Sa mga nakaraang taon, tumaas ang mga pananaliksik na nakatuon sa pagsasama ng mga advanced na teknolohiya sa mga proseso ng inspeksyon sa pagmamanupaktura, partikular sa pagtukoy ng mga depekto. Ang buod na ito ay nagsusuri ng mga pangunahing pag-unlad sa larangang ito, kabilang ang mga IoT-enabled inspection systems at mga aplikasyon ng Blockchain sa pagmamanupaktura. Maraming pag-aaral ang matagumpay na nagpatupad ng mga teknolohiya sa machine learning, partikular ang paggamit ng binagong YOLO-v3 algorithm para sa real-time na pagtukoy ng depekto sa mga ibabaw ng bakal na strip, na nakamit ang kahanga-hangang precision at recall rates. Isa pang pag-aaral na gumagamit ng Convolutional Neural Networks (CNN) upang suriin ang mga hot-rolled steel strips ay nagpa-facilitate ng awtomatikong pagkilala sa mga depekto sa ibabaw, habang ang pinagsamang modelong CNN-SVM ay nag-enable ng klasipikasyon ng mga depekto sa printed circuit board. Ang mga teknolohiyang ito sa machine learning ay may mahalagang implikasyon para sa pagpapabuti ng quality control sa pamamagitan ng pagtukoy at pagwawasto ng mga depekto sa mga manufactured goods. Ang pag-aampon ng mga IoT systems sa inspeksyon ng pagmamanupaktura ay lumalaki din dahil sa kakayahan nito para sa real-time monitoring at data collection. Iminungkahi na ang mga IoT frameworks ay nagpakita ng mga pagpapabuti sa mga rate ng pagtukoy ng depekto at pagbawas sa mga gastos sa quality control, na nagsasama ng mga teknolohiya tulad ng edge computing at cloud services. Bukod dito, ang teknolohiya ng Blockchain ay ginagamit upang mapabuti ang transparency ng supply chain at integridad ng data, lalo na sa mga konteksto ng smart manufacturing, kung saan ito ay nag-iimbak at nagbabahagi ng data ng inspeksyon nang secure. Sa pagsasama ng mga teknolohiyang ito, nagsimula ang mga mananaliksik na tuklasin ang mga sinergiya sa pagitan ng IoT at Blockchain upang higit pang mapabuti ang mga proseso ng pagmamanupaktura. Isang natatanging arkitektura ng Blockchain ang binuo para sa mga industrial IoT applications, na naglalayong mapabuti ang traceability ng supply chain at mga quality inspections habang tinutugunan ang mga isyu sa seguridad at pagiging maaasahan. Sa mga tuntunin ng energy efficiency, ang mga kamakailang pag-unlad ay nagpapakita ng mga hamon na dulot ng mga kinakailangan sa mapagkukunan ng blockchain, partikular sa mga consensus mechanisms. Ang pagpapatupad ng generative adversarial networks sa video streaming para sa Internet of Multimedia Things (IoMT) at mga lightweight consensus protocols para sa consortium blockchains ay nagpapakita ng mga pagsisikap na mapabuti ang performance at bawasan ang pagkonsumo ng mapagkukunan. Bukod dito, ang mga pag-aaral na nagsusuri sa pagiging epektibo ng mga deep learning methods para sa pagtukoy ng multimedia manipulation at pagsasama ng mga optimization algorithms sa mga IoT environments ay nagpapahiwatig ng patuloy na pag-unlad sa pagpapahusay ng pagiging maaasahan at kahusayan ng sistema. Ang pag-aaral na ito ay nagtatanghal ng isang makabago at natatanging solusyon sa IoT-Blockchain para sa pagtukoy ng depekto sa investment casting, gumagamit ng isang ResNet-based deep learning model para sa tumpak na pagkilala sa mga depekto at dimensional measurement, kasama ang Blockchain para sa secure na pag-iimbak ng data. Ang pagsasama ng mga teknolohiyang ito ay nagpapalakas ng real-time processing, traceability, at pagsunod sa mga pamantayan sa kalidad sa iba't ibang sektor, kabilang ang automotive at construction. Pagkolekta at Pagproseso ng Data Isang IoT device na nilagyan ng high-resolution camera ay kumukuha ng mga investment casting, pinahusay ang kalinawan ng imahe sa pamamagitan ng mga preprocessing steps tulad ng noise reduction at geometric adjustments.

