Apputveckling

Systemutveckling

Nytt IQ – IT-tjänster & IT-lösningar för företag

Dataanalys

Publicerad: 31 januari, 2024Uppdaterad: 12 april, 2024&nbsp;Automatisering av repetitiva arbetsuppgifter och flöden står högt upp på priolistan för många bolag. Det kan nämligen bidra till en mer effektiv och lönsam verksamhet som enklare kan hålla sig konkurrenskraftig i dagens snabbföränderliga affärslandskap. &nbsp;&nbsp;Inom produktion och logistik har man börjat utforska möjligheterna att använda kameror och AI för att sätta upp ett visionssystem som kan automatisera och effektivisera flöden. Det har visat sig vara särskilt användbart för kvalitetskontroller och övervakning i realtid. Trots att AI-drivna visionssystem är relativt nytt inom en produktionsmiljö eller på ett lager så är det hög tid att börja läsa på och fundera på om denna teknik är något för din verksamhet.&nbsp;&nbsp;I detta blogginlägg får du en introduktion till AI-drivna visionssystem, hur det fungerar och hur det tillämpas. Du får även reda på vilka fördelar och möjligheter som finns med det baserat på fall från verkligheten.&nbsp;&nbsp;&nbsp;<figure class="image"><img src="https://nyttdev.com:8000/blog-ck/-F7a.jpg"></figure>&nbsp;&nbsp;<h3 style="margin-left:0px;">Datorseende – AI-tekniken som ger datorerna ögon</h3>&nbsp;AI-baserade visionssystem har tillämpats sedan en lång tid tillbaka. Självkörande bilar och ansiktsigenkänning har du säker hört talas om tidigare. Det är bara några tidiga exempel på hur man med hjälp av AI effektivt analyserat visuell data för att upptäcka objekt eller personer.&nbsp;&nbsp;Visionssystem om drivs av AI kallas även datorseende (computer vision) eller maskinseende (machine vision). Dessa begrepp kommer från sättet AI gör det möjligt för datorer och andra maskiner att se. Precis som våra ögon och hjärna hjälper oss att se och förstå vår omgivning hjälper AI datorer och maskiner att göra detsamma.&nbsp;AI måste läras upp och tränas på stora mängder data relevant för det syfte den ska användas till. Data kan se olika ut, och för datorseende används visuell data i form av bilder eller videos. Så här går det generellt till:&nbsp;&nbsp;<h4 style="margin-left:0px;">1. Data samlas in</h4>&nbsp;Eftersom AI-modeller tränas på dataset så behöver man samla in relevanta bilder. Ju mer noggrann och korrekt man vill att bildigenkänningen ska vara, desto mer data behöver man. Datainsamling kan ske genom att man tar egna bilder, men ofta finns det även färdiga dataset tillgängliga på nätet. Om det till exempel är olika typer av kaffekoppar man vill att AI-modellen ska lära sig att känna igen så måste den exponeras för bilder på olika kaffekoppar.&nbsp;&nbsp;<h4 style="margin-left:0px;">2. Bilder klassificeras</h4>&nbsp;Nästa steg är att ge de olika bilderna etiketter för att hjälpa modellen att kategorisera det som föreställs i bilderna. Detta kan vara så enkelt som att klassificera objekt som till exempel "porslinskopp” eller “papperskopp”.