Connect with us
https://ainews.site/wp-content/uploads/2021/11/zox-leader.png

Published

on

The Ultimate Managed Hosting Platform

Sourabh Gupta è CEO e co-fondatore di Skit.ai, una piattaforma di intelligence vocale aumentata progettata per consentire ai contact center di gestire le richieste dei clienti in modo più efficiente. In questa intervista con TechBullion, Sourabh Gupta ci parlerà di Skit.ai e della sua visione per il business.

Per favore, dicci di più su di te?

Mi chiamo Sourabh Gupta e sono il co-fondatore e CEO di Skit.aiuna piattaforma di intelligence vocale aumentata progettata per consentire alle strutture di contatto di gestire le richieste degli acquirenti in modo più efficace.

Cos’è Skit, informaci sull’azienda e cosa ha colpito l’impresa di Skit?

Skit.ai è il principale fornitore SaaS di intelligenza artificiale vocale che fornisce una piattaforma di intelligence vocale aumentata che aiuta le aziende a modernizzare le proprie strutture di contatto e le competenze degli acquirenti automatizzando e migliorando le comunicazioni vocali su larga scala.

Ho fondato Skit.ai con Akshay Deshraj, il mio collega e CTO dell’azienda, nel 2016 dopo la laurea presso l’Indian Institute of Expertise Roorkee. La nostra creatività e lungimiranza nella creazione dell’azienda è di aumentare le esperienze degli acquirenti e gettare le basi per la via da seguire per le interazioni vocali.

Riteniamo che le conversazioni vocali permanenti siano vitali per offrire un’esperienza di acquisto di alta qualità in tutti i settori. Quando le aziende desiderano fornire una delle migliori competenze vocali tramite le loro strutture di contatto, desidererebbero una piattaforma costruita dal basso per percepire le conversazioni umane. La partnership uomo/macchina è la via da seguire per un lavoro intelligente e consentiamo alle aziende di implementare questa delle loro strutture di contatto.

Per chi è Skit, quali opzioni e aziende distintive presenti che ti rendono completamente diverso dalle diverse piattaforme vocali?

Abbiamo creato Skit.ai per le aziende di tutto il mondo che desiderano migliorare il modo migliore in cui gestiscono le conversazioni degli acquirenti delle loro strutture di contatto.

Avevamo bisogno di aiutare le aziende a superare i problemi di CX equivalenti a lunghe attese e fornire esperienze modello extra personalizzate e costanti su larga scala.

L’immaginazione e la preveggenza di Skit.ai è un mondo attraverso il quale i nostri broker vocali digitali risolvono i punti di assistenza clienti di livello 1 e automatizzano il lavoro di routine cognitivo mentre i broker umani possono concentrarsi su problemi extra complicati dell’acquirente.

Siamo una piattaforma di intelligenza artificiale vocale appositamente progettata, con mode esperte nel linguaggio parlato, non nel contenuto testuale o nelle frasi lette, con un livello di riconoscimento vocale di alimentazione dei dati specifico del dominio, quindi risolveremo i problemi che potrebbero essere distintivi per ciascuna azienda .

Quali sono i problemi incontrati dalle strutture di contatto prima della modernizzazione del contact middle di Skit e quali risultati hanno portato all’ascesa dell’IA vocale?

I problemi che affliggono il contact middle {industry} non vogliono molto per mezzo dell’introduzione. Un paio di esempi abbracciano:

    • Clienti infastiditi a causa di chiamate interrotte, lunghe attese, conversazioni inefficienti e così via.
    • Un’assenza di competenze automatizzate.
    • Robot IA difettosi.
    • Minima produttività degli agenti ed extra.

I clienti alla moda contano non solo su un mezzo per risolvere questi problemi, ma anche su interazioni empatiche e personalizzate dopo aver parlato con una modella. È diventato fondamentale investire denaro in una risoluzione appositamente progettata per gestire le conversazioni vocali umane, per qualsiasi modello che desideri offrire una delle migliori competenze in ogni punto di contatto vocale.

L’enfasi proprio qui è sull’essere una risposta costruita in particolare per la voce, poiché il riconoscimento vocale imperfetto contribuisce a un prezzo di errore di frase eccessivo (WER), che potrebbe senza dubbio provocare interazioni sconvolgenti con gli acquirenti, ponendo un serio problema per le aziende che sperano di costruire un rapporto e migliorare spese di ritenzione. La Skit Augmented Voice Intelligence Platform sfrutta al massimo l’interazione di ciascun acquirente, aumentando la fedeltà al modello e contribuendo alla fidelizzazione dell’acquirente.

