Jadual Kandungan
Memanfaatkan Keterlihatan untuk Mengoptimumkan Prestasi Rantaian Bekalan
Meningkatkan kecekapan kilang untuk Industri 4.0
Beberapa pengeluar global yang besar sudah menggunakan Snowflake untuk membuat awan data, termasuk pengkomputeran yang saling bersambung , yang menggunakan platform untuk memacu usaha transformasi digitalnya.
Rumah Peranti teknologi AI Awan data pembuatan membolehkan industri menerima data dan kecerdasan buatan

Awan data pembuatan membolehkan industri menerima data dan kecerdasan buatan

Apr 29, 2023 am 09:55 AM
AI pembuatan awan data

Industri pembuatan memanfaatkan data baharu dan teknologi kecerdasan buatan untuk meningkatkan kecekapan. Memandangkan kecerdasan buatan meluaskan jangkauannya ke dalam pembuatan, syarikat seperti Nvidia dan Databricks baru-baru ini telah mengeluarkan beberapa produk yang direka khas untuk membantu syarikat pembuatan mengumpul dan memproses sejumlah besar data daripada segala-galanya daripada operasi fizikal kepada rantaian bekalan.

Snowflake juga turut mengambil bahagian dalam tindakan dengan kemunculan sulung awan data pembuatannya. Tawaran baharu itu akan membolehkan syarikat dalam sektor automotif, teknologi, tenaga dan perindustrian membuka kunci nilai data perindustrian terdiam dengan memanfaatkan platform data Snowflake, penyelesaian rakan kongsi dan set data khusus industri, kata syarikat itu.

Awan data pembuatan membolehkan industri menerima data dan kecerdasan buatan

Snowflake Data Cloud menyediakan platform untuk gudang data (Data Warehouse), analisis SQL, pembelajaran mesin, kejuruteraan data dan pengewangan data pihak ketiga. Awan Data Pembuatan membina keupayaan ini untuk menyediakan penyelesaian industri yang membantu pengeluar meletakkan asas untuk perniagaan mereka, meningkatkan prestasi rantaian bekalan dan memacu inisiatif pembuatan pintar. Data Cloud ialah platform yang boleh diurus sepenuhnya dan selamat dengan tadbir urus bersatu dan integrasi data berbilang awan yang didakwa syarikat boleh menyokong storan, pengiraan dan pengguna hampir semua saiz.

Tim Long, ketua pembuatan global di Snowflake, berkata: “Kami sangat teruja dengan platform Snowflak dan penyelesaian rakan kongsi kami serta data yang disatukan dalam awan data pembuatan kerana kami tahu ia akan memberi impak yang besar kepada pengilang. Bantuan.”

Long mengetuai pasukan yang pergi ke pasaran dalam industri ini dan sedang bekerjasama dengan lebih 50 rakan kongsi pada pelancaran ini. Temui ratusan pengeluar global untuk memahami cabaran yang mereka hadapi semasa menggunakan pengalaman 20 tahun beliau dalam pembuatan semikonduktor. Lama sebelum ini mengetuai amalan data dan analitik di pengeluar semikonduktor Micron, yang mengguna pakai Snowflake dan mendapati ia sebagai platform terbaik untuk menyatukan data syarikat dan meningkatkan prestasi kilang. "Kami memindahkan keseluruhan jejak data pembuatan kami dari di tapak ke Snowflake dalam awan dalam masa empat bulan sahaja," katanya "Melalui pengalaman ini, saya memahami secara langsung peluang dan peluang yang dihadapi oleh pengilang apabila melibatkan data. ”

Memanfaatkan Keterlihatan untuk Mengoptimumkan Prestasi Rantaian Bekalan

Keberkesanan rantaian bekalan mempunyai impak yang besar kepada operasi pembuatan yang berjaya, lihat di luar empat dinding kilang untuk melihat apa yang berlaku di seluruh rantaian bekalan . adalah kunci: “Tesis kami ialah cara untuk meningkatkan prestasi perniagaan adalah melalui keterlihatan yang lebih baik. ”

Awan Data Pembuatan Snowflake membolehkan perkongsian data dan perkongsian data merentas keseluruhan rantaian bekalan organisasi dengan menggabungkan data proprietarinya dengan data daripada rakan kongsi dan Pasaran Snowflake Bekerjasama untuk meningkatkan keterlihatan hiliran dan huluan. Syarikat kemudiannya boleh memanfaatkan data ini menggunakan SQL dan Snowflake, rangka kerja pembangunan untuk Python, Java dan Scala. Platform ini membolehkan pasukan yang berbeza bekerja dengan data yang dikongsi untuk membina model AI dan ML untuk kes penggunaan seperti ramalan permintaan, harga bahan mentah dan harga tenaga.

