کدام پیشرفت های آینده در فناوری بر اتوماسیون صنعتی تأثیر خواهد گذاشت؟

کدام پیشرفت های آینده در فناوری بر اتوماسیون صنعتی تأثیر خواهد گذاشت؟
دستگاه‌های دارای رابط کاربری فیزیکی سایبری بر اتوماسیون صنعتی تأثیر می‌گذارند، به این معنی که دارای ویژگی‌های اینترنت اشیا و اتصال، جمع‌آوری داده‌ها، پایگاه دانش، مدل‌سازی، هوش لبه‌ها، تجسم و بسیاری ویژگی‌های پیشرفته‌تر هستند.

 
صنایع تولیدی چگونه از AI/ML استفاده می کنند؟ چگونه کنترل کننده های اتوماسیون بستر لازم را فراهم می کنند؟
صنایع تولیدی از قابلیت‌های AI/ML برای پیش‌بینی خرابی‌های ماشین hmi dop-107bv با استفاده از مدل‌های تعمیر و نگهداری پیش‌بینی‌کننده، پیش‌بینی سفارش‌های مشتری، مصرف‌ها و تولید، بررسی کیفیت با استفاده از تکنیک‌های مبتنی بر دید رایانه استفاده می‌کنند.
 
با کمک نسل بعدی کنترل‌کننده‌های اتوماسیون دارای سخت‌افزار GPU با قابلیت‌های محاسباتی Edge و ابزارهای برنامه‌نویسی مبتنی بر پلتفرم باز، پلتفرم‌های مبتنی بر ابر مانند PaaS، SaaS، IaaS به استفاده از فناوری‌های AI/ML کمک خواهند کرد.
 
هوش مصنوعی و ML نیاز به حجم عظیمی از داده ها اچ ام آی برای جمع آوری توسط دستگاه های IoT دارند. صنعت چه استراتژی هایی را برای همکاری در جمع آوری داده ها برنامه ریزی می کند؟
برای ساخت و اجرای مدل‌های AI/ML ما به داده‌های عظیم، با کیفیت و متفاوت برای پیش‌بینی نتایج بهتر نیاز داریم. صنعت باید استراتژی‌های جمع‌آوری داده‌ها را بر اساس کاربرد، فراوانی نمونه‌برداری و فواصل پیش‌بینی برنامه‌ریزی کند، به عنوان مثال، برای هر منبع جمع‌آوری داده‌های گیاهی PLC، SCADA، HMI، تاریخ‌دانان، پایگاه داده، متر انرژی، سیستم‌های کیفیت، ابزارهای ورود داده، MES، ERP هستند. و غیره. رویکرد جمع‌آوری داده‌های عمومی در این سناریو جواب نمی‌دهد، ما باید با روش‌ها و ابزارهای جمع‌آوری داده‌های بزرگ با تکنیک‌های پردازش داده‌ها مانند Streaming Kafka، Kinesis و برای Big Data Processing، Hadoop و Spark استفاده کنیم.
 
3Vs جمع آوری داده ها باید دنبال شود، یعنی حجم، سرعت و تنوع.
 
هوش مصنوعی و ML چگونه می توانند به شرکت ها در ایجاد مدل های پیش بینی، تجزیه و تحلیل عملیات، پیش بینی های دقیق و خودکارسازی زنجیره تامین کمک کنند؟
هوش مصنوعی و ML به شرکت‌های تولیدی کمک می‌کنند تا مدل‌های پیش‌بینی برای نگهداری، تولید، سفارش‌ها و پیش‌بینی مصرف پیش‌بینی کنند که می‌تواند به افزایش نرخ تولید و کاهش زمان از کار افتادن دستگاه کمک کند و به بهبود عملکرد دستگاه کمک کند.
 
استفاده از ابزارهای تجسم داده ها به تجسم داده ها برای تصمیم گیری اصلاحی و تجزیه و تحلیل عملیات با استفاده از داده های زمان واقعی کمک می کند، با کمک داده های زمان واقعی، کارایی پیش بینی افزایش می یابد.
 
همچنین با روش‌های فوق می‌توان شبکه عرضه را خودکار کرد، یعنی بدون دخالت انسان می‌توان سفارش‌ها را گرفت و ادامه داد و به مشتریان تحویل داد.
 
مزایای کسب و کار هوش مصنوعی و ML:
1. دید - چه اتفاقی می افتد؟ ← دیدن
2. شفافیت - چرا این اتفاق افتاد؟ ← درک
3. توانایی پیش بینی - چه اتفاقی خواهد افتاد → باید آماده شود
4. سازگاری - چگونه می توان به طور مستقل تحت تأثیر قرار گرفت → خود بهینه سازی و حلقه کنترل بسته.
 
پتانسیل کامل هوش مصنوعی و ML تنها زمانی تحقق می یابد که مقیاس عملیات به اندازه کافی بزرگ باشد. SME های متوسط ​​چگونه می توانند با منابع محدود خود سود ببرند؟
در دنیای امروزی فناوری مانعی برای پذیرش نیست - تنها فرهنگ سازمان‌ها برای پذیرش هوش مصنوعی و ML است، یک SME متوسط ​​می‌تواند با استفاده از منابع موجود از افزایش عملکرد، کیفیت و تحویل ماشین به کمک هوش مصنوعی و ML بهره‌مند شود.
 
عنصر انسانی در به کارگیری فناوری های جدید حیاتی است. چگونه می‌توان در سناریویی که پیشرفت‌های فنی هنوز بالغ نشده است، توسعه مهارت برنامه‌ریزی شود؟
موافقم، عنصر انسانی در توسعه و بکارگیری راه‌حل‌های فناوری hmi delta جدید بسیار حیاتی است، در بازار بیرون تبلیغات وجود دارد، یعنی فرصت‌های شغلی به دلیل هوش مصنوعی و ML کاهش می‌یابد، عملاً به دلیل پیشرفت فناوری، فرصت‌های شغلی و یادگیری درست نیست. افزایش در بازار هوش مصنوعی و ML جایگزین انسان نمی شوند و به انسان در تصمیم گیری سریعتر کمک می کند.
 
(نظرات بیان شده در مصاحبه ها شخصی است، نه الزاماً مربوط به سازمان هایی که نمایندگی می شوند)
 
S Gangadhararao Boppana یک متخصص تکنو کارآفرینی و علم داده با ظرفیت قابل توجه برای نوآوری، توسعه محصول، رهبری، و رشد کسب و کار است. داشتن بیش از 14 سال تجربه در صنعت و تجربه کار با 100 شرکت Fortune در توسعه، آزمایش و اجرا. متخصص اجرایی در Industry 4.0 Assessment & Solution Provider for Manufacturing Industry Digital Transformation Journey. ترویج فرهنگ نوآوری و کارآفرینی با خدمت به عنوان یک پلت فرم، یکپارچه کننده سیستم و مشارکت راه حل. کار به سمت فعال کردن راه حل های فناوری مبتنی بر هوش مصنوعی و ML در تولید سیستم های اکو. دانش آموختگان دانشکده بازرگانی هند (ISB).