Puoi darci una panoramica dell’ecosistema dei prodotti Skit voice AI e del modo in cui funziona?

La piattaforma Skit Augmented Voice Intelligence è progettata con motori di sintesi e riconoscimento vocale leader del settore ed è progettata per una maggiore personalizzazione e gestione.

Lo stack pronto per l’azienda fornisce gamme eccessive di agilità e scalabilità, con una libreria di macchine precostruite che studiano blocchi di costruzione e integrazioni pronte all’uso per consentirci di ridimensionare il tempo in base al valore per i nostri clienti.

Costruiamo broker vocali digitali altamente efficaci che si trovano in cima all’attuale sistema di telefonia e si collegano perfettamente alle strutture di contatto, mantengono conversazioni con i clienti e svolgono automaticamente compiti equivalenti a trasferimenti e richiamate intelligenti e assistenza su chiamata per compilare tipi o effettuare fondi.

Sebbene forniamo principalmente broker vocali, ci combiniamo con diversi canali per soddisfare i desideri degli utenti finali.

Abilità per andare avanti senza problemi e recuperare conoscenza e contesto da diversi canali per spedire un’esperienza di alto livello dell’acquirente della categoria. I client non hanno bisogno di ripetersi in caso di cambio canale.

Capacità di spedire messaggi di posta elettronica / SMS / contenuti testuali integrandosi con i canali presenti per offrire una decisione end-to-end.

Nome visibile Aiuta gli utenti finali a completare un viaggio su un’interfaccia online in un metodo self-service. Ad esempio, utilizzando VCA accumuleremo scartoffie proprio sulla decisione stessa.

Funzionalità della guida dell’agente che consente di trasferire i nomi di Dwell ai broker umani quando è cruciale con un contesto di dialogo completo

Con la chat e i robot vocali che stanno diventando più diffusi/diffusi in tutti i settori dell’assistenza clienti, qual è la strada da seguire per l’IA vocale conversazionale e il {settore} nel suo insieme?

Ci sono alcune previsioni sulla via da seguire per l’IA vocale conversazionale, tuttavia i miei tre migliori sono:

    • L’intelligenza artificiale migliorerà la merce presente, massimizzando infine la produttività migliorando l’accuratezza e semplificando i processi presenti.
    • L’IA creerà migliaia di recenti tipi di lavoro. Ad esempio, la Skit Augmented Voice Intelligence Platform aiuta ad automatizzare le chiamate non produttive, il che a sua volta crea tempo extra e alternative per i broker umani per concentrarsi su aspetti aziendali completamente diversi.
    • Le circostanze d’uso delle tecniche di intelligenza artificiale apriranno la strada migliore a motori extra sfumati che eleveranno la nostra comprensione di aziende, clienti, processi e molto altro ancora.

In quale fase di crescita si trova la piattaforma di intelligenza artificiale vocale Skit e quali sono le successive nella tua tabella di marcia?

In 12 mesi, mi sono trasferito dall’India a New York per costruire la nostra presenza negli Stati Uniti e formare la crescita dell’azienda mentre navighiamo in una nuovissima sezione di iper-crescita.

In relazione a ciò che è successivo per l’azienda, siamo attivamente impegnati sui nostri motori proprietari di riconoscimento vocale automatico (ASR) e sintesi vocale, per consolidare ulteriormente la nostra posizione come principale azienda mondiale di SaaS per l’intelligenza artificiale vocale. Inoltre, dal punto di vista del prodotto, stiamo perseverando con l’evento della nostra telefonia proprietaria, che sta moltiplicando efficacemente le nostre capacità di chiamata.

Ci sono alternative e collaborazioni sulla missione Skit?

Niente da condividere al momento, tuttavia stiamo cercando di perseverare con le nostre attuali partnership negli Stati Uniti e di creare nuove partnership nei prossimi mesi.

Presenti fonti in corso e assisti per clienti/clienti di Skit?

Certo, lo facciamo. Abbiamo dedicato i gruppi Supply & Buyer Success assegnati ai clienti per implementare e assistere le circostanze d’uso durante tutto il percorso del cliente, soddisfacendo le metriche di successo delineate dall’acquirente. Per punti tecnici extra complicati, ci occupiamo del gruppo Opzioni e degli ingegneri ML.

