Allen-Bradley ControlLogix 和 CompactLogix 控制器的指令集非常广泛。因此，有许多普通用户可能永远不会使用甚至不知道的说明也就不足为奇了。 Split-Range Time-Proportioning 指令（缩写为 SRTP）也不例外。 自从 20 多年前发布 Allen-Bradley ControlLogix 产品以来，我一直在使用它们，几年前我偶然发现了这条指令，它隐藏在 ControlLogix 和 CompactLogix 指令集的过程控制指令组中。 SRTP 指令只能作为功能块或结构化文本指令使用，遗憾的是，不能以梯形逻辑形式使用。

如何适应数字化转型 制造业有许多数字化转型趋势。增材制造、连接设备、云服务等可帮助企业在瞬息万变的世界中获得控制权。许多公司都在谈论数字化转型，但最近的事件表明，技术仍然受到自然资源、人口和疾病等传统因素的驱动。 我们已经介绍了 3D 打印如何推动数字化转型。以下内容将快速回顾推动制造业的预测技术以及当前加速行业推动数字化未来的驱动因素。稍后，我们将回顾数据、仪表板和云计算如何影响数字化转型。 预测数据：灵活快速 预测性维护有助于显示机器何时需要维修。这是通过数据完成的，并已被证明是有价值的。预测性维护一词已经存在多年，通常是一种相对简单的方式来显示采用新技术的投资回报 (ROI)

如何适应数字化转型 制造业有许多数字化转型趋势。增材制造、连接设备、云服务等可帮助企业在瞬息万变的世界中获得控制权。许多公司都在谈论数字化转型，但最近的事件表明，技术仍然受到自然资源、人口和疾病等传统因素的驱动。 我们已经介绍了 3D 打印如何推动数字化转型。以下内容将快速回顾推动制造业的预测技术以及当前加速行业推动数字化未来的驱动因素。稍后，我们将回顾数据、仪表板和云计算如何影响数字化转型。 预测数据：灵活快速 预测性维护有助于显示机器何时需要维修。这是通过数据完成的，并已被证明是有价值的。预测性维护一词已经存在多年，通常是一种相对简单的方式来显示采用新技术的投资回报 (ROI)

在计算机出现的初期，科学家们主要用它们来执行简单的数学和逻辑运算。然后，计算机慢慢进化为执行复杂的计算，精心解决问题，并形成世界的信息支柱。超越传统计算的范围意味着计算机需要智能。 研究人员和计算机工程师转向模仿人类智能。人工智能 (AI) 是计算机科学领域，致力于创建与人类一样智能的计算系统。最初的人工智能模型是执行复杂逻辑操作的计算系统。后来，开发了更先进的技术来执行更智能或“智能”的任务。 AI 中最常用的两个术语是机器学习和深度学习。本文着眼于这两种技术的起源、它们之间的共性和差异。 深度学习和机器学习 机器学习和深度学习是人工智能的子集。在它们之间，深度学习是机器学习的

启动工业电机 工业电机启动器是一种促进三相感应电机启动所需功率的装置。当电机停转时，任何电机都会消耗最大电流（标称电流的五到六倍）。在启动阶段，电机在通电后停转，电机即将转动。 理论上，这听起来很简单，但设计师或工程师可以通过多种不同的方式启动和保护交流 (AC) 感应电机。有些方法比其他方法更有效。 图 1. 手动/开关电机启动器。图片由西门子提供 在基本层面上，电机启动器将允许在短时间内超过断路器或熔断器额定值的电流，直到电机以标称速率旋转。启动器还可以让电机反向启动。 电机启动器的类型 手册 ：手动启动器是最基本的启动器。它本质上是一个带有过载保护的开关。

这个简短的系列涵盖了数字化转型的驱动因素。以下是该系列之前文章的链接。 3D 打印是否会继续推动数字化转型？ 预测性维护与数字化转型之间的关系 如何使用数据推动数字化转型（你在这里） 许多公司正在尝试扩展数字工具，例如监控、远程访问、机器学习等。本文将探讨这些技术如何推动制造业的未来发展。 使用正确的数据 工程师通常会学习如何使用统计和数学来做出决策。工程师们还被告知使用正确的数据和方程式以获得准确的结果很重要。 今天，获取数据的方式比以往任何时候都多。不幸的是，有太多的选择和太多的数据会让公司被淹没。 连接的设备需要做的不仅仅是测量和发送数据。技术人员需要知道数据的含义以及

深度学习是数据分析师武器库中的宝贵工具，在不同领域（包括工业应用）有新应用。深度学习的基本工作原理是利用海量数据构建可以做出准确预测的模型。 让我们考虑一个小例子，说明工业自动化工程师可能会遇到需要结合两种深度学习模型的情况。一家智能手机公司采用生产多种智能手机的生产线。采用深度学习算法的计算机视觉执行生产线的质量控制。 目前，该生产线生产两款智能手机：Phone A 和Phone B。模型A 和B 分别对Phone A 和B 进行质量控制。该公司推出了一款新智能手机 Phone C。生产设施可能需要一种新型号来对第三款名为 Model C 的手机进行质量控制。构建新型号需要大量数据和时