&nbsp;&nbsp;<h4 style="margin-left:0px;">3. AI-modellen tränas</h4>&nbsp;AI-modellen tränas genom att den analyserar alla bilder och lär sig vad som finns i dem. Den vanligaste tekniken som används för detta kallas <a href="https://www.ibm.com/topics/convolutional-neural-networks">Convolutional Neural Network (CNN)</a>.&nbsp;I fallet med kaffekopparna matar man modellen med bilder på både porslinskoppar och papperskoppar för att träna den på att klassa de olika kopparna korrekt. När man uppnått en tillräckligt hög nivå av precision och korrekthet är det bara att sätta systemet i bruk!&nbsp;&nbsp;<figure class="image"><img src="https://nyttdev.com:8000/blog-ck/OnNg.gif"></figure>&nbsp;&nbsp;<h3 style="margin-left:0px;">Varför behöver datorer och maskiner förmågan att se?&nbsp;</h3>&nbsp;Implementering av datorseende kräver som mycket annat investeringar i både i tid och pengar. Den som tänker långsiktigt förstår att en stor investering idag kan ge stor avkastning längre fram i tiden. Detta stämmer för datorseende eftersom det i längden kan bidra till förbättrad produktkvalitet, effektivare processer och mer korrekta analyser.&nbsp;&nbsp;<ul><li>Långsiktiga kostnadsbesparingar. Implementering av datorseende kräver som mycket annat investeringar i både i tid och pengar. Den som tänker långsiktigt förstår att en stor investering idag kan ge stor avkastning längre fram i tiden. Detta stämmer för datorseende eftersom det i längden kan bidra till förbättrad produktkvalitet, effektivare processer och mer korrekta analyser.&nbsp;</li></ul>&nbsp;<ul><li>Ökat innovationsfrämjande. Innovation är otroligt viktigt för att växa och utvecklas som företag. Inget företag eller organisation som anser sig vara innovativa och redo för framtiden driver sin verksamhet på ett och samma sätt år in och år ut. Att vara snabb på bollen när det kommer till ny teknik bidrar till ett ökat innovationsfrämjande.</li></ul>&nbsp;<ul><li>Starka konkurrensfördelar.Genom att vara bland de första som implementerar ny teknik ligger ditt företag steget före konkurrenterna. Chansen att du får vara med och forma och leda utvecklingen inom din bransch är även mycket stor.&nbsp;</li></ul>&nbsp;Appropå ökad innovation och att ligga steget före… <a href="https://via.tt.se/pressmeddelande/3384952/marknadsforing-datahantering-och-kundtjanst-har-ser-svenska-foretag-storst-fordelar-med-ai?publisherId=2899986&amp;lang=sv">En färsk studie från 2023</a> som undersökte 500 företag visar att bara 1 av 10 har integrerat AI-teknik i sina verksamheter, medan hela 3 av 10 är intresserade av och överväger att göra det!&nbsp;&nbsp;<h3>Så tillämpas datorseende idag</h3>&nbsp;Datorseende är ett värdefullt verktyg, i synnerhet inom tillverkning och logistik och lagerhantering. Med den artificiella intelligensens förmåga att analysera visuella data kan identifiering av mönster, följning av rörelser och övervakning ske i realtid. Med hjälp av detta kan du som företag optimera din verksamhet, effektivisera dina processer och minimera fel, beroende på din bransch. Nedan följer några exempel på hur datorseende idag tillämpas i praktiken.