) لتوفير أربعة مؤشرات رئيسية تجعل عملية التنبؤ أكثر دقة. هذه المؤشرات تشمل دليل أفضل للصف العلوي (T-hat)، ودليل أفضل للمنافس (F-hat)، بالإضافة إلى قياسات أخرى تعزز من فهم حالات عدم اليقين.

وفقاً للدراسات التي أجريت على معيارين مختلفين (CWRU وJNU)، تمكنت الطريقة الجديدة من تحقيق دقة تصل إلى 100% في اكتشاف بعض الأحمال، مع دقة أقل في حالات معينة، مما يسلط الضوء على أهمية الجوانب المختلفة للإشعارات.

تعتبر هذه النتائج مثيرة للاهتمام حيث تثير تساؤلات حول كيفية الدمج بين نماذج زمنية ونماذج ترددية (frequency-domain models) لتحقيق نتائج أفضل في الأعمال الصناعية. من الجدير بالذكر أن جميع البيانات والبرمجيات المستخدمة متاحة للتحقق المستقل، مما يعزز مصداقية النتائج.

قد تكون هذه التقنية خطوة كبيرة نحو تحسين التطبيقات الصناعية وزيادة كفاءة عمليات الكشف عن الأعطال. في ضوء ذلك، نتساءل: كيف ترى دور الذكاء الاصطناعي في تحسين معالجة البيانات الصناعية؟ شاركونا آرائكم في التعليقات!