کارخانه تاریک (Dark Factory)؛ تصویری از آینده تولیدکارخانه تاریک به محیطی گفته میشود که در آن فرایندهای تولید با کمک رباتها، هوش مصنوعی، اینترنت اشیا و سامانههای کنترل هوشمند، با حداقل حضور مستقیم نیروی انسانی انجام میشوند.هدف این رویکرد، حذف انسان نیست؛ بلکه انتقال نقش نیروی انسانی از فعالیتهای تکراری و پرخطر به سمت طراحی، تحلیل داده، برنامهریزی و مدیریت هوشمند تولید است.افزایش بهرهوری، تولید شبانهروزی، کاهش ضایعات، کیفیت یکنواخت و ارتقای ایمنی، مهمترین مزایای این نسل از کارخانهها هستند.آینده صنعت، در حرکت تدریجی از «تولید سنتی» به سمت «تولید خودکار، متصل و دادهمحور» شکل خواهد گرفت.مرکز تحقیقاتی هوش مصنوعی مبتنی بر سازههای پلیمری دانشگاه تهران https://ble.ir/airputwww.aircbp.com۱
نقش نهادها و تشکلها در حاکمیت هوش مصنوعی
با گسترش کاربردهای هوش مصنوعی، موضوع حاکمیت این فناوری به یکی از مهمترین محورهای سیاستگذاری تبدیل شده است. حاکمیت هوش مصنوعی مجموعهای از قوانین، استانداردها و سازوکارهایی است که توسعه و استفاده مسئولانه از سامانههای هوشمند را هدایت میکند.
در این میان، نهادهای دولتی مسئول تدوین سیاستهای کلان، حفاظت از دادهها، امنیت و تنظیمگری هستند؛ اما اجرای مؤثر این سیاستها بدون مشارکت تشکلهای تخصصی، بخش خصوصی و مراکز علمی امکانپذیر نیست.
تشکلها به دلیل ارتباط مستقیم با صنایع و فعالان بازار، میتوانند نیازهای واقعی را به سیاستگذاران منتقل کرده و در تدوین استانداردها، ارزیابی ریسک، شفافیت الگوریتمی و رعایت اصول اخلاقی نقشآفرینی کنند.
دانشگاهها و مراکز پژوهشی نیز با تربیت نیروی متخصص، توسعه دانش بومی و اجرای پروژههای کاربردی، بخش مهمی از این ساختار را تشکیل میدهند.
حاکمیت موفق هوش مصنوعی نیازمند همکاری منسجم دولت، تشکلها، دانشگاهها، شرکتهای فناوری و جامعه مدنی است؛ همکاریای که ضمن حمایت از نوآوری، از حقوق افراد، امنیت اطلاعات و منافع عمومی نیز حفاظت کند.
مرکز تحقیقاتی هوش مصنوعی مبتنی بر سازههای پلیمری دانشگاه تهران https://ble.ir/airputhttps://t.me/airp_utwww.aircbp.com
با گسترش کاربردهای هوش مصنوعی، موضوع حاکمیت این فناوری به یکی از مهمترین محورهای سیاستگذاری تبدیل شده است. حاکمیت هوش مصنوعی مجموعهای از قوانین، استانداردها و سازوکارهایی است که توسعه و استفاده مسئولانه از سامانههای هوشمند را هدایت میکند.در این میان، نهادهای دولتی مسئول تدوین سیاستهای کلان، حفاظت از دادهها، امنیت و تنظیمگری هستند؛ اما اجرای مؤثر این سیاستها بدون مشارکت تشکلهای تخصصی، بخش خصوصی و مراکز علمی امکانپذیر نیست.تشکلها به دلیل ارتباط مستقیم با صنایع و فعالان بازار، میتوانند نیازهای واقعی را به سیاستگذاران منتقل کرده و در تدوین استانداردها، ارزیابی ریسک، شفافیت الگوریتمی و رعایت اصول اخلاقی نقشآفرینی کنند.دانشگاهها و مراکز پژوهشی نیز با تربیت نیروی متخصص، توسعه دانش بومی و اجرای پروژههای کاربردی، بخش مهمی از این ساختار را تشکیل میدهند.حاکمیت موفق هوش مصنوعی نیازمند همکاری منسجم دولت، تشکلها، دانشگاهها، شرکتهای فناوری و جامعه مدنی است؛ همکاریای که ضمن حمایت از نوآوری، از حقوق افراد، امنیت اطلاعات و منافع عمومی نیز حفاظت کند.مرکز تحقیقاتی هوش مصنوعی مبتنی بر سازههای پلیمری دانشگاه تهران https://ble.ir/airputhttps://t.me/airp_utwww.aircbp.com۳
