Wie wird die Zukunft der intelligenten Fertigung aussehen?
Intelligente Fertigung hat das Potenzial, die gesamte Fertigungsindustrie zu verbessern.
Das Internet der Dinge (IoT) in Kombination mit Breitbandkonnektivität ermöglicht es uns, intelligente Fabriken zu schaffen, in denen jeder Aspekt des Herstellungsprozesses mithilfe künstlicher Intelligenz und prädiktiver Analysen überwacht und optimiert werden kann. Da jedoch die Anzahl der angeschlossenen Geräte zunimmt, steigen auch die potenziellen Sicherheitsrisiken, sodass Cybersicherheit ein zentraler Aspekt bei der Konzeption und Implementierung intelligenter Fabriken ist. In diesem Artikel diskutieren wir die Vorteile der intelligenten Fertigung, die Rolle von 5G bei der Ermöglichung einer intelligenten Fertigung und die Bedeutung der Cybersicherheit zum Schutz digitaler Vermögenswerte und zur Abwehr von Cyber-Bedrohungen.
YuHelenYu lädt den Branchenvordenker Dez Blanchfield als Gastmoderator für AT&T
Business Talks ein. Gemeinsam erkunden wir die aufregende Welt der intelligenten Fertigung, des IoT, 5G und MEC, indem wir kluge Entscheidungen treffen, die Nachfrage vorhersagen und Ausfallzeitenvorteile verhindern und gleichzeitig ein starkes Netzwerk priorisieren Sicherheit.
Hier ist eine Zusammenfassung der Diskussion:
F1. Wie sieht eine Smart Factory in der Praxis aus?
YuHelenYu: Intelligente Fabrik bedeutet, intelligente Technologie auf Fertigungsabläufe anzuwenden. Durch Konnektivitätslösungen wie IoT, Video Intelligence und 5G können wir prädiktive Analysen nutzen, um fundierte Entscheidungen zu treffen, die Nachfrage vorherzusagen und Ausfallzeiten zu verhindern. Meine ideale Fabrik hätte auch eine wirksame Cybersicherheitsstrategie, die sich von der Fabrik auf Remote-Mitarbeiter, Drittanbieter und Zulieferer erstreckt, um zum Schutz vor Schwachstellen beizutragen, auf die Hacker abzielen könnten.
Dez Blanchfield: Ich verwende Infografiken, um die Schlüsselkomponenten einer Smart Factory zu veranschaulichen. Die wesentlichen Treiber der Smart Manufacturing sind digitale Technologien und schnelle Telekommunikation, beides Treiber für Innovation und Digitalisierung.
Maryson W.: Intelligente Fabriken maximieren Edge Computing durch Verbesserung der Cybersicherheit. Industrie 4.0 erfordert mehr Rahmenbedingungen als nur Checklisten, Strategien oder Pläne. Da sich die digitale Transformation schließlich zu einem Wettlauf um das digitale Überleben entwickelt, wird Industrie 5.0 der schwierigste Teil sein.
F2. Warum gilt 5G als Katalysator für „intelligente Fabriken“?
YuHelenYu: 5G ist ein Katalysator, weil es eine höhere Bandbreite und geringere Latenz bietet und Echtzeitkommunikation zwischen Maschinen, Sensoren, Kameras und Menschen ermöglicht. Dadurch können sich mehr Maschinen mit dem Netzwerk verbinden und miteinander kommunizieren, wodurch Produktionsprozesse in Echtzeit optimiert werden. 5G ermöglicht es Herstellern, mithilfe von Sensoren den Standort und Zustand von Lagerbeständen in der Lieferkette zu verfolgen und so Verzögerungen zu vermeiden und Verschwendung zu reduzieren. Es kann Augmented-Reality-Technologie in der Fertigung einsetzen. Techniker können AR nutzen, um Probleme zu visualisieren und zu lösen.
Dez Blanchfield: Industrie 4.0 ist nur in einem schnellen, vertrauenswürdigen, sicheren Netzwerk mit geringer Latenz und hohem Datendurchsatz wie 5G möglich, denn Daten sind der Katalysator für eine intelligente Fertigung.
Maryson W.: Der Lackmustest hat begonnen. Wenn wir wollen, dass künstliche Intelligenz eines Tages alles beherrscht, ist es jetzt an der Zeit zu handeln. Wenn Fabriken weniger manuelle Überwachung von Immobilien haben, könnte 5G die Tür zu 4K-Überwachungskameras öffnen. 5G kann als Rückgrat des Internets der Dinge, industrieller IoT-Geräte und der Vereinfachung des Betriebs digitaler Zwillinge zusammengefasst werden.
F3. Was ist der Unterschied zwischen 5G und Glasfaser? Wie tragen sie zum Aufbau eines zuverlässigeren Netzwerks bei?
YuHelenYu: Fortschrittliche drahtlose Technologien wie 5G, Edge oder Wi-Fi können die Flexibilität bei der Verbindung von Datenerfassungsendpunkten maximieren. Fortschrittliche Internetlösungen wie kommerzielle Glasfasern bilden das Rückgrat für fortschrittliche drahtlose Technologien, um die Geschwindigkeiten zu erreichen, die für Entscheidungen in Echtzeit erforderlich sind.