Su Voice AI e Skit, avrai informazioni extra da condividere con i nostri lettori al giorno d’oggi?

Per ogni modello che si spinge per conquistare quote di mercato, fornire una CX superiore è un elemento di differenziazione. Essere là fuori 24 ore su 24, 7 giorni su 7, comprendere l’intenzione dell’acquirente e interagire con loro in modo intelligente in tempo reale aiuterà a costruire relazioni più forti.

L’IA vocale può catalizzare quanto sopra, migliorando notevolmente l’efficienza aziendale e ottimizzando i prezzi operativi.

Anche al di fuori delle richieste di assistenza clienti, Voice AI può anche aiutare ad accelerare i cicli di vendita lordi, aumentare le spese di ripristino delle commissioni e assistere varie situazioni che influenzano lo sviluppo aziendale.

Skit.ai mira a influenzare non solo la CX, ma anche a contattare l’esperienza dei lavoratori intermedi e i risultati aziendali, al servizio delle aziende che sviluppano un vantaggio aggressivo.

Per ulteriori informazioni, vai al sito web: Skit.ai



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultime notizie

L’algoritmo impara a correggere gli errori di stampa 3D per diverse parti, materiali e sistemi – L’ultima novità nell’intelligenza artificiale | Robotica AI

Published

on

Algorithm learns to correct 3D printing errors for different parts, materials and systems

The Ultimate Managed Hosting Platform

Immagine dell’istanza dell’ugello della stampante 3D utilizzato da un algoritmo di studio della macchina per rilevare e correggere gli errori in tempo reale. Le aree evidenziate presentano elementi dell’immagine su cui si concentra il sistema, offrendo potenziali approfondimenti su come l’algoritmo effettua le previsioni. Punteggio di credito: Douglas Brion

Gli ingegneri hanno creato stampanti 3D intelligenti che possono rilevare rapidamente e correggere errori, anche in progetti inediti o forniture sconosciute come ketchup e maionese, studiando dalle esperienze di macchine diverse.

Gli ingegneri, del College di Cambridge, hanno sviluppato un algoritmo per lo studio delle macchine in grado di rilevare e correggere tutti i tipi di vari errori in tempo reale e potrebbe essere semplicemente aggiunto a macchine nuove o presenti per rafforzare le loro capacità. Le stampanti 3D che utilizzano l’algoritmo potrebbero inoltre scoprire modi per stampare nuovi materiali di consumo da sole. I dettagli del loro metodo a basso costo sono riportati all’interno della rivista Comunicazioni sulla natura.

3D ha il potenziale per rivoluzionare la produzione di componenti avanzati e personalizzati, paragonabili a parti piane, impianti medici personalizzati e persino dolci intricati, e rimodellerà ulteriormente la produzione fornendo catene. Tuttavia, è anche suscettibile di errori di fabbricazione, da imprecisioni su piccola scala e debolezze meccaniche fino a guasti dell’intera costruzione.

Al momento, il modo in cui prevenire o correggere questi errori è che un dipendente di talento consideri il metodo. Il dipendente deve riconoscere un (problema anche per l’occhio colto), interrompere la stampa, togliere la metà e modificare le impostazioni per una metà nuova di zecca. Se viene utilizzato un materiale o una stampante nuovi di zecca, il metodo richiede più tempo perché il dipendente apprende la configurazione nuova di zecca. Anche in questo caso, potrebbero anche mancare errori poiché il personale non può osservare costantemente un certo numero di stampanti nello stesso tempo, in particolare per stampe lunghe.

“La stampa 3D è difficile perché c’è così tanto che potrebbe non essere adatta e molto spesso le stampe 3D falliscono”, ha affermato il dott. Sebastian Pattinson della Divisione di ingegneria di Cambridge, il creatore senior del documento. “Quando ciò accade, tutti i materiali, il tempo e l’energia che hai semplicemente utilizzato sono fuori posto”.

Gli ingegneri hanno creato il monitoraggio automatizzato della stampa 3D, tuttavia i metodi attuali possono rilevare solo una gamma limitata di errori in una singola metà, un materiale e un sistema di stampa.