Ang feature extraction ay isinasagawa ng ResNet model, na tumutukoy sa mga depekto batay sa mga textural patterns, contours, at mga pagbabago sa kulay. Ang sistema ay nagtatangi ng mga defective castings sa pamamagitan ng masusing klasipikasyon, na nagpapabuti sa mga pagsisikap sa quality control. Ang data ay iniimbak sa isang Blockchain, na tinitiyak na ito ay nananatiling hindi mababago at masusubaybayan habang pinapayagan ang pinadaling pag-iimbak at pag-access. Bawat transaksyon ay validated sa pamamagitan ng mga consensus mechanisms, na nakakatulong sa integridad ng data sa kabuuan ng lifecycle ng inspeksyon. Inspeksyon ng Device at Deep Learning Model Ang device para sa pag-inspeksyon ng mga investment casting ay pinagsasama ang mga precision hardware components para sa epektibong pagtukoy ng depekto at dimensional measurement. Ang arkitekturang ResNet ay nakakabawas sa mga isyung nakapaloob sa mga deep neural networks sa pamamagitan ng paggamit ng mga residual blocks na nagpapadali sa daloy ng gradient, na nagpapabilis sa pagsasanay ng malalaking modelo. Ang pagsasanay sa ResNet model ay kinabibilangan ng mga teknika tulad ng Adam optimization, dropout upang mabawasan ang overfitting, at data augmentation upang mapabuti ang tibay ng dataset. Ang modelo ay mahigpit na sinubok, nakakamit ang mataas na F1-scores at scores ng usability ng sistema habang ipinapakita ang kahanga-hangang katumpakan sa pagtukoy ng mga depekto at pagsukat ng mga dimensyon. Pagsasama ng Blockchain at Pangkalahatang Performance Ang mga smart contract ay nag-aautomat ng transparency at seguridad sa loob ng sistema, na nagva-validate at nagre-record ng defect data sa Blockchain nang real-time. Ang isang performance evaluation ay nagpakita ng mga makabuluhang pagpapabuti sa mga F1-scores at iba pang metrics kumpara sa mga tradisyunal na pamamaraan, na nagbubunyag sa bisa ng pagsasama ng IoT-Blockchain. Ipinakita ng mga resulta ng real-time processing na ang sistema ay makakapag-analisa ng mga casting sa loob ng 2. 3 segundo, na nagpapahiwatig ng mataas na throughput na angkop para sa malakihang pagmamanupaktura. Bukod dito, ang computational efficiency ay tumaas sa pamamagitan ng pagpapatupad ng edge computing, habang ang mga kakayahan ng Blockchain sa paghawak ng data ay tinitiyak ang secure at hindi nababagong mga tala ng proseso ng inspeksyon. Habang ang IoT-Blockchain system ay nagpapakita ng mga makabuluhang bentahe, ang mga hamon tungkol sa scalability, mga regulasyon, energy efficiency, at seamless integration sa mga umiiral na sistema ay nananatiling umiiral. Ang mga hinaharap na pagpapahusay ay nakatuon sa pag-optimize ng paggamit ng enerhiya, pagpapabuti ng scalability sa mga high-volume na kapaligiran, at pagtitiyak ng matibay na seguridad ng data sa larangan ng iba't ibang industriya. Sa konklusyon, ang pagsasama ng IoT at Blockchain na mga teknolohiya ay nagsasaad ng isang transformative na pag-unlad sa inspeksyon ng pagmamanupaktura, na nagpapabuti sa pagtukoy ng mga depekto at kalidad ng katiyakan. Sa pamamagitan ng pagpapabuti ng operational transparency at kahusayan ng proseso, ito ay nagbubukas ng daan para sa mga pag-unlad na nakaayon sa mga prinsipyo ng Industry 4. 0, na binibigyang-diin ang kahalagahan ng secure, intelligent, at sustainable na mga solusyon sa pagmamanupaktura.