Dez Blanchfield: Die wichtigsten Punkte hier sind, dass es sich bei dem einen um drahtlose (5G) und bei dem anderen um „fest verkabelte“ (Glasfaser) Technologie handelt. Sie bieten einzigartige, aber leistungsstarke und wertvolle Lösungen für Produktionsstandorte.
F4. Welche Expertise benötigen Unternehmen, um ein zuverlässiges Fertigungsnetzwerk aufzubauen?
YuHelenYu: Alles beginnt mit geschäftlichen Prioritäten. Das erforderliche Fachwissen beginnt mit dem Geschäftsergebnis, das Sie erreichen möchten, und dann mit der Technologie, die dafür erforderlich ist. Einige der vorrangigen Bereiche, die ich sehe, sind künstliche Intelligenz, maschinelles Lernen, IoT, Big Data und Analytics. Die Wahl des richtigen Partners mit der erforderlichen Expertise ist entscheidend.
Dez Blanchfield: Erfolgreiche Smart-Manufacturing-Unternehmen werden die richtigen Partner auswählen, um ihre zukünftigen Netzwerke zu entwerfen, bereitzustellen und zu verwalten und sich gleichzeitig auf ihr Kerngeschäft zu konzentrieren.
Maryson W.: Die Wahrscheinlichkeit, keine Blockchain zu benötigen, liegt bei weniger als 50 %.
F5. Welche Rolle spielt Cybersicherheit in der digitalen Revolution der Fertigung?
YuHelenYu: Cybersicherheit spielt eine entscheidende Rolle in der digitalen Revolution der Fertigung. Da Produktionsanlagen zunehmend industrielle IoT-Geräte, Automatisierungssysteme und Cloud Computing einsetzen, vergrößert sich die Angriffsfläche für Cyber-Bedrohungen. Cybersicherheitsmaßnahmen sind der Schlüssel zum Schutz digitaler Vermögenswerte. Implementieren Sie Firewalls, Systeme zur Erkennung und Verhinderung von Eindringlingen, Zugriffskontrollmechanismen und Verschlüsselungsprotokolle, um unbefugten Zugriff, Datenlecks und andere Cyber-Bedrohungen zu verhindern. Zur Cybersicherheit in der Fertigung gehört auch die Sicherung der Lieferkette, da viele Hersteller für Komponenten und Dienstleistungen auf Drittanbieter angewiesen sind.
Dez Blanchfield:: Sicherheit oder Cybersicherheit spielte schon immer eine Schlüsselrolle in der Entwicklung der Fertigung und ist jetzt ein Schlüsselelement der digitalen Revolution.
Q6. Was sind die größten Hindernisse für Cybersicherheit und Zuverlässigkeit für Hersteller?
YuHelenYu: Die größten Hindernisse für die Cybersicherheit sind der Mangel an Bewusstsein und Fachwissen sowie die zunehmende Komplexität von Fertigungsnetzwerken, da immer mehr digitale Technologien eingesetzt werden und verschiedene Geräte und Systeme miteinander verbunden sind. Aufgrund der wahrgenommenen Kosten oder mangelnden Verständnisses potenzieller Risiken kann es für Hersteller sein, dass das Erreichen von Produktionszielen Vorrang vor der Sicherheit hat. Darüber hinaus werden Cyberangriffe immer häufiger und komplexer und stellen die Sicherheit und Zuverlässigkeit des Netzwerks vor große Herausforderungen.
Dez Blanchfield: Frühe Hindernisse für die digitale Transformation sind oft Bildung oder Bewusstsein sowie die intelligente Gestaltung und Implementierung der richtigen Tools und Systeme, um diese zu erreichen.
F7. Was ist MEC und welche Rolle spielt es für die Sicherheit und Zuverlässigkeit von Fertigungsnetzwerken?
YuHelenYu: MEC ist ein Multi-Access-Edge-Computing, ein verwalteter Dienst, der es Unternehmenskunden ermöglicht, spezifischen Datenverkehr in einer privaten drahtlosen Netzwerk-Campusumgebung basierend auf dem Gerät, der IP-Adresse und der vom Kunden festgelegten Client-Anwendung zu differenzieren und weiterzuleiten. Es ermöglicht Fabriken, Entscheidungsintelligenz in diesen Edge-Computer zu integrieren, der entscheiden kann, was im Netzwerk verbleiben soll. Es priorisiert inhärente Sicherheitsfunktionen. Dabei handelt es sich um ein Gerät, das innerhalb der Fabrik intelligente Entscheidungen trifft. Es bringt Edge Computing näher an den Hersteller und nicht an den Rand des Netzwerks des Cloud-Anbieters. Es bringt die Vorteile der Cloud-Vernetzung direkt in die Einrichtung. Es reduziert die Komplexität, da verteilte Entscheidungen darüber getroffen werden, was aufbewahrt werden soll.
Dez Blanchfield: MEC hat sich als leistungsstarker Wegbereiter für digitale Technologie, Telekommunikation, Datenanalyse und Fertigungseinblicke erwiesen.
