Az utóbbi években megnövekedett a kutatások száma, amelyek az fejlett technológiák gyártási ellenőrzési folyamatokba való integrálására összpontosítanak, különösen a hibák észlelésében. Ez az összefoglaló a területen történt kulcsfontosságú fejleményeket vizsgálja, beleértve az IoT-alapú ellenőrzési rendszereket és a Blockchain alkalmazásokat a gyártás során. Több tanulmány sikeresen alkalmazta a gépi tanulási technikákat, különösen a módosított YOLO-v3 algoritmus felhasználásával a valós idejű hibák észlelésére acél szalagfelületeken, lenyűgöző pontos és visszahívási arányokat elérve. Egy másik kutatás Konvolúciós Neurális Hálózatokat (CNN) használt a meleg hengertipikus acél szalagok felületének vizsgálatára, lehetővé téve a felületi hibák automatikus azonosítását, míg egy CNN-SVM kombinált modell tette lehetővé a nyomtatott áramkörök hibáinak osztályozását. Ezek a gépi tanulási technikák jelentős következményekkel járnak a minőségellenőrzés javítására, azáltal, hogy lehetővé teszik a gyártott termékek hibáinak azonosítását és kijavítását. Az IoT rendszerek elfogadása a gyártási ellenőrzés során is növekszik, mivel képesek a valós idejű monitoringra és adatgyűjtésre. A javasolt IoT keretrendszerek javulást mutattak a hibák észlelésének arányában, valamint csökkentették a minőségellenőrzési költségeket, integrálva olyan technológiákat, mint a perem számítástechnika és a felhőszolgáltatások. Ezen kívül a Blockchain technológia alkalmazása hozzájárul a beszállítói lánc átláthatóságának és az adatintegritásnak a javításához, különösen az intelligens gyártás kontextusában, ahol biztonságosan tárolja és megosztja az ellenőrzési adatokat. E technológiák kombinálásával a kutatók elkezdték felfedezni az IoT és a Blockchain közötti együttműködési lehetőségeket, hogy tovább javítsák a gyártási folyamatokat. Egy egyedi Blockchain architektúra jött létre ipari IoT alkalmazások számára, amely a beszállítói lánc nyomon követhetőségének és a minőségellenőrzések javítására törekszik, miközben foglalkozik a biztonsági és megbízhatósági aggályokkal. Az energiahatékonyság szempontjából a legutóbbi fejlesztések kiemelik a blockchain erőforrásigényei által támasztott kihívásokat, különösen a konszenzus mechanizmusokat. A generatív ellenséges hálózatok alkalmazása videostreamingben a Multimédiás Internet Dolgok (IoMT) számára és a könnyű konszenzus protokollok a konzorciumi blokkláncokhoz a teljesítmény javítására és az erőforrás-fogyasztás csökkentésére irányuló erőfeszítéseket mutatják. Ezenkívül a mélytanulási módszerek hatékonyságát vizsgáló tanulmányok, amelyek a multimédiás manipuláció és az optimalizáló algoritmusok IoT környezetben való integrálására összpontosítanak, folytatódó előrehaladást jelentenek a rendszer megbízhatóságának és hatékonyságának javításában. Ez a tanulmány egy forradalmian új IoT-Blockchain megoldást mutat be a hibák észlelésére befektetési öntésnél, amely egy ResNet-alapú mélytanulási modellt használ a pontos hibák azonosítására és mérettartományok mérésére, a Blockchain mellett biztonságos adatmegtárolás céljából. E technológiák integrációja elősegíti a valós idejű feldolgozást, a nyomon követhetőséget és a különböző iparágak minőségi szabványainak való megfelelést, beleértve az autóipart és az építőipart. Adatgyűjtés és feldolgozás Egy nagy felbontású kamerával felszerelt IoT eszköz rögzíti a befektetési öntvényeket, javítva a képek tisztaságát előfeldolgozó lépések, például zajcsökkentés és geometriai kiigazítások révén. A ResNet modell végzi a jellemzők kinyerését, azonosítva a hibákat textúrális mintázatok, kontúrok és színelmélet alapján.

A rendszer gondos osztályozással különbözteti meg a hibás öntvényeket, javítva a minőségellenőrzési erőfeszítéseket. Az adatok a blokkláncon vannak tárolva, biztosítva, hogy változatlanok és nyomon követhetők maradjanak, miközben lehetővé teszik a tárolás és a hozzáférés egyszerűsítését. Minden tranzakciót konszenzus mechanizmusok valósítanak meg, biztosítva az adatintegritást az ellenőrzés teljes életciklusa alatt. Ellenőrző eszköz és mélytanulási modell A befektetési öntvények ellenőrzésére szolgáló eszköz precíziós hardverelemeket kombinál a hibák hatékony észlelésére és a dimenziós mérésre. A ResNet architektúra enyhíti a mély neurális hálózatok inherent problémáit azáltal, hogy maradékblokkokat használ, amelyek elősegítik a gradiensáramlást, lehetővé téve ezzel a kiterjedt modellek könnyebb betanítását. A ResNet modell betanítása olyan technikákat foglalt magában, mint az Adam optimalizálás, a túltanulás csökkentésére szolgáló dropout, és az adatbővítés a teljesítmény növelésére. A modellt alaposan tesztelték, magas F1-pontszámokat és használhatósági eredményeket elérve, miközben lenyűgöző pontosságot mutatott a hibák azonosításában és a méretek mérésében. Blockchain integráció és általános teljesítmény A smart contractok automatizálják az átláthatóságot és a biztonságot a rendszerben, valós időben érvényesítve és rögzítve a hibákkal kapcsolatos adatokat a blokkláncon. Egy teljesítményelemzés jelentős javulásokat mutatott az F1-pontszámokban és más mutatókban a hagyományos módszerekhez képest, hangsúlyozva az IoT-Blockchain integráció hatékonyságát. A valós idejű feldolgozás eredményei azt mutatták, hogy a rendszer mindössze 2, 3 másodperc alatt képes elemezni az öntvényeket, ami magas áteresztőképességet jelez, amely alkalmas nagy volumenű gyártásra. Ezenkívül a számítási hatékonyságot a perem számítástechnika bevezetésével növelték, míg a Blockchain adatkezelési képességei biztosították az ellenőrzési folyamat biztonságos és változatlan nyilvántartásait. Bár az IoT-Blockchain rendszer jelentős előnyöket mutat, a skálázhatósággal, a szabályozási környezetekkel, az energiahatékonysággal és a meglévő rendszerekkel való zökkenőmentes integrációval kapcsolatos kihívások továbbra is fennállnak. A jövőbeni fejlesztések az energiafelhasználás optimalizálására, a skálázhatóság javítására a nagy volumenű környezetekben, valamint a robusztus adatbiztonság biztosítására összpontosítanak a különböző iparágakban. Összegzésképpen az IoT és a Blockchain technológiák integrációja egy átalakító fejleményt jelent a gyártási ellenőrzés terén, fejlesztve a hibák észlelését és a minőségbiztosítást. A működési átláthatóság és a folyamatok hatékonyságának javításával utat nyit a 4. ipari forradalom elveivel összhangban álló fejlesztések számára, hangsúlyozva a biztonságos, intelligens és fenntartható gyártási megoldások fontosságát.