“Quello che in realtà è voluto è un ‘“sistema per la stampa 3D”, ha detto il primo creatore Douglas Brion, anche della Divisione di Ingegneria. “Un’auto senza conducente può essere inefficace se ha lavorato solo su una strada o in una singola città: deve studiare per generalizzare , città e persino nazioni. Allo stesso modo, una stampante “senza driver” dovrebbe funzionare per una serie di componenti, materiali di consumo e situazioni di stampa”.

Brion e Pattinson affermano che l’algoritmo che hanno sviluppato potrebbe benissimo essere quello che gli ingegneri di “automobili senza conducente” stavano cercando.

“Ciò implica che potresti avere un algoritmo che può dare un’occhiata a tutte le stampanti completamente diverse su cui stai semplicemente lavorando, monitorando e apportando sempre le modifiche desiderate, principalmente facendo ciò che un essere umano non può fare”, ha detto Pattinson.

I ricercatori hanno educato un manichino fantasioso e preveggente di un laptop che studia in profondità mostrandolo intorno a 950.000 foto catturate meccanicamente durante la produzione di 192 oggetti stampati. Ognuna delle immagini è stata etichettata con le impostazioni della stampante, ad esempio la velocità e la temperatura dell’ugello di stampa e la tassa di circolazione dei materiali di stampa. Il manichino ha inoltre ottenuto dettagli su quanto queste impostazioni fossero lontane da buoni valori, consentendo all’algoritmo di apprendere il modo in cui si verificano gli errori.

“Non appena istruito, l’algoritmo può determinare semplicemente guardando un’immagine quale impostazione è giusta e quale non è adatta: è un’impostazione selezionata troppo eccessiva o troppo bassa, ad esempio, dopodiché applicare la correzione adeguata”, ha affermato Pattinson . “E il fattore interessante è che gli stampatori che utilizzano questo metodo potrebbero benissimo raccogliere costantemente conoscenze, quindi l’algoritmo potrebbe benissimo migliorare regolarmente con la stessa efficacia”.

Utilizzando questo metodo, Brion e Pattinson erano stati in grado di creare un algoritmo generalizzabile: in diverse espressioni, può essere utilizzato per determinare e correggere gli errori in oggetti o materiali di consumo sconosciuti e persino in nuovi metodi di stampa.

“Ogni volta che stampi con un ugello, indipendentemente dal tessuto che stai utilizzando (polimeri, cemento, ketchup o altro) otterrai errori comparabili”, ha affermato Brion. “Ad esempio, se l’ugello si sposta troppo velocemente, in genere ti ritrovi con macchie di tessuto, o nel caso in cui stai spingendo fuori una quantità eccessiva di materiali, le deformazioni stampate si sovrapporranno formando pieghe.

“Gli errori che derivano da impostazioni comparabili possono avere opzioni comparabili, non importa quale metà viene stampata o quali materiali vengono utilizzati. Come risultato del nostro algoritmo ha realizzato opzioni di base condivise tra forniture completamente diverse, potrebbe dire “Oh, le deformazioni stampate stanno formando pieghe, a causa di questo fatto stiamo apparentemente spingendo fuori una quantità eccessiva di materiali”. “

Per questo motivo, l’algoritmo che è stato istruito utilizzando un solo tipo di materiale e sistema di stampa è stato in grado di rilevare e correggere gli errori in diverse forniture, dai tecnopolimeri al ketchup e alla maionese, su un tipo speciale di sistema di stampa.

Prima o poi, gli istruiti potrebbe benissimo essere più rispettoso dell’ambiente e affidabile di un operatore umano nel riconoscere gli errori. Questo può benissimo essere essenziale per una gestione di alta qualità in quanto il guasto di una parte potrebbe comportare sanzioni critiche.

Con l’aiuto di Cambridge Enterprise, il braccio commerciale del College, Brion ha dato forma a Matta, un’azienda spin-out che potrebbe sviluppare il know-how per scopi industriali.

“Stiamo rivolgendo la nostra considerazione a come questo potrebbe funzionare in settori di alto valore, ad esempio perché i settori aerospaziale, energetico e automobilistico, il luogo in cui le scienze applicate della stampa 3D vengono utilizzate per fabbricare e componenti costosi”, ha affermato Brion. “Ci vorrebbero giorni o forse settimane per finire una singola parte al prezzo di 1000 chili. Un errore che si verifica inizialmente potrebbe non essere rilevato fino a quando la metà non viene completata e ispezionata. Il nostro metodo individuerebbe l’errore in tempo reale, migliorando notevolmente la produttività manifatturiera”.


