هوش مصنوعی دانشگاه تهران، خطای پیش‌بینی اندازه ذرات معدنی را به کمتر از ۱۰ میکرون رساندپژوهشگران دانشگاه تهران با توسعه سامانه هوشمند "OptiMine"، از هوش مصنوعی و یادگیری ماشین برای بهینه‌سازی عملکرد کارخانه‌های فرآوری مواد معدنی استفاده کرده‌اند.
کاهش مصرف انرژی با کمک هوش مصنوعیاین سامانه با تحلیل داده‌های واقعی صنعتی، اندازه ذرات محصول و میزان مصرف انرژی در مدارهای آسیاکنی را پیش‌بینی می‌کند. نتایج ارزیابی‌ها نشان می‌دهد خطای پیش‌بینی اندازه ذرات به کمتر از ۱۰ میکرون رسیده است.
هدف این پروژه فقط پیش‌بینی عملکرد تجهیزات نیست؛ بلکه کمک به کاهش مصرف انرژی، افزایش بهره‌وری و حفظ کیفیت محصول در کنار افزایش ظرفیت تولید است.
تیم توسعه‌دهنده امیدوار است با گسترش این فناوری، کارخانه‌های فرآوری مواد معدنی از تصمیم‌گیری‌های سنتی و تجربی به سمت مدیریت هوشمند و مبتنی بر داده حرکت کنند.
این طرح فناورانه با هدایت علمی مهدی قراباغی، عضو هیئت علمی دانشگاه تهران، توسعه یافته و یکی از ۲۰ طرح برگزیده نخستین نمایشگاه هاتف دانشگاه تهران بوده است.مطالعه متن خبر #هوش_مصنوعی#مرکز_نوآوری_و_توسعه_هوش_مصنوعی#پژوهشگاه_ارتباطات_و_فناوری_اطلاعات #دانشگاه_تهران #یادگیری_ماشین #فناوری
Aicenter