Un nouvel outil de gestion de modèles conduit à une meilleure productivité

robot informatique

Crédit : Pixabay/CC0 domaine public

Dans les systèmes multi-domaines complexes, comme les robots, des experts de différents domaines combinent plusieurs modèles pour développer ou améliorer le système. La gestion des modèles peut réduire les incohérences, et donc le doctorat. l’étudiant Weslley Torres a construit un outil appelé XAMÃ, dans lequel les utilisateurs peuvent identifier quels modèles peuvent être affectés par le changement d’un autre modèle. Les ingénieurs de l’équipe de robotique TU/e ​​ »Tech United » ont testé son outil, et Torres a observé que XAMÃ peut être utilisé comme un allié pour améliorer la productivité. Il a défendu avec succès son doctorat. Thèse au département de Mathématiques et Informatique le 21 septembre.

La gestion des modèles appartenant au même domaine peut ne pas être une tâche complexe en raison des fonctionnalités fournies par les outils de développement disponibles. Cependant, la gestion de modèles interdépendants de différents domaines est difficile. Un robot est un exemple d’un tel système multi-domaines. Pour le développer, il peut être nécessaire de combiner des modèles créés par des experts des domaines de la mécanique, de l’électronique et du logiciel. Ces modèles peuvent être créés à l’aide d’outils spécifiques au domaine de chaque domaine, et un changement dans un modèle d’un domaine peut avoir un impact sur un modèle d’un domaine différent provoquant une incohérence dans l’ensemble du système.

Torres visait à faciliter l’évolution des modèles dans ce cadre multi-domaines. L’un de ses objectifs était d’identifier les relations entre les modèles de différents domaines. Pour obtenir les modèles et les relations entre ces modèles, il a collaboré avec l’équipe de robotique TU/e ​​Tech United. La littérature suggère que rendre explicite la relation entre les modèles de différents domaines peut soutenir la maintenance des modèles, ce qui facilite la reconnaissance des modèles affectés en raison d’un changement.

Dans une étape suivante, Torres a étudié la pertinence de la reconnaissance optique de caractères (OCR) pour extraire des éléments textuels à partir de modèles de différents domaines. Les résultats ont été utilisés pour créer une infrastructure capable de stocker les relations identifiées de manière structurée, ce qui facilite le maintien de la cohérence de l’ensemble d’un système. Cet outil, XAMÃ, est composé de quatre parties principales : extraction de texte à partir d’images de modèles, sortie de reconnaissance optique de caractères (OCR) post-traitement pour améliorer la précision de la reconnaissance de texte, identification des relations entre les modèles de différents domaines et multi-domaine gestion des modèles.

Deux aspects de la convivialité de cet outil ont été testés en collaboration avec Tech United. Le premier aspect était de savoir si les utilisateurs pensent qu’un outil peut améliorer leurs performances au travail, le second si les utilisateurs pensent qu’un outil est facile à utiliser. En conséquence, XAMÃ aide à trouver les relations entre les éléments du modèle plus rapidement et avec une meilleure précision et un meilleur rappel. Il était qualifié de bon en termes d’utilité et de facilité d’utilisation et surtout, il pouvait améliorer la performance ou la productivité au travail. Cependant, comme il ne s’agit que d’un aspect de cet outil prometteur, davantage d’études de validation et d’autres évaluations sont nécessaires.


Doubler les performances de l’IA de reconnaissance visuelle


Fourni par l’Université de technologie d’Eindhoven

Citation: Un nouvel outil de gestion de modèle mène à une meilleure productivité (2021, 29 septembre) récupéré le 29 septembre 2021 à partir de https://techxplore.com/news/2021-09-tool-productivity.html

Ce document est soumis au droit d’auteur. En dehors de toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans l’autorisation écrite. Le contenu est fourni seulement pour information.