Il modello di apprendimento automatico monitora e regola il processo di stampa 3D per correggere gli errori in tempo reale


Dati extra:

Douglas AJ Brion et al, Rilevamento e correzione degli errori di stampa 3D generalizzabili attraverso reti neurali multitesta, Comunicazioni sulla natura (2022). DOI: 10.1038/s41467-022-31985-y

Quotazione:
L’algoritmo impara a correggere gli errori di stampa 3D per vari componenti, forniture e metodi (2022, 16 agosto)
recuperato il 16 agosto 2022
da https://techxplore.com/information/2022-08-algorithm-3d-errors-materials.html

Questo documento è soggetto a copyright. Al di fuori di ogni onesto trattamento a fini di esame o analisi personale, n
la metà potrebbe anche essere riprodotta senza il permesso scritto. Il materiale contenuto viene fornito esclusivamente per le funzioni di dati.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultime notizie

Scoprire i modelli della natura su scala atomica in colori viventi – L’ultima novità nell’intelligenza artificiale | Robotica AI

Published

on

Uncovering nature's patterns at the atomic scale in living color

The Ultimate Managed Hosting Platform

1) Inizialmente metodiamo il materiale dopo di che 2) Tentiamo di afferrare una varietà di strati di tessuto. Utilizzando il rilevamento tattile, decidiamo se siamo avidi della giusta varietà di strati dopodiché 3) riaggiustiamo il materiale come desiderato. Infine, 4) eleviamo il materiale con la giusta varietà di strati afferrati. Punteggio creditizio: Tirumala et al.

Negli ultimi tempi, i robotici hanno tentato di migliorare il modo in cui i robot lavorano insieme con oggetti totalmente diversi presenti nelle ambientazioni del mondo reale. Mentre alcuni dei loro sforzi hanno prodotto risultati promettenti, l’esperienza di manipolazione della maggior parte dei metodi robotici attuali è comunque in ritardo rispetto a quella delle persone.

I materiali sono tra le molte varietà di oggetti che si sono rivelati più difficili con cui lavorare insieme. Le cause principali di ciò sono che elementi di materiale e materiali diversi possono essere allungati, spostati e piegati in diversi metodi, il che può portare a dinamiche avanzate dei materiali e auto-occlusioni.

I ricercatori del Robotics Institute del Carnegie Mellon College hanno recentemente proposto un nuovissimo metodo computazionale che potrebbe consentire ai robot di percepire e gestire i materiali. Questo metodo, lanciato in un documento che sarà offerto sulla Convenzione mondiale sui robot e i programmi intelligenti e pre-pubblicato su arXiv, si basa sull’utilizzo di un e un semplice algoritmo di apprendimento automatico, spesso chiamato classificatore.

“Siamo entusiasti la manipolazione dovuta a materiali e oggetti deformabili di solito è difficile da governare per i robot, poiché la loro deformabilità significa che sono spesso configurati in così tanti metodi diversi”, ha detto a TechXplore Daniel Seita, uno dei tanti ricercatori che hanno condotto lo studio. “Una volta iniziata questa sfida, sapevamo che c’erano stati molti lavori più recenti sui robot che manipolavano i tessuti, tuttavia la maggior parte di quel lavoro include la manipolazione di un singolo pezzo di tessuto. Il nostro articolo affronta le istruzioni relativamente meno esplorate dello studio per governare un mucchio di stoffa utilizzando il rilevamento tattile.

La maggior parte degli approcci attuali per consentire la manipolazione dei tessuti nei robot si basano principalmente sull’utilizzo di sensori fantasiosi e preveggenti, equivalenti a fotocamere o imager che acquisiscono esclusivamente . Mentre alcune di queste strategie hanno ottenuto buoni risultati, la loro dipendenza dai sensori visibili potrebbe limitarne l’applicabilità per compiti facili che contengono la manipolazione di un singolo pezzo di materiale.

La nuovissima tecnica ideata da Seita e dai suoi colleghi Sashank Tirumala e Thomas Weng, tuttavia, utilizza le informazioni raccolte da un sensore tattile noto come ReSkin, che potrebbe dedurre i dati associati alla trama di un tessuto e alla sua interazione con l’ambientazione. Utilizzando queste informazioni tattili, l’equipaggio ha istruito un classificatore per scoprire la varietà di strati di stoffa afferrati da un robot.

