Panasonic Avionics ir AWS: DI agentas ieško lėktuvų gedimų

DI agentas lėktuvų diagnostikai skamba kaip graži konferencijos skaidrė. Bet Panasonic Avionics ir AWS pavyzdys yra kur kas praktiškesnis.

Rugpjūčio 21 d. AWS aprašė, kaip Panasonic Avionics kuria agentinę sistemą lėktuvų pramogų ir ryšio sistemų gedimams tirti. Rankinis logų, metrikų ir bilietų tikrinimas gali trukti valandas. Agentai bando tai sutrumpinti iki minučių.

Ir čia yra gera pamoka net tiems, kurie neturi nė vieno lėktuvo.

GEDIMAI NEMĖGSTA LENTELIŲ

Kai įranga veikia skirtinguose lėktuvuose, su skirtingomis konfigūracijomis ir skirtingais logais, vienas gedimas gali atrodyti kaip penki skirtingi įvykiai.

Panasonic Avionics turi milžinišką operacinių duomenų kiekį. Problema ne ta, kad duomenų nėra. Problema ta, kad inžinieriui reikia rasti ryšį tarp signalų.

Tai labai pažįstama ir paprastose įmonėse. CRM sako viena, klientų aptarnavimas kita, serverio logai trečia.

KAIP DIRBA AGENTAI

AWS aprašo kelių sluoksnių sistemą. Vienas agentas stebi tendencijas, keli diagnostikos agentai paraleliai tikrina koreliacijas, sistemos būsenas ir logų šablonus, o didelis kalbos modelis paruošia aiškią diagnostikos ataskaitą.

Svarbu, kad generatyvus modelis čia nėra visur. Jis naudojamas ten, kur reikia sujungti išvadas ir paaiškinti priežastis. Taisyklės ir patikrinimai lieka atskirai.

Gera architektūra dažnai atrodo nuobodžiai. Ir tai komplimentas.

KĄ GALIMA NUKOPIJUOTI

Jei turite pasikartojančių incidentų, pradėkite nuo istorinių atvejų bibliotekos. Kokie buvo simptomai, kokia priežastis, kas išsprendė, kiek užtruko.

Tada agentui galima duoti ne magišką užduotį „surask problemą“, o konkrečią: palygink naują incidentą su senais, parodyk panašumus, pateik įrodymus.

Panasonic atvejis rodo, kad agentai naudingi ten, kur žmogus skęsta tarp signalų, bet sprendimą vis tiek turi patvirtinti specialistas.

FAQ

Ką sukūrė Panasonic Avionics su AWS?

Agentinę diagnostikos sistemą, kuri analizuoja lėktuvų pramogų ir ryšio sistemų duomenis.

Kokią naudą mini AWS?

Sistema gali sutrumpinti tyrimą nuo valandų iki minučių ir pagerinti operacinį efektyvumą 20-40 proc. tiksliniuose atvejuose.

Ar tokia logika tinka kitoms įmonėms?

Taip, jei įmonė turi daug logų, incidentų istorijų ir pasikartojančių diagnostikos darbų.

Šaltinis: AWS Machine Learning Blog.

Jei norite DI įrankius įvesti į komandą be chaoso, pradėkite nuo vieno aiškaus proceso. MasterSprint tam duoda praktinį karkasą.