АСПЕКТИ РОЗРОБКИ СИСТЕМ ФЕДЕРАТИВНОГО НАВЧАННЯ В ЛЮДИНООРІЄНТОВАНОМУ ПРОМИСЛОВОМУ ПІДПРИЄМСТВІ

Abstract

При переході від Індустрії 4.0 до Індустрії 5.0 фокус сучасної промисловості зміщується від людиноорієнтованості до людиноцентричності. Федеративне навчання (ФН) є найбільш ефективною інноваційною концепцією машинного навчання смарт індустрії. У цій публікації проаналізовано підходи до розробки людиноцентричних систем ФН, що впроваджуються на промислових підприємствах з використанням керованих робототехнічних платформ, інтернету речей персоналу та промислового інтернету речей. Проаналізовано схеми локально-централізованих і глобально-централізованих ФН. Для промислового підприємства розроблено покрокову реалізацію локально-централізованої та глобально-централізованої ФН. Виявлено, що локально-централізоване ФН забезпечує високий рівень захисту конфіденційності, оскільки дані обробляються і зберігаються безпосередньо на пристрої. Використання централізованого сервера зменшує затримки обробки даних. Однак загальність моделі обмежена, оскільки агреговані дані можуть не враховувати умови роботи всього підприємства. Широкий спектр умов може бути врахований і модель може бути збагачена за допомогою глобально-локально-централізованої ФН. Модель виявилася корисною при розробці систем для промислових компаній, що використовують інтернет речей персоналу та промисловий інтернет речей. Така архітектура підвищує ризик втрати конфіденційності через централізований обмін даними. Передача великих обсягів оновлених моделей є критичною у випадку ресурсомістких процесів.