---

Видео на тему: AI lab Z-union - видео

Всем привет! Пришла пора показа череды наших новых кейсов внедрения ИИ, которых у нас накопилось не мало 😈 На этот раз - покажем кейс про ИИ в промышленности. А именно, ИИ-советник директора по производству. ⚡️⚡️ С развитием агентных систем и, в целом, генеративного ИИ, стало особенно интересно строить системы-советники для, в том числе, руководителей среднего и высшего уровней, которые в своих прогнозах и рекомендациях - опираются именно на данные компании. Рекомендация получается максимально обоснованной и объективной, с минимальным человеческим фактором и искажением выводов, потому как ИИ-агент в своем прогнозе - базируется на данных с реальных производственных систем. Задача кейса: Кто сталкивался с промышленностью понимает, что расчет возможности производства какой-либо детали - это отдельный сложный многофакторный процесс. Сколько нужно сырья, сколько рабочих смен, какие станки и в каком количестве, какие техпроцессы нужно обеспечить, какой маршрут производства, какие узкие места возникают на каких этапах и как их нивелировать - все это постоянно циклично повторяющиеся вопросы в ходе планирование реализации задуманного. Нужна система, что быстро отмоделирует и просимулярует процесс на базе созданного «цифрового двойника производства» и подскажет, что и как нужно сделать оптимально. Создание таких симуляций - это целая вселенная. А ведь нужно владеть специализированными языками программирования таких средств автоматизированного проектирования. Короче чтобы это решить - мы, на базе своей платформы https://z-union.ru/products/z-brain - создаем и обучаем мультимодальных производственных агентов. Они - работают на базе знаний конкретного промышленного предприятия. Интегрированы в их ERP/MES и другие информационные системы и, зная какие есть тех процессы, какое есть оборудование и какие его возможности - проводят моделирование процессов на базе обращения на естественном языке (или на базе целевого ТЗ. Тут чем подробнее будет запрос - тем более детальным будет ответ). Как это работает: Технолог/директор по производству/генеральный директор - озвучивает голосом/в виде текста/тз производственную задачу (к примеру: «смоделируй производство контейнер-цистерны Т14 на 3 дня»). Агентная система,понимая имеющийся стек оборудования и производственных возможностей конкретного предприятия - формирует моделирование процесса с учетом всего техпроцесса. Результат: Система выдает узкие места производства на заданную производственную задачу и, главное, производственную рекомендацию по тому, как эти узкие места устранить, чтобы уверенно закрыть производственную задачу Итог: Скорость моделирования возрастает на порядки. Скорость принятия эффективного решения с дней и недель (с учетом необходимого времени технологов-аналитиков) - уменьшается до десяток минут. Можно также быстро задать скорректированный запросы и также быстро получить ответ. Однозначно это влияет на быструю окупаемость производственного инвестиционного проекта. Делимся видео-показом кейса, рады комментариями и мыслям!Провели ряд важных обновлений в нашем мед направлении Z-med IVF AI! 😎⚡️⚡️ Совместно с НМИЦ им. Кулакова - продолжаем проводить обновлений нашего решения по оптимизации процесса ЭКО. А именно: 🧬 Добавили историю проводимы обследований 🧬 Добавили умный модуль интерпретации результатов анализа. Теперь наш модуль не только выдает вероятность клинической беременности по клиническим данным супружеской пары, но и описывает уникальные (для данной пары) факторы риски и дальнейшие рекомендации по обследованию! Решение проходит реальную лабораторную апробацию 👨💻 Видео-работы доступно по ссылке и прямо тут в нашем канале!Команда Лаборатории прикладного ИИ Z·Union, совместно с НМИЦ акушерства, гинекологии и перинатологии им. В. И. Кулакова, провела исследование, посвященное применению методов машинного обучения для предсказания риска потери беременности после вспомогательных репродуктивных технологий. Что изучали: - Данные 1021 пары, прошедшей лечение бесплодия с использованием ВРТ - Клинические, анамнестические и эмбриологические параметры Какие методы применялись: - Дерево решений - Линейная регрессия Анализ позволил выявить ключевые предикторы потери беременности, включая возраст, репродуктивный анамнез, продолжительность стимуляции, качество эмбрионов и метод оплодотворения. Выводы: - Использование машинного обучения открывает новые возможности для персонализированного прогнозирования успешности программы ЭКО - Оптимизация государственных расходов на финансирование ВРТ по системе ОМС - Выявление ключевых факторов, влияющих на вероятность вынашивания беременности Статья по итогам исследования опубликована в международном научном журнале. Мы продолжаем разрабатывать технологии, которые помогают улучшать качество медицинской помощи и открывают новые возможности в репродуктивной медицине. Ссылка на нашу вышедшую статью: https://journals.eco-vector.com/0300-9092/article/view/637373/en_US Подписывайся на наш канал в тг: https://t.me/zunion🎥 Новый уровень работы с запросами! Мы в Z·Union обучили каскад моделей на основе более 1000 собранных коммерческих предложений. Теперь наш AI-ассистент помогает работать с любыми запросами быстро и эффективно. 📢 Смотрите демо прямо сейчас и узнайте, как это работает! 🔔 Подписывайтесь, чтобы не пропустить: Telegram: https://t.me/zunion YouTube: https://www.youtube.com/@z-union6973 VK: https://vk.com/zunionru Яндекс Дзен: https://dzen.ru/alrii_iiС 18 по 20 февраля в Москве прошел V всероссийский научно-образовательный конгресс «Онкорадиология, лучевая диагностика и терапия». В рамках конгресса прошли выставки производителей медицинской техники, фармацевтической продукции и лабораторного оборудования, а также выступления с лекциями спикеров и мастер-классы. От лица Z-union, выступил Владислав Амелин. Он рассказал о AI-рекомендательных системах для диагностики заболеваний и поддержки принятия врачебных решений, на примере анализа распознавания рентгеновских исследований. Кроме того, технический директор Z-union провел мастер-класс: «Формирование и разметка выборки для обучения нейросетевых алгоритмов. От постановки медицинских задач, до разметки медицинских исследований».