&nbsp;&nbsp;<h4 style="margin-left:0px;">Kvalitetskontroll</h4>&nbsp;Med datorseende kan man upptäcka defekter och produktfel snabbt och effektivt – i realtid! Detta gör att en av de mest användbara tillämpningarna är för kvalitetskontroll, vilket är särskilt viktigt inom tillverkningsindustrin. AI-system är mycket bättre än oss på att vara konsekventa trots stora mängder bilder att gå igenom, vilket här minimerar den mänskliga faktorn. Att automatisera kvalitetskontroll med hjälp av AI vid tillverkning är därför mycket värdefullt.&nbsp;<h4 style="margin-left:0px;">Övervakning av lager i realtid</h4>&nbsp;Med hjälp av kameror och AI-teknik kan man övervaka och följa hur objekt rör sig genom ett flöde i realtid. Detta bidrar till att effektivt minska förluster, stölder och felplaceringar, och äger du ett lager så får du bättre koll och mer korrekta lagernivåer. Innovativa logistiklösningar som utnyttjar datorseende kan fastställa exakt var i lagret delarna finns, vilket gör att lagerhantering i realtid inte bara är en möjlighet utan en verklighet.&nbsp;&nbsp;<h4 style="margin-left:0px;">Medicinsk bildanalys</h4>&nbsp;Varje dag genereras tusentals röntgenbilder inom hälso- och sjukvården som behöver analyseras för att <a href="https://nyheter.ki.se/ki-forskare-far-pris-for-ai-baserad-bildanalys-vid-brostcancer">ställa diagnoser eller hitta anomalier.</a> Här ger AI-driven bildanalys vårdgivare stora möjligheter att effektivisera denna process, vilket bidrar till att mer korrekta resultat når patienter snabbare.&nbsp;&nbsp;Läs även: <a href="https://nytt-iq.se/blog/fran-fallolyckor-till-forskning-ai-inom-varden">Från fallolyckor till forskning: AI inom vården</a>&nbsp;&nbsp;&nbsp;<figure class="image"><img src="https://nyttdev.com:8000/blog-ck/k6zN.jpg"></figure>&nbsp;&nbsp;<h3 style="margin-left:0px;">Ett sätt att framtidssäkra din verksamhet</h3>&nbsp;AI är på väg att bli ett verktyg för förändring som sätter företag i förarsätet och möjliggör nya lösningar som skapar värde. AI-baserade visionssystem är inget undantag.&nbsp;Ett av de största hindren företag står inför när det kommer till att integrera AI är brist på resurser och rätt kompetens, och att skaffa det kan komma att kräva omfattande investeringar. Vi på Nytt IQ har lång erfarenhet av att utveckla anpassade AI-lösningar och hjälper företag att skapa kostnadseffektiva lösningar som skapar värde på riktigt. Detta för att vi tror på att bygga lösningar som faktiskt löser det problem som står i vägen för företagets framgång!&nbsp;&nbsp;<a href="https://nytt-iq.se/boka-mote">Kontakta oss</a> idag och berätta mer om dina idéer kring att implementera just datorseende eller andra AI-lösningar, eller <a href="https://nytt-iq.se/vara-tjanster">läs mer om våra tjänster inom AI och machine learning.</a>&nbsp;&nbsp;&nbsp;Läs även:<ul><li><a href="https://nytt-iq.se/blog/problem-och-risker-med-ai-och-hur-de-kan-tacklas">Problem och risker med AI och hur de kan tacklas</a></li><li><a href="https://nytt-iq.se/blog/artificiell-intelligens-vad-ar-det-och-hur-anvands-det">Artificiell intelligens - Vad är det och hur används det?</a></li><li><a href="https://nytt-iq.se/blog/sa-ser-ditt-foretag-till-att-ai-skapar-verkligt-varde">Så ser ditt företag till att AI skapar riktigt värde</a></li></ul>&nbsp;&nbsp;&nbsp;