随着制造自动化水平的提高，对控制系统和数据的远程访问的需求和好处也在增加。在流程制造行业，远程访问允许操作员和工程师在办公室、家中或咖啡店通过笔记本电脑、智能手机或平板电脑控制设备、分析数据和排除系统故障。 什么是远程访问？ 远程访问是数据和控制系统以电子方式执行并通过互联网（或者更好的是，公司的私人内部网）访问的地方。通过这种方式，工程师和技术人员不必花太多时间在工业设施周围徘徊来收集过程数据或控制系统。相反，数据以近乎实时的方式以数字方式存储，计算机可以执行过程控制决策。 远程访问特别改进了过程工程，因为通常有必须定期监控的连续、稳态过程。然而，离散制造设施也将从远程访问中受益。但

自主维护是各个行业遵循的概念，在这些行业中，实际机器操作涉及制造的底层。本质上，这种类型的维护工作是通过机器检测潜在的故障原因并自行完成必要的维护。 虽然预测性维护和预防性维护的重要性之间存在争议，但自主维护使操作员能够执行预测性和预防性维护活动。 自主维护策略并不能免除维护人员的责任。然而，它确实允许他们执行更复杂和更高级的活动，而不是普通和基本的功能。 图 1. 破裂的闸阀会导致泄漏。 其中一些需要每天进行的基本活动和功能包括： 监测油（和其他液体）液位 监测传感器及其接线 检查机械或连接管道网络中是否存在裂缝或泄漏 检查连接的系统是否有任何丢失 如何实现自主

什么是平均恢复时间 (MTTR)？ 在自动化软件中，MTTR（平均恢复时间）是用于确定设备诊断和恢复到自动操作的难易程度的指标。 MTTR 是将机器恢复到生产状态所需的平均时间，它为机器效率提供了良好的基准。当与其他指示器一起使用时，它可以向控制工程师和维护人员指出可以减少的潜在故障。 图一。 工业机械。 机器故障 每台机器都有机器故障或警报，可以停止机器并通知操作员或维护人员。有时这些故障很容易清除，有时它们会将维护人员引导到未按应有方式响应的组件。使用 MTTR 计算可以帮助控制软件开发人员使故障描述清晰易懂。 计算 MTTR 工程师可以轻松地手动计算 MTTR

数据湖和大数据是两个经常被误解和错误使用的现代术语。由于隐含的大量数据，这些术语有时可以互换使用。然而，数据湖和大数据是不同的，尽管它们目前的定义可能尚未完全确定。 图 1. 现代数据可以来自许多来源并且具有不同的类型。图片由 Analytics Vidhya 提供 我们先来看一个简短的历史背景。在 2000 年代后期，随着 Facebook 和 Twitter 等社交媒体平台的爆炸式增长，许多数据科学家开始意识到此类平台在生成大量有价值的个人数据方面的潜力。因此，开发了新的软件应用程序以促进数据处理和分析。一个突出的例子是 Apache Hadoop，它本质上是一个开源应用程序

计算流体动力学（通常缩写为 CFD）用于各种行业和应用。 从设计有效的方法来保持 SoC（片上系统）足够凉爽以正常运行，到帮助赛车将时间缩短几秒钟，计算流体动力学仍然是用于仿真和优化的强大工具。 图 1。 CFD 通常与航空航天和汽车设计相关，但它适用于各种行业，包括电动机、机器人、电池和热管理。图片由西门子提供 什么是计算流体动力学 (CFD)？ CFD 是一种基于流体动力学原理的数值模拟和建模工具。它利用数值方法和算法来解决涉及流体流动的问题。 作为此解释的一部分，重要的是要考虑流体不限于液体。流体还包括气体，如空气。 CFD 可以模拟流体流动、化学反应、相变、传热

自从大数据出现以来，现代计算机科学已经达到了新的能力和处理能力的基准。如今，产生 100 TB 或更多数据集的应用程序并不少见，这被认为是大数据。 手头有如此大量的信息，很容易变得杂乱无章并浪费时间在无用的内容上。这就是为什么遵循一种可以提高大数据项目的功效和效率的方法非常重要的两个原因。 图 1. 现代数据科学处理非常大的数据集，也称为大数据。 数据科学生命周期提供了一个框架，帮助定义、收集、组织、评估和部署大数据项目。它是一个迭代过程，由一系列按逻辑顺序排列的步骤组成，便于反馈和旋转。 生命周期序列是什么样的？答案是，没有一个每个人都遵循的通用模型。许多承担大数据项目

随着工业 4.0 席卷整个供应链，很明显它将对所有相关人员产生重大影响。不过，问题是怎么会这样？ 工业 4.0 和供应链 正如您对工业 4.0 这样的名称所期望的那样，各个行业正在发生深刻而革命性的变化，包括制造、开发和现代供应链。 理所当然地被称为第四次工业革命，因此被称为 4.0，它带来了一个全面的趋势，即为新的数字化环境改进数据交换和自动化效率。 工业 3.0 是自动化技术的广泛采用和推出。其中最重要的是先进的机器人技术和可编程逻辑控制器。在这个时代结束时，引入了更好、更高效的自动化系统，现在，玩家正在使用现代智能设备和数据来改进和优化系统。 分解为更简单的术语，第三次工业革命见证