“Le nostre informazioni tattili sono arrivate qui dal sensore ReSkin, che è stato sviluppato di recente alla CMU negli ultimi 12 mesi”, ha definito Weng. “Usiamo questo classificatore per regolare il picco di una pinza come un modo per afferrare uno o due strati di stoffa più in alto da una pila di materiali”.

Per valutare il loro metodo, l’equipaggio ha effettuato 180 prove sperimentali in un ambiente reale, utilizzando un sistema robotico costituito da un braccio robotico Franka, una pinza mini-Delta e un sensore Reskin (integrato nel “dito”) della pinza per capire uno o due elementi di materiale in una pila. Il loro metodo ha ottenuto risultati promettenti, superando le strategie di base che non tengono conto dei suggerimenti tattili.

“Rispetto agli approcci precedenti che utilizzano esclusivamente le telecamere, il nostro metodo basato sul rilevamento tattile non è influenzato da schemi sul materiale, modifiche nell’illuminazione e diverse discrepanze visibili”, ha affermato Tirumala. “Siamo stati entusiasti di vedere che il rilevamento tattile da gadget elettromagnetici, proprio come il sensore ReSkin, può presentare un segno sufficiente per un’attività di manipolazione a grana fine, come uno o due strati di stoffa avidi. Immaginiamo che questo possa ispirare analisi future nel rilevamento tattile per la manipolazione dei tessuti da parte dei robot”.

Prima o poi, Tirumala, Weng, Seita e i loro colleghi sperano che questo metodo di manipolazione possa aiutare a rafforzare le capacità dei robot progettati per essere impiegati nei servizi di produzione di tessuti, nelle lavanderie o nelle proprietà. In particolare, può aumentare la potenza di quei robot per gestire tessuti avanzati, una serie di articoli di materiale, biancheria, coperte, indumenti e diversi oggetti in tessuto.

“Il nostro piano è quello di procedere alla scoperta dell’uso del rilevamento tattile per comprendere una varietà arbitraria di strati di stoffa, in alternativa a uno o due strati su cui ci siamo concentrati in questo lavoro”, ha aggiunto Weng. “Inoltre, stiamo studiando approcci multimodali che mescolano ogni rilevamento fantasioso e preveggente e tattile in modo da poter sfruttare i vantaggi di ciascuna modalità del sensore”.


Generazione di dati sensoriali cross-modali per la percezione robotica visivo-tattile


Dati extra:

Sashank Tirumala et al, Studiare per individuare strati utilizzando suggerimenti tattili. arXiv:2207.11196v1 [cs.RO]. arxiv.org/abs/2207.11196

© 2022 Scienza X Comunità

Quotazione:
Utilizzo di sensori tattili e studio delle macchine per migliorare il modo in cui i robot manipolano i materiali (2022, 16 agosto)
recuperato il 16 agosto 2022
da https://techxplore.com/information/2022-08-tactile-sensors-machine-robots-fabrics.html

Questo documento è soggetto a copyright. Al di là di ogni veridicità ai fini dell’esame o dell’analisi personale, n
la metà potrebbe anche essere riprodotta senza il permesso scritto. Il materiale contenuto viene fornito esclusivamente per le funzioni di dati.



The Ultimate Managed Hosting Platform

Source link

Continue Reading

Ultime notizie

Il controllo del processo di produzione del calcestruzzo aumenta la resistenza del 30%

Published

on

Controlling the concrete manufacturing process increases the strength by 30%

The Ultimate Managed Hosting Platform

Geometrie degli aggregati totalmente differenti: (a) classificazione comune [Simms et al, 2019]; (b) aggregati arrotondati utilizzati nell’analisi in corso; (c) aggregati angolari utilizzati nell’analisi in corso. Punteggio di credito: Kazem Reza Kashyzadeh et al, Edifici (2022). DOI: 10.3390/edifici12040438

Per estendere la potenza del calcestruzzo, i ricercatori offrono nuove strategie di rinforzo, spesso con edifici in acciaio o nanofibre. Un professore del RUDN College con colleghi iraniani ha trovato un mezzo più ordinato. Anche da una mietitrebbia standard per calcestruzzo, è possibile ottenere materiali extra robusti. Il livello principale è decidere le proporzioni adeguate e le circostanze di indurimento. I risultati sono rivelati in Edifici.