Computer vision syftar på att ge datorer och maskiner förmåga att se. Trots att det är nytt för många finns stora fördelar med att implementera denna AI-teknik.

Ett nytt sätt att se – Hur computer vision innoverar din verksamhet

Publicerad: 21 november, 2023&nbsp;Inom de närmsta åren väntas EU införa ett <a href="https://commission.europa.eu/energy-climate-change-environment/standards-tools-and-labels/products-labelling-rules-and-requirements/sustainable-products/ecodesign-sustainable-products-regulation_en">krav på digitala produktpass på fysiska produkter.</a> Produktpassen ska innehålla hållbarhetsdata för varje enskild produkt. Syftet är att öka transparensen och spårbarheten av produkter för att ge upphov till cirkulära affärsmodeller och för att bidra till en ökad konsumentmedvetenheten kring produkters miljöpåverkan.&nbsp;Ambitionen är att alla produkttyper, med undantag av livsmedel och läkemedel, ska omfattas av kravet&nbsp;till år 2030. För dig som tillverkare kan detta komma att bli en stor omställning.&nbsp;&nbsp;<h3 style="margin-left:0px;">Hela leverantörskedjan påverkas</h3>&nbsp;Trots att det är företagen som introducerar eller säljer produkterna på EU:s marknad som själva ansvarar för att upprätthålla produktpassen så påverkas hela värdekedjan av införandet. Leverantörer, underleverantörer, tillverkare och importörer kommer att behöva dela med sig av information. För dessa aktörer blir det därför aktuellt att börja samla in och jobba mycket mer med data om man inte redan gör det idag.&nbsp;&nbsp;&nbsp;<h3 style="margin-left:0px;">Förberedelse i god tid är avgörande</h3>&nbsp;I dagsläget finns inga detaljer för hur de digitala produktpassen ska implementeras rent praktiskt, men det finns starka indikationer på vilken typ av information som man kommer att behöva inkludera. Det handlar till exempel om information om hur hållbara materialen och tillverkningsprocesserna är. Trots frågetecken och oklarheter för hur man som företag ska implementera digitala produktpass så är en sak säker - man måste börja förbereda sig nu för att kunna anpassa sig till det kommande EU-kravet. Förberedelse i god tid är avgörande för att ligga i framkant när förändring sker. &nbsp;&nbsp;För ditt tillverkningsföretag kan detta bli en stor omställning.<a href="https://nytt-iq.se/digitala-produktpass-som-nyckeln-till-hallbar-produktion.html"> I vårt white paper</a> förklarar vi vad de digitala produktpassen innebär för dig som tillverkare, hur du påverkas och vad som kommer att förväntas av dig.&nbsp;<a href="https://nytt-iq.se/digitala-produktpass-som-nyckeln-till-hallbar-produktion.html"><img src="https://nyttdev.com:8000/blog-ck/rYw0.png"></a>&nbsp;&nbsp;&nbsp;Läs även:<ul><li><a href="https://nytt-iq.se/blog/data-darfor-ar-det-ditt-foretags-viktigaste-verktyg">Data - Därför är det ditt företags viktigaste verktyg</a></li><li><a href="https://nytt-iq.se/blog/att-bygga-robusta-och-skalbara-system-for-framtidens-affarsbehov">Att bygga robusta och skalbara system för framtidens affärsbehov</a></li><li><a href="https://nytt-iq.se/blog/hur-dataanalys-gor-nytta-for-ditt-foretag-oavsett-bransch">Hur dataanalys gör nytta för ditt företag oavsett bransch</a></li></ul>&nbsp;&nbsp;&nbsp;

 Hur påverkar EU:s kommande krav på digitala produktpass tillverkare? Det kan du läsa om här samt vad du kan göra idag för att förbereda dig.