谈到工业物联网 - (IIoT)。工业物联网 (IoT) 中的运营技术不能容忍 IT 风格的修补。使用“威胁分析”是一种安全而强大的解决方案。在公司内部以及整个全球范围内，IIoT 生态系统是 IT 和 OT 之间错综复杂且经过协商的合并。 OT 系统不仅对业务至关重要，它们还可能对国家至关重要，甚至是生死攸关的关键。 与我交谈过的每个工业物联网 (IIoT) 客户都希望获得尽可能强大的安全性。不是物联网——工业物联网 (IIoT)。 客户组织内的谁将执行并拥有此流程？在与构建 IIoT 功能的客户会面后，我遇到了 IT 和 OT/LOB 专业人员之间在 IIoT 安全方面自然但有时紧张的

在过去十年中，没有一个行业没有被技术彻底改变。每天的谈话、通勤和陪伴都发生了变化。尽管如此，医疗保健行业已经取得了超出任何其他行业所能想象的漫长道路。说技术已经改变了医疗保健行业在很多层面上都是轻描淡写。 医疗技术混合 技术的发明和应用改写了医疗保健行业的信条及其影响范围。您可能是医疗保健行业的简单受益人或专业人士。您应该了解医疗保健和技术行业相互依赖的领域正在发生的变化。 我们对医疗保健行业与科技行业的表现进行了调查。 技术的进步影响了人们获得标准医疗保健服务的方式等。即将到来的科技与医疗保健行业的结合是一场不可避免的联姻。 更好的硬件、更好的软件、最好的准确性 医学诊断比以往

任何在该行业工作的人都知道，制造业正在经历一段重大动荡时期。外包和自动化威胁着当前的制造流程，随着密歇根州和俄亥俄州等地的工厂继续关闭，许多前线人员开始担心自己的未来。 制造业的前进之路——不包括倒退 该行业还存在劳动力短缺的严重问题。根据圣路易斯联邦储备银行的数据，职位空缺处于 17 年来的最高水平。熟练的制造业员工正在退休，而且没有足够的人员来接替他们。如果一开始就没有足够的人来填补所有的工作岗位，这反过来又会导致更多的外包和更多的不确定性。 对于一些公司来说，这导致了通过寻找新方法恢复旧工作来稳定现状的绝望尝试。一些人正在寻找方法来激励公司将低薪制造业职位带到美国。 这些保护主义的

随着精通技术的用户数量迅速增加，公共访问计算已成为不同行业垂直领域的全球实体的热门选择。 这种可供公众访问的互联网驱动的共享工作站现在在教育机构、零售组织、银行领域、医疗保健组织和公共图书馆中很常见。 通过提供对数字资源和信息的即时访问，这些设备在增强客户参与度、提高组织效率和确保服务可用性方面发挥着关键作用。 随着组织对此类基于计算机的操作的依赖不断增长，IT 团队面临着艰巨的任务。 IT 必须确保设备在这些多用途计算环境中的最大可用性和可操作性，并且预算非常有限。然而，许多人都在操作一个工作站这一事实本身就带来了 IT 部门必须经常应对的各种挑战。 管理多用户计算环境的 I

实施动态物联网解决方案的公司通过利用云计算的力量来实现这一点也就不足为奇了。然而，它可能会让你感到惊讶如何 云计算正在使这些物联网计划受益。提到云时，很多人都在谈论它的可扩展性、成本效益和低维护，但云能提供的远不止这些。 在决定云计算可能如何影响您的 IoT 工作时，请考虑这些令人惊讶的好处。 #1 云有利于数据集成。 多年来，企业一直在投资大数据计划，结合来自多个来源的信息来帮助他们的企业做出更快、更准确的决策。大多数这些努力都集中在存储在 ERP、CRM 和其他企业系统中的人工生成数据上。仅这些系统就可以生成大量数据，而整个公司的变化（例如合并或收购）可以创建一组全新的数

信不信由你，去中心化并不是什么新鲜事。它首先始于古代人类社会的社会组织。他们一起生活在不到 100 人的新石器时代分散式小社区中，每个人都对彼此负责。 小种群直接让管理更容易。这样的小社区很容易相互信任，而个人之间保持的密切关系使任何一个群体都难以摆脱不良或自私的行为。 （图片由提供） 约翰·杰弗斯 ) 因此，在土地革命之前存在的社会结构由一个分散的社会组成，在这种社会中，生活在一个社区的个人之间进行互动具有有限的层次结构。 没有必要由统治者来管理和控制互动，因为每个人都是自力更生。 然而，随着社区开始更多地关注农业作为一种粮食生产手段，突然有了更多的食物，社区从小到大从 100 人的团体