1. Detekto kaj antaŭdiro de eraroj per maŝininteligenteco. Ĉiu sistemo devas detekti aŭ antaŭdiri eblajn problemojn antaŭ ol ili misfunkcias kaj kondukas al gravaj sekvoj. Nuntempe ne ekzistas precize difinita modelo de nenormala stato, kaj ankoraŭ mankas teknologio por nenormala detekto. Urĝas kombini sensorajn informojn kaj scion por plibonigi la inteligentecon de la maŝino.
2. Sub normalaj kondiĉoj, la fizikaj parametroj de la celo povas esti sentitaj kun alta precizeco kaj alta sentemo; tamen, malmulte da progreso estis farita en la detekto de nenormalaj kondiĉoj kaj paneoj. Tial, ekzistas urĝa bezono de erardetekto kaj antaŭdiro, kiujn oni devus vigle evoluigi kaj apliki.
3. La nuna sensteknologio povas precize senti fizikajn aŭ kemiajn kvantojn ĉe ununura punkto, sed estas malfacile senti plurdimensiajn statojn. Ekzemple, media mezurado, kies karakterizaj parametroj estas vaste distribuitaj kaj havas spacajn kaj tempajn korelaciojn, estas ankaŭ ia malfacila problemo, kiun oni devas urĝe solvi. Tial necesas plifortigi la esploradon kaj disvolvon de plurdimensia statsensado.
4. Teledetektado por analizo de celkomponantoj. Analizo de kemia konsisto plejparte baziĝas sur specimenaj substancoj, kaj kelkfoje la specimenigo de celmaterialoj estas malfacila. Kiel ĉe la mezurado de ozonniveloj en la stratosfero, teledetektado estas nemalhavebla, kaj la kombinaĵo de spektrometrio kun radaraj aŭ laseraj detektoteknikoj estas unu ebla aliro. Analizo sen specimenaj komponantoj estas sentema al interfero per diversaj bruoj aŭ medioj inter la sensa sistemo kaj la celkomponantoj, kaj la maŝininteligenteco de la sensa sistemo estas atendata solvos ĉi tiun problemon.
5. Sensila inteligenteco por efika reciklado de rimedoj. Modernaj fabrikadsistemoj aŭtomatigis la produktadprocezon de kruda materialo ĝis produkto, kaj la cirkla procezo estas nek efika nek aŭtomatigita kiam la produkto ne plu estas uzata aŭ forĵetita. Se la reciklado de renovigeblaj rimedoj povas esti efektivigita efike kaj aŭtomate, media poluado kaj energimanko povas esti efike preventitaj, kaj la administrado de vivciklaj rimedoj povas esti realigita. Por aŭtomatigita kaj efika cikla procezo, uzi maŝininteligentecon por distingi celajn komponantojn aŭ certajn komponantojn estas tre grava tasko por inteligentaj sensaj sistemoj.
Afiŝtempo: 23-a de marto 2022