Hållbar produktion: Inför EU-kravet om digitala produktpass

Publicerad: 30 oktober, 2023&nbsp;AI kan användas på många sätt för att underlätta mycket för oss människor. Detsamma gäller med AI i sjukvården. Där kan det bidra till förbättrad patientvård och till stora framsteg inom medicinsk forskning och innovation. Det är dock viktigt att påpeka att AI inte kan ersätta mänsklig vårdpersonal och inte är ett medicinskt hjälpmedel men att det är ett mycket användbart verktyg som kan hjälpa vårdpersonal att effektivisera sitt arbete.&nbsp;<h3>Här är fem saker&nbsp;AI inom vården leder till:</h3><h3>&nbsp;</h3><h4>1. Pricksäker vård</h4><a href="https://www.ibm.com/blog/the-benefits-of-ai-in-healthcare/">Effektivare vård kan ges med hjälp av att AI</a> analyserar journaler och föreslår anpassade behandlingsplaner. Det kan även bidra till att förutsäga och förebygga komplikationer, övervaka patienters framsteg, och till och med&nbsp;<a href="https://www.tn.se/article/31645/chat-gpt-lika-bra-som-lakare-pa-akuten/">bidra till diagnosering</a> av komplexa eller sällsynta tillstånd.&nbsp;<h4>2. Hantering av kroniska sjukdomar</h4><a href="https://www.wwt.com/article/5-benefits-of-using-ai-in-healthcare">AI kan hjälpa vårdgivare att hantera sjukdomar</a> som diabetes, hjärtsjukdomar eller cancer genom att övervaka patienters hälsodata över tid. Det kan även ge rekommendationer om livsstilsförändringar och behandlingsalternativ som kan hjälpa patienters olika tillstånd.&nbsp;<h4>3. Tidig upptäckt av hälsorisker</h4>Ett av de mest effektiva sätten att förebygga många allvarliga sjukdomar eller hälsorisker är tidig upptäckt. AI kan hjälpa till att upptäcka dessa innan de blir allvarliga eller symtomatiska genom att analysera genetisk information och sjukdomshistoria. Detta möjliggör tidiga insatser och förebyggande åtgärder, vilket både räddar liv och sparar resurser.&nbsp;<h4>4. Optimering av arbetsflöden</h4>Vårdyrket innefattar en hel del administrativt arbete. AI kan bidra till att minska denna arbetsbörda genom att automatisera uppgifter som pappersarbete, fakturering, schemaläggning och rapportering. Det kan också bidra till att optimera resursfördelning, som personal och utrustning, genom att använda prediktiv analys för att ge en prognos för utbud och efterfrågan.&nbsp;<h4>5. Påskyndad medicinsk forskning</h4>Medicinsk forskning är livsviktig. På denna front kan AI hjälpa till att påskynda framstegen genom att ge tillgång till stora datamängder och metoder för att samla in data. Denna data kan sedan snabbt analyseras (också med hjälp av AI!) och bidra till att skapa prediktiva modeller som kan diagnosera medicinska tillstånd, identifiera riskfaktorer eller upptäcka nya läkemedel.&nbsp;<figure class="image"><img src="https://nyttdev.com:8000/blog-ck/6ou-.png"></figure>&nbsp;<h3>Exempel på AI i vården från verkligheten</h3>&nbsp;Man har redan börjat testa AI i vården på flera håll – med lovande resultat! Det har bland annat applicerats för att minska antal fallolyckor bland patienter och för att ställa medicinska diagnoser.&nbsp;&nbsp;<h4>Minskade fallolyckor</h4>&nbsp;Nyligen avslutade Sahlgrenska Universitetssjukhuset och Södra Älvsborgs sjukhus <a href="https://sahlgrenskaliv.se/farre-fallolyckor-pa-vardavdelningar-med-hjalp-av-ai/">ett projekt där de undersökte möjligheterna att minska fallolyckor bland patienter med hjälp av AI.</a> Rörelsesensorer installerades på delar av sjukhusen och med hjälp denna data kunde AI-tekniken upptäcka och registrera hur patienter rörde sig i realtid. Om en patient till exempel vände på sig i sängen så skickade sensorerna en varningssignal. Med denna teknik kunde man tidigt upptäcka avvikande rörelser och risker, och därmed förhindra fallolyckor.&nbsp;&nbsp;<h4>“ChatGPT lika bra som läkare på akuten”</h4>&nbsp;Den slutsatsen drog nederländska forskare efter&nbsp;<a href="https://www.tn.se/article/31645/chat-gpt-lika-bra-som-lakare-pa-akuten/">en mindre studie om ChatGPT:s förmåga att ställa diagnoser.</a> Utifrån läkares anteckningar om symptom och testresultat kunde chatboten ge förslag på möjliga diagnoser. När dessa sedan jämfördes med läkarnas egna förslag och den rätta diagnosen visade det sig att ChatGPT hade rätt i hela 97% av fallen!&nbsp;&nbsp;<h3>AI har kommit till vården för att stanna</h3>&nbsp;Inom hälso- och sjukvården finns stora möjligheter för AI att förbättra och effektivisera både patientvård och vårdpersonalens arbete. Det kan även bidra till att upptäcka hälsorisker och till att snabba på forskning. Men det är viktigt att inte se AI som lösningen eftersom&nbsp;<a href="https://nytt-iq.se/blog/problem-och-risker-med-ai-och-hur-de-kan-tacklas">det kan vara problematiskt om det används på fel sätt och utan vårt mänskliga förnuft</a>.&nbsp;&nbsp;&nbsp;Läs även:<ul><li><a href="https://nytt-iq.se/blog/artificiell-intelligens-vad-ar-det-och-hur-anvands-det">Artificiell intelligens - vad är det och hur används det?</a></li><li><a href="https://nytt-iq.se/blog/sa-ser-ditt-foretag-till-att-ai-skapar-verkligt-varde">Så ser ditt företag till att AI skapar verkligt värde</a></li><li><a href="https://nytt-iq.se/blog/kundcase-mymedicaldata">Kundcase: MyMedicalData - En vision som krävde hög teknisk kompetens</a></li></ul>&nbsp;&nbsp;&nbsp;

AI i sjukvården har stor potential att förbättra vårdkvalitet och effektivisera arbetsflöden. Läs om några exempel detta i praktiken här!

Vad vi gör

Apputveckling

Systemutveckling

Dataanalys