پایان آزمون و خطا در تزریق پلاستیک با یادگیری ماشین فرآیند تزریق پلاستیک بهشدت وابسته به تنظیم دقیق پارامترهایی مانند دمای مذاب، دمای قالب، فشار تزریق، فشار نگهداری، زمان نگهداری و زمان خنککاری است. تغییرات نامناسب در این پارامترها میتواند باعث بروز عیوبی مانند تاببرداشت، جمعشدگی، فرورفتگی سطحی، نوسان ابعادی، افزایش زمان سیکل و افزایش ضایعات تولید شود. یادگیری ماشین میتواند با تحلیل دادههای تولید، دادههای حسگرها، نتایج کنترل کیفیت و حتی دادههای شبیهسازی، رابطه میان تنظیمات دستگاه و کیفیت محصول نهایی را شناسایی کند. در این رویکرد، به جای اتکا صرف به تجربه اپراتور و آزمون و خطا، مدلهای هوشمند میتوانند شرایط بهینه تولید را پیشبینی و پیشنهاد کنند. مطالعات علمی نشان دادهاند که استفاده از روشهایی مانند شبکه عصبی مصنوعی، الگوریتم ژنتیک، درخت تصمیم، LSTM، GRU و الگوریتمهای بهینهسازی چندهدفه میتواند به کاهش مصرف مواد اولیه، کاهش زمان سیکل، کاهش مصرف انرژی و بهبود کیفیت قطعه منجر شود. این مدلها قادرند اثر همزمان دما، فشار، سرعت تزریق و خنککاری را بر خروجیهایی مانند وزن قطعه، دقت ابعادی و میزان عیوب پیشبینی کنند. با وجود مزایای قابل توجه، اجرای یادگیری ماشین در تزریق پلاستیک نیازمند دادههای دقیق و منظم، حسگرهای قابل اعتماد، اتصال مناسب میان ماشینآلات و نرمافزارهای تحلیلی و نیروی انسانی آشنا با داده و فرآیند تولید است. در مجموع، بهینهسازی تزریق پلاستیک با یادگیری ماشین، مسیر حرکت صنعت پلیمر از تولید تجربی به تولید هوشمند، دادهمحور و کمضایعات است.مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری https://ble.ir/airput https://t.me/airp_utwww.aircbp.com۱۱بازارسال شده از مدرسه طب (Teb School)
فرصت همکاری | کارشناس هوش مصنوعی (Data & AI Analyst)در گروه صنعتی طب پلاستیک نوین به دنبال همکاری با فردی علاقهمند، یادگیرنده و مسئلهمحور هستیم که بخواهد دانش خود در حوزه داده و هوش مصنوعی را در مسائل واقعی صنعت به کار بگیرد.
اگر به تحلیل داده، هوش مصنوعی، Python، SQL، Power BI و کاربرد LLMها در کسبوکار علاقهمند هستید و دوست دارید در پروژههایی با خروجی واقعی و قابلاندازهگیری فعالیت کنید، این موقعیت میتواند فرصت مناسبی برای شما باشد. هدف ما صرفاً استفاده از ابزارهای هوش مصنوعی نیست؛ میخواهیم با کمک داده و فناوری، فرآیندهای سازمان را هوشمندتر کنیم، تصمیمگیری را بهبود دهیم و راهکارهایی ایجاد کنیم که مستقیماً بر عملکرد کسبوکار اثرگذار باشند. محل کار: تهران نوع همکاری: تماموقت سطح موقعیت: Junior / Mid-Level برای مشاهده جزئیات شرایط و مسئولیتها، پوستر را مطالعه کنید و در صورت علاقهمندی، رزومه و نمونهکارهای مرتبط خود را برای ما ارسال کنید.pourmadadkar.o@tebplastic.comاگر فرد مناسبی برای این موقعیت میشناسید، این فرصت شغلی را با او به اشتراک بگذارید.
مدرسه طب https://ble.ir/tebschool https://eitaa.com/tebschool https://t.me/tebschooll https://www.instagram.com/teb.school www.tebschool.com
🪟مایکروسافت تمام ابزارهای کوپایلوت را در یک سوپر اپلیکیشن جمع میکند
مایکروسافت قصد دارد سرویسهای مختلف هوش مصنوعی خود را در قالب یک سوپر اپلیکیشن واحد تحت برند کوپایلوت ادغام کند تا سردرگمی کاربران میان ابزارهای متعدد این شرکت کاهش یابد. این برنامه شامل اپهای کوپایلوت ۳۶۵ نیز میشود و کاربران خانگی و تجاری را پوشش خواهد داد.
