62988_de-DE

liliconcom

KI für DOE – irgendwelche Erfahrungen/Kenntnisse?

Hallo, ein Kunde und JMP-Fan hat mich gefragt, ob wir eine Software kennen, die KI zur Planung der nächsten Experimente nutzt. Das anbietende Unternehmen sagt, dass sie bessere und effizientere Experimente planen können. Er hat die interne Gruppe, die sich mit dieser Software befasst, gebeten, sie mit anderer professioneller Software zu vergleichen und hat JMP vorgeschlagen. Alle Informationen dazu wären also hilfreich. (Ich weiß, dass ich mehr herausfinden muss und am Mittwoch einen ersten Anruf dazu machen werde).

Ist jemand schon auf diese Art von Forschung oder Anwendungsfall gestoßen? Ich habe ein bisschen recherchiert und es scheint, dass zwei österreichische Universitäten (Wien und Innsbruck) dazu einige Forschungen durchgeführt haben und damit Erfolg hatten. Da es sich um Quantenexperimente handelte, vermute ich, dass es sich eher um ein simuliertes oder kombinatorisches Experiment handelt. Es gab jedoch eine Erklärung zu Bearbeitungsprozessen. Diese stammten von Anfang 2018 ( https://www.uibk.ac.at/newsroom/artificial-agent-designs-quantum-experiments.html.en ) und 2015 ( https://link.springer.com/chapter/10.1007/978-3-319-23838-8_3 ).

Danke für jedes Feedback.

Martin

Betreff: KI für DOE – irgendwelche Erfahrungen/Kenntnisse?

Wenn nichts anderes, zeigt dieser Thread, dass wir Silvios Gedanken ( vorgestellt in Prag) bei jeder sich bietenden Gelegenheit vorstellen sollten. Er hat eine vollständige Beschreibung eines bestimmten Falls gegeben (mit allem, was Sie zum Verstehen brauchen), aber ich glaube, es ist eine sehr allgemeine Botschaft, die wir stärker verbreiten könnten. Übrigens war sein Beitrag einer der besten Discovery-Artikel, die ich je gesehen habe, und natürlich ist die Marke P&G viel wert.

Betreff: KI für DOE – irgendwelche Erfahrungen/Kenntnisse?

@Dan_Obermiller Danke, ja, die Artikel in den Links, die ich gefunden habe, könnten wie diese evolutionären (globalen) Optimierungsalgorithmen wirken. Nachdem ich jedoch neue Informationen erhalten habe, bezweifle ich, dass Citrine etwas mit dem Design selbst macht. Es scheint, als würden sie nur versuchen, das nächste Design mit den besten Materialien zu gestalten, die sie in ihrer Datenbank gefunden haben und die den Zielen entsprechen, die ein neues Material haben sollte. Trotzdem werden wir in Zukunft vielleicht mehr von diesen Universitätsstudien sehen.

Betreff: KI für DOE – irgendwelche Erfahrungen/Kenntnisse?

Neue Informationen:

