Périphériques technologiques
IA
Le cloud de données de fabrication permet à l'industrie d'adopter les données et l'intelligence artificielle
Le cloud de données de fabrication permet à l'industrie d'adopter les données et l'intelligence artificielle
L'industrie manufacturière exploite les nouvelles technologies de données et d'intelligence artificielle pour améliorer son efficacité. Alors que l’intelligence artificielle étend sa portée au secteur manufacturier, des entreprises comme Nvidia et Databricks ont récemment lancé plusieurs produits spécialement conçus pour aider les entreprises manufacturières à collecter et à traiter de grandes quantités de données, depuis les opérations physiques jusqu’aux chaînes d’approvisionnement.
Snowflake se lance également dans l'action avec le lancement de son cloud de données de fabrication. La nouvelle offre permettra aux entreprises des secteurs de l'automobile, de la technologie, de l'énergie et de l'industrie de libérer la valeur des données industrielles cloisonnées en tirant parti de la plateforme de données de Snowflake, des solutions partenaires et des ensembles de données spécifiques à l'industrie, a indiqué la société.
Snowflake Data Cloud fournit une plateforme pour l'entrepôt de données (Data Warehouse), l'analyse SQL, l'apprentissage automatique, l'ingénierie des données et la monétisation des données tierces. Le Manufacturing Data Cloud s'appuie sur ces capacités pour fournir des solutions industrielles qui aident les fabricants à jeter les bases de leur activité, à améliorer les performances de la chaîne d'approvisionnement et à mener des initiatives de fabrication intelligente. Data Cloud est une plate-forme entièrement gérable et sécurisée avec une gouvernance unifiée et une intégration de données multi-cloud qui, selon l'entreprise, peut prendre en charge le stockage, le calcul et les utilisateurs de pratiquement toutes tailles.
Tim Long, responsable mondial de la fabrication chez Snowflake, a déclaré : « Nous sommes très enthousiasmés par la plateforme Snowflak et nos solutions et données partenaires regroupées dans le Manufacturing Data Cloud car nous connaissons l'impact qu'elle aura. sur les fabricants. Une grande aide."
Long dirige l'équipe qui s'est lancée sur le marché dans cette industrie et a travaillé avec plus de 50 partenaires sur ce lancement. Rencontrez des centaines de fabricants mondiaux pour comprendre les défis auxquels ils sont confrontés tout en s'appuyant sur ses 20 années d'expérience dans la fabrication de semi-conducteurs. Auparavant, il dirigeait la pratique des données et de l'analyse chez le fabricant de semi-conducteurs Micron, qui a adopté Snowflake et a estimé qu'il s'agissait de la meilleure plate-forme pour unifier les données de l'entreprise et améliorer les performances de l'usine. "Nous avons transféré l'intégralité de notre empreinte de données de fabrication sur site vers Snowflake dans le cloud en seulement quatre mois", a-t-il déclaré. "Grâce à cette expérience, je comprends de première main les opportunités et les opportunités auxquelles les fabricants sont confrontés en matière de données. ”
Optimiser les performances de la chaîne d'approvisionnement avec visibilité
L'efficacité de la chaîne d'approvisionnement a un impact énorme sur une opération de fabrication réussie. Regardez au-delà des quatre murs de l'usine et examinez l'ensemble de l'approvisionnement. Ce qui se passe est essentiel : "Notre thèse est que le moyen d'améliorer les performances d'une entreprise passe par une meilleure visibilité. Le moyen d'améliorer la visibilité est d'avoir de meilleures données qui vont au-delà du premier cloud de données de fabrication de Snowflake qui va au-delà de la vue immédiate de l'entreprise en combinant ses données propriétaires avec les données des partenaires et de Snowflake Marketplace, sur l'ensemble de l'offre de données d'une organisation, le partage de données et la collaboration se font en chaîne, augmentant ainsi la visibilité en aval et en amont. Les entreprises peuvent ensuite exploiter ces données à l'aide de SQL et Snowflake, un framework de développement pour Python, Java et Scala. La plateforme permet à différentes équipes de travailler avec des données partagées pour créer des modèles d'IA et de ML pour des cas d'utilisation tels que la prévision de la demande, les prix des matières premières et les prix de l'énergie.
La solution est construite sur Snowflake, tirant parti de la collaboration de données de Snowflake pour fournir une connectivité des données et des informations approfondies sur les performances des fournisseurs. L'un des partenaires proposés par Snowflake Marketplace est une solution de la société spécialisée dans le suivi du fret FourKites. La société fournit des informations de suivi en temps quasi réel pour les produits expédiés par voie terrestre ou maritime, et les fabricants peuvent accéder à ces données FourKites directement à partir du Snowflake Manufacturing Data Cloud. Long a expliqué comment ils combinent ces informations avec des données internes pour mieux planifier et garantir que les expéditions des clients arrivent à temps à un coût gérable, tout en mentionnant que 3M est un client actuel pour cette capacité.
Parmi les autres partenaires proposant des applications industrielles figurent Avetta, fournisseur de plateforme cloud de gestion des risques de la chaîne d'approvisionnement et de plateforme de marché d'affaires, ainsi que le spécialiste des logiciels d'optimisation de la chaîne d'approvisionnement Blue Yonder et la plateforme cloud d'automatisation de la chaîne d'approvisionnement native Elementum.
