Nano Dimension Ltd. a annoncé le dépôt d'une demande de brevet américain intitulé " Large Language Models for Efficient Anomaly Detection in Log Files of Industrial Machines " (le " Log Analysis Patent " ou " Patent "), qui est destiné à l'analyse de données en temps réel et à un déploiement évolutif dans les systèmes de la société et dans les solutions industrielles fournies à des clients externes.

Le brevet sur l'analyse des journaux s'attaque à l'un des principaux défis de la détection automatisée des anomalies. Alors que les journaux de machines constituent généralement une source précieuse d'informations pour les systèmes industriels, ils sont de plus en plus difficiles et coûteux à analyser à mesure que les systèmes sous-jacents gagnent en complexité et que le volume des données de journaux qu'ils contiennent se multiplie. De plus, les journaux sont généralement analysés après que les événements se soient produits et non en temps réel, manquant ainsi l'opportunité d'appliquer des actions correctives.

Pour surmonter ces problèmes, Nano Dimension a étendu ses brevets d'IA existants avec un modèle de langage étendu (?LLM ?) qui peut fonctionner indépendamment des étiquettes d'ingénierie. Grâce à ce modèle, la technologie exploite le sentiment existant qui est exprimé dans les journaux des machines. Cela permet un processus entièrement automatisé de prédiction par l'IA des anomalies de fabrication avant qu'elles ne se produisent, en se basant soit uniquement sur les journaux, soit en combinaison avec d'autres données machine, et en étant suffisamment efficace pour traiter des milliards de lignes de journaux.

Le brevet sur l'analyse des journaux fait suite à un brevet connexe qui a été déposé et annoncé en septembre 2023. Les deux brevets sont tout aussi précieux pour le développement des produits de Nano Dimension, qui sont conçus avec l'IA du groupe DeepCube basée sur l'apprentissage profond, que pour les clients et partenaires tiers, qui se tournent de plus en plus vers la société pour tirer parti de la même technologie dans leurs propres processus et systèmes industriels.