سوپر اپلیکیشن جدید با رابط کاربری بازطراحیشده، امکاناتی مانند گفتوگو و ساخت تصاویر را سادهتر میکند و تغییرات آن ابتدا در نسخههای موبایل و وب و سپس در ویندوز و مک ارائه خواهد شد. انتقال دادهها بهصورت خودکار انجام میشود، اما برخی قابلیتها ممکن است حذف یا موقتاً از دسترس خارج شوند.
مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری https://ble.ir/airput https://t.me/airp_utwww.aircbp.com
مایکروسافت قصد دارد سرویسهای مختلف هوش مصنوعی خود را در قالب یک سوپر اپلیکیشن واحد تحت برند کوپایلوت ادغام کند تا سردرگمی کاربران میان ابزارهای متعدد این شرکت کاهش یابد. این برنامه شامل اپهای کوپایلوت ۳۶۵ نیز میشود و کاربران خانگی و تجاری را پوشش خواهد داد.سوپر اپلیکیشن جدید با رابط کاربری بازطراحیشده، امکاناتی مانند گفتوگو و ساخت تصاویر را سادهتر میکند و تغییرات آن ابتدا در نسخههای موبایل و وب و سپس در ویندوز و مک ارائه خواهد شد. انتقال دادهها بهصورت خودکار انجام میشود، اما برخی قابلیتها ممکن است حذف یا موقتاً از دسترس خارج شوند.مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری https://ble.ir/airput https://t.me/airp_utwww.aircbp.com۲
️سه درس جدید اختیاری در دانشگاه صنعتی امیرکبیر امیرکبیرگروه مطالعات علم و فناوری دانشکده مدیریت
مباحث ویژه (تفکر نقادانه) | Critical Thinking۲ واحد | با تدریس دکتر وفائیان | ویژه دانشجویان کارشناسیچطور یک ادعا را ارزیابی کنیم؟چگونه استدلال درست را از مغالطه تشخیص دهیم؟چرا گاهی با وجود اطلاعات کافی، تصمیمهای اشتباه میگیریم؟ مباحث ویژه (فلسفه علم) | Philosophy of Science۲ واحد | با تدریس دکتر اعتماد | ویژه دانشجویان کارشناسیمرز علم و شبهعلم کجاست؟روش علمی چیست؟آیا نظریههای علمی واقعیت را توصیف میکنند یا صرفاً ابزارهایی برای تسلط بر طبیعتاند؟ مباحث ویژه (فلسفه هوش مصنوعی) | Philosophy of Artificial Intelligence۳ واحد | با تدریس دکتر مهاجری | ویژه دانشجویان کارشناسی و کارشناسی ارشدهوش مصنوعی دقیقاً چیست؟چه تصمیمها و وظایفی را میتوان به AI سپرد و چه چیزهایی را نباید به آن واگذار کرد؟آیا یک ماشین میتواند واقعاً «هوشمند» باشد؟ این دروس پیشنیاز و همنیاز ندارند و دانشجویان میتوانند آنها را در سبد درسی خود انتخاب کنند.مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری https://ble.ir/airput https://t.me/airp_utwww.aircbp.com
بینایی ماشین؛ چشم هوشمند خط تولید ظروف پلاستیکیدر تولید انبوه ظروف پلاستیکی، دیگر نمیتوان فقط به کنترل چشمی و بازرسی سنتی تکیه کرد. سرعت بالای خطوط تولید، تنوع عیوب و حساسیت محصولات بستهبندی باعث شده کوچکترین خطا، به ضایعات، مرجوعی و حتی آسیب به اعتبار برند تبدیل شود.
اینجاست که بینایی ماشین و هوش مصنوعی وارد خط تولید میشوند.
با استفاده از دوربینهای صنعتی، نورپردازی مهندسیشده و الگوریتمهای پردازش تصویر، میتوان عیوبی مانند حباب، ترک، پلیسه، فرورفتگی، تغییر رنگ، تابیدگی، نقص لبه و ایرادات ناحیه آببندی را بهصورت آنلاین شناسایی کرد.
اما ارزش اصلی این فناوری فقط در «دیدن عیب» نیست؛ارزش واقعی آن در تبدیل کنترل کیفیت به یک سیستم هوشمند، پیشگیرانه و دادهمحور است.
یعنی خط تولید فقط محصول معیوب را جدا نمیکند؛ بلکه به مرور یاد میگیرد چه چیزی باعث خطا شده، کدام تنظیمات باید اصلاح شود و چطور میتوان ضایعات را کاهش داد.
البته موفقیت این مسیر فقط با خرید یک دوربین اتفاق نمیافتد. طراحی درست ایستگاه تصویربرداری، انتخاب نور مناسب، کالیبراسیون، تعریف تلرانسهای واقعی و اتصال دادهها به فرآیند تولید، عوامل تعیینکننده در اجرای موفق این فناوری هستند.