AWS est l'un des nombreux partenaires technologiques inclus dans ce lancement, avec des solutions qui permettent aux fabricants de mobiliser des ensembles de données situés dans des endroits disparates pour une analyse complète. Fivetran en est un autre, une solution qui automatise tous les aspects du processus ELT lors du déplacement des données de bases de données telles que les systèmes SAP et les applications SaaS vers le nouveau cloud de données de fabrication. Dataiku est également un partenaire d'optimisation des performances des lots qui intègre les données des capteurs, de l'IoT et des lots historiques dans Dataiku pour évaluer et prédire les résultats des lots.
Améliorer l'efficacité des usines pour l'Industrie 4.0
En plus de l'optimisation de la chaîne d'approvisionnement, le cloud de données de fabrication de Snowflake est également dédié à l'amélioration des opérations des usines.
"Si nous regardons à l'intérieur des usines, nous verrons des fabricants tenter d'augmenter leur efficacité en utilisant la fabrication intelligente ou ce que l'on appelle parfois la technologie de l'Industrie 4.0. Long a déclaré : "La prochaine révolution industrielle sera en fait." C'est possible grâce aux données et à l'intelligence artificielle. »
La technologie d'intelligence artificielle a considérablement étendu les capacités d'ingestion de données, et Manufacturing Data Cloud fournit une prise en charge native des données semi-structurées, structurées et non structurées, y compris des données IoT à grand volume provenant de capteurs et d'équipements d'atelier. L'unification de ces données dans Snowflake aide les fabricants à rationaliser les opérations sur plusieurs usines avec la possibilité de prédire les besoins de maintenance, d'analyser les temps de cycle et d'améliorer le rendement et la qualité des produits.
Jusqu'à récemment, les progrès technologiques dans les ateliers étaient moins avancés que d'autres aspects de la fabrication. La technologie opérationnelle (OT) implique les systèmes qui gèrent l’atelier et sont au cœur des opérations de fabrication de base. Long a déclaré que ces systèmes sont supervisés par des ingénieurs sur le terrain des opérations et ne relèvent généralement pas de la compétence informatique. Les données OT sont générées par des capteurs et des équipements existants qui peuvent parfois être assez anciens.
Long a noté : « Les fabricants ne peuvent souvent pas utiliser ces données car il est difficile de les extraire et de les amener à un endroit où ils peuvent les exploiter pour comprendre les rendements des produits et l'efficacité des usines.
Snowflake pour cette version Le partenaire en question. » est Riveron, un spécialiste de l'OT qui regroupe un ensemble de technologies qui, selon Long, sont les meilleures de leur catégorie pour déplacer les données de l'atelier ou de ce qu'il appelle d'autres emplacements périphériques de manière évolutive et efficace.
L'un des produits de Riveron provient d'Opto 22, une société d'automatisation industrielle qui produit un dispositif matériel physique dédié capable de se connecter à de nombreux types de machines en utilisant n'importe quelle interface réseau disponible. L'appareil exécute un logiciel d'une autre société spécialisée, Inductive Automation, qui traduit des centaines de protocoles de communication, les réunissant dans un format de message standard à l'aide de Cirrus Link et les transmettant à Snowflake.
"(La solution) est entièrement axée sur la périphérie, ce qui signifie que les actifs dans l'atelier peuvent y être définis", a déclaré Long. "La définition est du type" Qu'est-ce que l'actif lui-même, quelles mesures sont collectées, quelles sont les valeurs. unités de mesure ? » Ces informations circuleront directement dans Snowflake où elles seront matérialisées dynamiquement pour analyse et la définition de ces actifs dans le cloud Snowflake ne nécessite aucun paramètre de configuration supplémentaire et prend en charge tous les différents types de données dans la norme de messagerie Cirrus Link, avec laquelle Snowflake est en concurrence. Un autre différenciateur clé par rapport à ses concurrents «
Piloter l'industrie avec les données et l'IA
Plusieurs grands fabricants mondiaux utilisent déjà Snowflake pour fabriquer des nuages de données, notamment le fournisseur d'interconnexions informatiques Molex, qui utilise la plateforme pour piloter ses efforts de transformation numérique.
Un autre client est Scania, un fabricant de camions, de bus et de moteurs industriels, qui utilise Snowflake pour diffuser en continu des données et prendre en charge les initiatives d'apprentissage automatique pour surveiller les performances des véhicules.
« En passant aux véhicules électriques, ils réalisent à quel point les données seront importantes pour le succès de leurs produits de nouvelle génération », a déclaré Long à propos de Scania. « Ils utilisent Snowflake pour capturer les données des véhicules connectés de 600 000 camions en circulation et en tirer parti. Ces données fournissent aux opérateurs de camions des services de grande valeur, tels que des programmes d'entretien optimisés, des recommandations d'ajustement du mode de fonctionnement de ces véhicules, pour tirer le meilleur parti de la valeur et des performances des véhicules », a déclaré Peter Alåsen, responsable produit chez Scania. dans un communiqué : « Le Manufacturing Data Cloud de Snowflake nous fournit la base de données dont nous avons besoin pour obtenir des informations sur les 150 millions de flux d'informations que nous recevons de 600 000 véhicules », indique le communiqué de presse. « Avec Snowflake, nous sommes en mesure de recommander une maintenance en fonction de ces données. l'exploitation des véhicules et la disponibilité des ateliers, tout en augmentant les activités génératrices de revenus pour l'entretien et d'autres services numériques ou physiques, réduisant ainsi les temps d'arrêt. dans le cloud des données de fabrication ouvre de nombreuses opportunités que nous sommes ravis de partager avec le monde. »
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc.
Aug 01, 2024 pm 09:40 PM
Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
