[视频] 机器 (PLC) 数据记录和仪表板解释

IT 和 OT 的模糊导致运营可见性 几十年来，信息技术 (IT) 一直是制造公司成功的关键组成部分。有了它，公司改进了流程并增加了自动化，从而利用了现有的最佳技术。 但是技术在发展，以操作技术的形式运行工业控制系统的机器和设备的数据可扩展性 ，或 OT，已经赶上了 IT 系统。 结合工业物联网 (II0T)，收集数据和控制工业设备上的物理设备的能力彻底改变了制造的概念，实现了跨运营的深度可见性。 在本文中，我们解释了 IT 和 OT 的概念，并讨论了 IT 与 OT 系统、设备和安全性之间的主要区别。 什么是运营技术？ 操作技术是指用于控制物理设备的硬件和软件的集合。它可以配置为触

组织能否自动化数据质量以改进 AI 和 ML？ 在过去的十年中，公司已经开始把握和释放人工智能 (AI) 和机器学习 (ML) 可以带来的潜力。虽然仍处于起步阶段，但公司已经开始了解这项技术可以带来的重大影响，帮助他们做出更好、更快和更有效的决策。 当然，人工智能和机器学习并不是帮助企业拥抱创新的灵丹妙药。事实上，这些算法的成功取决于它们的基础——特别是质量数据。 没有它，企业将看到他们安装 AI 和 ML 的目标失败了，不良数据的不可预见后果会对企业的效率和声誉造成不可逆转的损害。 但还有另一个探索领域已经成熟。即，能否通过自动化和机器学习本身来提高和维护数据质量？ 数据质量差的风险

数据科学家对于数据科学项目的成功至关重要。但是，他们不能单独做到这一点。他们需要其他技能组合以及自动化解决方案的帮助。 数据，石油 润滑现代机器的齿轮。但是，有一个问题。组织正在努力从这种新的力量中获得业务洞察力。 供不应求 在市场上，许多企业客户正在尝试建立非常大的数据科学团队。有些人正试图雇佣数百人来应对数据爆炸；从客户输入到物联网设备，这将成为主要渠道。 但这并不容易，数据科学家非常短缺。 正如 Gartner 所说，有公民数据科学家——创建或生成使用高级诊断分析或预测和规范能力的模型的人，但其主要工作职能在统计和分析领域之外——但他们为专家数据科学家。他们不会取代专家，因为他们

一家需要优化烘干机性能的农业能源乙醇制造商采用了罗克韦尔自动化的基于物理的人工智能 (AI) 模型。闭环控制器将干燥负载从工厂干燥器转移到蒸发器，并经过定制以减少热损失。结果是：吞吐量提高了 12%，能源效率提高了近 10%，Rockwell 说。 物理信息人工智能模拟，例如物理信息神经网络 (PINN)，开始取代被视为黑盒模型的人工神经网络模型 (ANN)。与 ANN 模拟相比，基于物理的模型产生更准确、更值得信赖的预测。 Siemens Digital Industries Software 技术创新总监 Herman Van der Auweraer 表示，这两种模型都是数据驱动的