آینده کنترل کیفیت در صنعت پلیمر، جایی میان داده، دوربین، هوش مصنوعی و شناخت دقیق فرآیند تولید شکل میگیرد. صنعت پلاستیک در حال عبور از کنترل کیفیت سنتی به کنترل کیفیت هوشمند است.مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری https://ble.ir/airput https://t.me/airp_utwww.aircbp.com۱۱
خدمات تخصصی مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری دانشگاه تهرانمرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری دانشگاه تهران با هدف توسعه کاربردهای هوش مصنوعی در صنایع پلیمر، پلاستیک و پتروشیمی، خدمات آموزشی، پژوهشی و مشاورهای خود را در محورهای زیر ارائه میدهد:
آموزشهای تخصصی و سفارشیسازیشدهبرگزاری دورههای عمومی، تخصصی و کاربردی هوش مصنوعی متناسب با نیاز مدیران، کارشناسان، واحدهای تولید، کنترل کیفیت و تحقیق و توسعه مشاوره و استقرار هوش مصنوعی در صنعتارائه مشاوره تخصصی برای شناسایی نیازها، طراحی مسیر هوشمندسازی و پیادهسازی راهکارهای مبتنی بر داده و AI اجرای پروژههای پژوهشی و کاربردیتعریف و اجرای پروژههای تحقیقاتی در حوزه کنترل کیفیت هوشمند، بهینهسازی فرآیند تولید، تحلیل دادههای صنعتی و توسعه ابزارهای هوشمند راهبری پروژههای هوشمندسازی صنعتیهمراهی علمی و اجرایی در مسیر تحول دیجیتال، پایش هوشمند، کاهش ضایعات، افزایش بهرهوری و ارتقای کیفیت تولید هوش مصنوعی، زمانی ارزشآفرین میشود که به مسئله واقعی صنعت متصل شود.مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری https://ble.ir/airput https://t.me/airp_utwww.aircbp.com۱
کاربرد هوش مصنوعی در واردات و صادرات محصولات پتروشیمی و پلیمریانجمن ملی صنایع پلیمر ایران با همکاری مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری دانشگاه تهران و آکادمی آرمان برگزار میکند:
محورهای آموزشی دوره: نقش هوش مصنوعی در فرآیندهای صادرات و واردات کاربرد AI در تحقیقات بازارهای بینالمللی شناسایی، ارزیابی و مقایسه بازارهای هدف شناسایی مشتریان، رقبا، تأمینکنندگان و توزیعکنندگان تحلیل محصولات، قیمتها و دادههای تجاری ساخت پروفایل مشتریان صنعتی تهیه و شخصیسازی مکاتبات تجاری با کمک هوش مصنوعی آمادهسازی پیشنهاد همکاری و پاسخ به استعلامهای مشتریان خارجی تحلیل و مقایسه اسناد تجاری، مشخصات فنی و اطلاعات صادراتی مدرس: دکتر امیر نویدیمدرس، پژوهشگر و متخصص هوش مصنوعی و تحول دیجیتال سازمانی زمان: چهارشنبه ۸ مهرماه ساعت: ۱۴:۰۰ تا ۱۵:۳۰ محل برگزاری: حضوری، اتاق بازرگانی تهران، طبقه دوم، اتاق شماره ۲ ثبتنام و کسب اطلاعات بیشتر:۰۹۹۲۱۶۲۴۱۷۸خانم سلمانی ـ کمیسیون آموزش انجمن ملی صنایع پلیمر ایران فرصتی کاربردی برای آشنایی با نقش هوش مصنوعی در توسعه تجارت بینالملل صنایع پلیمر و پتروشیمیمرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری https://ble.ir/airput https://t.me/airp_utwww.aircbp.com۱۱
انتصاب رئیس جدید مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری دانشگاه تهرانسرکار خانم دکتر هلما وکیلی، عضو محترم هیأت علمی دانشکدگان فنی دانشگاه تهران، طی حکمی از سوی دکتر علیرضا بدیعی و به پیشنهاد دکتر سعید ترکمان، رئیس شورای سیاستگذاری مرکز، به عنوان عضو خبره شورای سیاستگذاری و رئیس مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری دانشگاه تهران منصوب شد.
همچنین از زحمات و تلاشهای ارزشمند جناب آقای دکتر مجتبی نوریمنظر، رئیس سابق مرکز، در طول سه سال گذشته تقدیر و تشکر میشود.
برای سرکار خانم دکتر هلما وکیلی در این مسئولیت جدید، آرزوی موفقیت و اثرگذاری روزافزون داریم.
مرکز تحقیقات هوش مصنوعی مبتنی بر سازههای پلیمری https://ble.ir/airput https://t.me/airp_utwww.aircbp.com۱