Maryson W.: Mobile Edge Computing (MEC) hilft dabei, intelligente Fabriken mit der Cloud zu verbinden und erfordert natürlich selbstheilende Netzwerke, da eine Fülle von Automatisierungstechnologien zur Auswahl steht.
Zukünftige intelligente Fabriken erfordern sichere Netzwerke und zuverlässige Verbindungen. Dazu gehört die Sicherheit auf Geräteebene, Netzwerkebene, Edge und Cloud. Diese überlappenden Schutzebenen von AT&T tragen dazu bei, Risiken zu reduzieren und Bedrohungen zu erkennen, sobald sie entstehen:
- Strategie-, Planungs- und Bewertungsdienste für Cybersicherheit
- DDoS-Abwehr und Sicherheit auf Anwendungsebene
- Managed Firewall Services
- AT&T Global Security Gateway
- Cloud Security Strategie und Bewertung
- Lösungen zur Bedrohungserkennung und -reaktion
Die Komplexität moderner Sicherheitsumgebungen erfordert Cybersicherheitsexperten – verwaltete Sicherheitsdienste sind einfacher als die Schulung oder Einstellung interner Experten. Wählen Sie einen Anbieter mit einer Geschichte vertrauenswürdiger, unternehmenstauglicher Dienstleistungen.
Da wir die Entwicklung der intelligenten Fertigung weiter vorantreiben, ist es für eine erfolgreiche Zukunft von entscheidender Bedeutung, Sicherheit und Konnektivität zu priorisieren. Mit der Expertise von AT&T in den Bereichen Cybersicherheit und zuverlässige Netzwerke können intelligente Fabriken effizient, nachhaltig und sicher arbeiten. Arbeiten wir auf eine Zukunft hin, in der datengesteuerte Erkenntnisse und technologische Fortschritte Innovation und Erfolg vorantreiben.
Das obige ist der detaillierte Inhalt vonWie wird die Zukunft der intelligenten Fertigung aussehen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!
Heiße KI -Werkzeuge
Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos
AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.
Undress AI Tool
Ausziehbilder kostenlos
Clothoff.io
KI-Kleiderentferner
AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.
Heißer Artikel
Heiße Werkzeuge
Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor
SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen
Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung
Dreamweaver CS6
Visuelle Webentwicklungstools
SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)
Heiße Themen
1376
52
Bytedance Cutting führt SVIP-Supermitgliedschaft ein: 499 Yuan für ein fortlaufendes Jahresabonnement, das eine Vielzahl von KI-Funktionen bietet
Jun 28, 2024 am 03:51 AM
Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen
Kontexterweiterter KI-Codierungsassistent mit Rag und Sem-Rag
Jun 10, 2024 am 11:08 AM
Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird
Sieben coole technische Interviewfragen für GenAI und LLM
Jun 07, 2024 am 10:06 AM
Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren
Kann LLM durch Feinabstimmung wirklich neue Dinge lernen: Die Einführung neuen Wissens kann dazu führen, dass das Modell mehr Halluzinationen hervorruft
Jun 11, 2024 pm 03:57 PM
Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert
Um ein neues wissenschaftliches und komplexes Frage-Antwort-Benchmark- und Bewertungssystem für große Modelle bereitzustellen, haben UNSW, Argonne, die University of Chicago und andere Institutionen gemeinsam das SciQAG-Framework eingeführt
Jul 25, 2024 am 06:42 AM
Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten
Fünf Schulen des maschinellen Lernens, die Sie nicht kennen
Jun 05, 2024 pm 08:51 PM
Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist
SOTA Performance, eine multimodale KI-Methode zur Vorhersage der Protein-Ligand-Affinität in Xiamen, kombiniert erstmals molekulare Oberflächeninformationen
Jul 17, 2024 pm 06:37 PM
Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S
GlobalFoundries erschließt Märkte wie KI und erwirbt die Galliumnitrid-Technologie von Tagore Technology und zugehörige Teams
Jul 15, 2024 pm 12:21 PM
Laut Nachrichten dieser Website vom 5. Juli veröffentlichte GlobalFoundries am 1. Juli dieses Jahres eine Pressemitteilung, in der die Übernahme der Power-Galliumnitrid (GaN)-Technologie und des Portfolios an geistigem Eigentum von Tagore Technology angekündigt wurde, in der Hoffnung, seinen Marktanteil in den Bereichen Automobile und Internet auszubauen Anwendungsbereiche für Rechenzentren mit künstlicher Intelligenz, um höhere Effizienz und bessere Leistung zu erforschen. Da sich Technologien wie generative künstliche Intelligenz (GenerativeAI) in der digitalen Welt weiterentwickeln, ist Galliumnitrid (GaN) zu einer Schlüssellösung für nachhaltiges und effizientes Energiemanagement, insbesondere in Rechenzentren, geworden. Auf dieser Website wurde die offizielle Ankündigung zitiert, dass sich das Ingenieurteam von Tagore Technology im Rahmen dieser Übernahme mit GF zusammenschließen wird, um die Galliumnitrid-Technologie weiterzuentwickeln. G