• Konkurrent ist Citrine Informatics ( https://citrine.io/ ), ein recht neues Silicon Valley-Startup, das sehr gut im Marketing und im Zahlenwerfen ist. Die Idee dahinter ist jedoch irgendwie gültig.
• Es scheint, dass sie eine riesige Datenbank mit Materialinformationen aufbauen, die sie verwenden, um das Material zu finden, das am ehesten das gewünschte Ziel erfüllt. Für mich ist das in etwa vergleichbar mit dem, was P&G selbst gemacht hat, indem sie die chemische Zusammensetzung eines bestimmten Produkts, das sie wissen wollten, anstelle eines einfachen Produkts/Materials, wissen wollten. Damit konnten sie viel flexibler und unabhängiger von einem Lieferanten reagieren. Sie verwendeten innerhalb anderer PLS.
• Es scheint auch, dass sie versuchen, diese Datenbank mit Experimenten von Kunden aufzubauen, um besser zu lernen. Ich bin mir nicht sicher, ob jeder daran teilnehmen möchte. Es ist wahrscheinlich eine Frage der Risikobewertung, ob ich möchte, dass die Ergebnisse meiner Innovationsexperimente in die Datenbank aufgenommen werden, um einen besseren Algorithmus zu haben, den auch andere Unternehmen verwenden, um eine bessere Materialauswahl zu treffen.
• Dies ist immer noch ein iterativer Prozess, und die Unternehmen, die ihren Service nutzen, müssen immer noch Experimente durchführen, aber mit den von ihnen vorgeschlagenen Materialien. Dies scheint besser zu sein als einige klassische Ansätze, wie sie Dysson mit seinem ersten Produkt verfolgte (> 5000 Versuche). Ich bezweifle jedoch, dass dies die Belastung bei der Suche nach einem guten Designplan verringern wird. Der Vorteil, den ich mir vorstellen kann, ist, dass sie wahrscheinlich einen besseren Ausgangspunkt bekommen. Es bleibt jedoch die Frage, ob sie etwas zum Design selbst vorschlagen.
• Interessanterweise führt BASF derzeit ein Pilotprojekt durch ( https://citrine.io/2018/06/21/basf-and-citrine-informatics-collaborate-to-use-artificial-intelligence-to-develop-new-catalyst-technology/ ), um die Entwicklung neuer Umweltkatalysatortechnologien zu beschleunigen.
• Citrine hat kürzlich auf einem DECHEMA-Kongress in Köln gesprochen, wo, wie ich herausgefunden habe, auch Bernd, Mahmoud und Alex anwesend waren. Achten Sie also bitte darauf, wenn Sie etwas von anderen Unternehmen hören, die sich mit Materialien und Chemikalien befassen.

Wir können diesen Thread auch nutzen, um Informationen hinzuzufügen, die wir alle aus Gesprächen mit Kunden sammeln, in denen Citrin erwähnt wird (um es klarzustellen: Wenn ein Kunde fragt, ob wir davon gehört haben, möchten wir ihn durch die Erwähnung nicht übertreiben ).

Ich werde Sie auf dem Laufenden halten, da ich neue Erkenntnisse zu ihrem Pilotprojekt bei Lanxess (einem anderen Chemieunternehmen) erhalten habe. Wenn Sie Kunden haben, die ebenfalls ein Pilotprojekt durchführen, fügen Sie Ihr gewonnenes Wissen bitte ebenfalls diesem Thread hinzu. Dies wird in Zukunft hilfreich sein, da ich glaube, dass sie in Zukunft mehr Interesse wecken werden und wir von unseren Kunden herausgefordert werden, obwohl wir die Herausforderung wahrscheinlich nicht fürchten müssen.

Betreff: KI für DOE – irgendwelche Erfahrungen/Kenntnisse?

Es klingt auch sehr ähnlich wie Evolutionäre Operationen oder Simplex-Optimierung, DOE-Techniken, bei denen Sie sich zu einem optimalen Satz von Bedingungen entwickeln. Die Algorithmen sind möglicherweise neuer und leistungsfähiger, aber es handelt sich immer noch um eine Entwicklung zu einem Optimum.

Betreff: KI für DOE – irgendwelche Erfahrungen/Kenntnisse?Lassen Sie uns ein Beispiel an Goodnight nehmen: Können Sie für uns definieren, was der Kunde unter „KI“ versteht?

Der Artikel, in dem „statistisches oder künstliches Lernen“ erwähnt wird, befasst sich mit der Verwendung dieser Techniken zur „Optimierung der Designmatrix“. Ich würde behaupten, dass der ganzheitliche DOE-Workflow (Data Mining + optimales Design) dieser Beschreibung entspricht. Wir haben uns lediglich entschieden, die aktuellen Schlagworte nicht zu verwenden.

Vielleicht irre ich mich da, aber das ist mein erster flüchtiger Eindruck, der auf den Artikeln beruht.

Am besten,

M