Per rendere il calcestruzzo extra immune alle centinaia statiche e cicliche, è integrato con un “quadro”: rinforzo o nanofibre. Allo stesso tempo, è comunque essenziale cercare metodi per rinforzare il calcestruzzo anche senza armatura. Ad esempio, è essenziale ripristinare edifici precedenti costruiti con calcestruzzo dispari. Un professore del RUDN, insieme a colleghi iraniani, ha eseguito una raccolta di esperimenti e ha creato una comunità neurale sintetica per calcolare il modo migliore per rendere il calcestruzzo più forte con nuovi “elementi”.

“Il calcestruzzo è un materiale composito di piccoli e grandi aggregati, che vengono legati tra loro con una malta cementizia e induriscono. Per estendere la potenza statica e ciclica degli edifici, gli ingegneri civili utilizzano il cemento armato. Edifici giganti che ricordano dighe e parcheggi a più piani sono prodotti in cemento armato. Tuttavia, ci sono ancora edifici in cemento tipici precedenti in tutto il mondo che devono essere ristrutturati. Successivamente, scoprire metodi sensati ed economici per estendere la potenza del calcestruzzo tipico rimane un lavoro necessario. Molte delle analisi sono obsolete. Solo pochi ricercatori utilizzano nuove strategie, simili all’estrazione della conoscenza, agli algoritmi della comunità neurale, alle strategie di ottimizzazione ibrida e allo studio delle macchine per valutare il potere del calcestruzzo dispari”, ha affermato Kazem Reza Kashyzadeh, professore presso la Divisione dei trasporti presso il RUDN College.

Gli ingegneri hanno calcolato i parametri di combinazione ottimali che rendono il calcestruzzo il più robusto possibile senza l’utilizzo di ulteriori parti. La potenza è influenzata dalla forma e dimensione delle particelle del riempitivo – pietrisco, ghiaia o sabbia – e dalla solidificazione della risposta. Il più efficace di particelle di riempitivo è arrotondato. Le frazioni angolari, al contrario, riducono la potenza. Perché il aumenterà, la potenza aumenterà. E la temperatura alla quale la risposta si indurisce è massima conservata a 10 livelli C. In questo modo, è possibile raggiungere un aumento del 30% all’interno della potenza del calcestruzzo.

Per la simulazione, gli ingegneri RUDN hanno creato una comunità neurale sintetica utilizzando la cosiddetta tecnica di backpropagation. Per istruire la comunità neurale, i ricercatori hanno eseguito una raccolta di esperimenti con campioni di cemento totalmente diversi. Una parte delle conoscenze sperimentali è stata lasciata per controllare il manichino successivo.

“Abbiamo scoperto che nel tipico cemento, l’aspetto del , la loro dimensione e geometria, oltre alle circostanze di cura, hanno una grande impressione sul potere. Abbiamo studiato la connessione tra questi parametri sperimentalmente e ottenuto le circostanze migliori per acquisire robusto ”, ha affermato il professor Kashyzadeh.


Il calcestruzzo che utilizza gomma per pneumatici riciclata promette una spinta per l’economia circolare


Informazioni extra:

Kazem Reza Kashyzadeh et al, Previsione dell’energia di compressione concreta che utilizza una comunità neurale di nuova propagazione ottimizzata da un algoritmo genetico e valutazione del pavimento di risposta che contempla l’aspetto degli aggregati e delle situazioni di polimerizzazione, Edifici (2022). DOI: 10.3390/edifici12040438

Offerto da
Base russa per l’analisi primaria

Quotazione:
Il controllo del corso di produzione del calcestruzzo aumenterà la potenza del 30% (2022, 16 agosto)
recuperato il 16 agosto 2022
da https://techxplore.com/information/2022-08-concrete-strength.html

Questo documento è soggetto a copyright. Al di là di ogni onesto trattamento finalizzato alla ricerca o all’analisi personale, n
la metà potrebbe anche essere riprodotta senza il permesso scritto. Il materiale contenuto viene fornito esclusivamente per funzioni informative.

L'ultima piattaforma di hosting gestito

Collegamento sorgente

Il post Il controllo del processo di produzione del calcestruzzo aumenta la resistenza del 30% è apparso per la prima volta su Le ultime novità in fatto di intelligenza artificiale | Robotica AI | Notizie sull’apprendimento automatico.

The Ultimate Managed Hosting Platform

Source link

Continue Reading

Trending