Penyelesaian dibina atas Snowflake, memanfaatkan kerjasama data Snowflake untuk menyediakan ketersambungan data dan cerapan mendalam tentang prestasi pembekal. Salah satu rakan kongsi yang ditawarkan oleh Snowflake Marketplace ialah penyelesaian daripada syarikat pakar penjejakan barang FourKites. Syarikat itu menyediakan cerapan penjejakan hampir masa nyata untuk produk yang dihantar melalui darat atau laut, dan pengeluar boleh mengakses data FourKites ini terus daripada Awan Data Pembuatan Kepingan Salji. Long menerangkan cara mereka menggabungkan cerapan ini dengan data dalaman untuk menjadualkan dengan lebih baik dan memastikan penghantaran pelanggan tiba tepat pada masanya pada kos yang boleh diurus, sambil menyebut bahawa 3M ialah pelanggan semasa untuk keupayaan ini.

Rakan kongsi lain yang menawarkan aplikasi perindustrian termasuk pengurusan risiko rantaian bekalan berasaskan awan dan penyedia platform pasaran perniagaan Avetta, serta pakar perisian pengoptimuman rantaian bekalan Blue Yonder dan platform automasi rantaian bekalan asli awan Elementum.

AWS ialah salah satu daripada banyak rakan kongsi teknologi dalam pelancaran ini, dan penyelesaiannya membolehkan pengeluar menggerakkan set data yang terletak di lokasi berbeza untuk analisis komprehensif. Satu lagi ialah Fivetran, penyelesaian yang mengautomasikan setiap aspek proses ELT apabila memindahkan data daripada pangkalan data seperti sistem SAP dan aplikasi SaaS ke awan data pembuatan baharu. Dataiku juga merupakan rakan kongsi pengoptimum prestasi kelompok yang membawa penderia, IoT dan data kelompok sejarah ke dalam Dataiku untuk menilai dan meramalkan hasil kelompok.

Meningkatkan kecekapan kilang untuk Industri 4.0

Selain pengoptimuman rantaian bekalan, awan data pembuatan Snowflake juga dikhususkan untuk menambah baik operasi kilang.

“Jika kita masuk ke dalam kilang, kita melihat pengeluar cuba meningkatkan kecekapan menggunakan pembuatan pintar atau apa yang kadang-kadang dipanggil teknologi Industri 4.0: “Revolusi perindustrian seterusnya sebenarnya disebabkan oleh Apa yang mungkin dengan data dan kecerdasan buatan”

Teknologi kecerdasan buatan telah meluaskan keupayaan pengingesan data dan Awan Data Pembuatan menyediakan sokongan asli untuk data separa berstruktur, berstruktur dan tidak berstruktur, termasuk data IoT volum tinggi daripada penderia dan peralatan lantai kedai. Penyatuan data ini dalam Snowflake membantu pengeluar menyelaraskan operasi merentas berbilang loji dengan keupayaan untuk meramalkan keperluan penyelenggaraan, menganalisis masa kitaran dan meningkatkan hasil dan kualiti produk.

Sehingga baru-baru ini, kemajuan teknologi di tingkat kedai kurang maju berbanding aspek pembuatan lain. Teknologi operasi (OT) melibatkan sistem yang menjalankan lantai kedai dan berada di tengah-tengah operasi pembuatan teras. Long berkata sistem ini diawasi oleh jurutera di tingkat operasi dan biasanya berada di luar bidang kuasa IT. Data OT dijana oleh penderia dan peralatan lama yang kadangkala agak lama.

Long menyatakan: "Pengilang selalunya tidak boleh menggunakan data ini kerana sukar untuk mengekstraknya dan membawanya ke tempat yang boleh dilombong untuk memahami hasil produk dan kecekapan kilang." Rakan kongsi Snowflake yang berkaitan untuk keluaran ini ialah Riveron, pakar OT yang telah membungkus satu set teknologi yang dikatakan Long adalah yang terbaik dari jenis mereka dan boleh memindahkan data daripada IoT ke IoT dengan cara yang boleh diskalakan dan cekap lokasi seperti yang dipanggilnya dibawa ke Snowflak.

Salah satu produk Riveron datang daripada Opto 22, sebuah syarikat automasi industri yang menghasilkan peranti perkakasan fizikal khusus yang mampu menyambung kepada pelbagai jenis jentera menggunakan mana-mana antara muka rangkaian yang tersedia. Peranti ini menjalankan perisian daripada syarikat pakar lain, Automasi Induktif, yang menterjemah merentas ratusan protokol komunikasi, menyatukannya dalam format mesej standard dan menghantarnya ke Snowflake dengan bantuan Cirrus Link.

"(Penyelesaian) dipacu sepenuhnya, bermakna aset di tingkat kedai boleh ditakrifkan di sana," kata Long "Definisinya seperti 'apakah aset itu sendiri, apakah ukuran yang dikumpul , unit ukuran What?' Maklumat sedemikian akan mengalir terus ke Snowflake di mana ia diwujudkan secara dinamik untuk analisis dan mentakrifkan aset ini dalam awan Snowflake tidak memerlukan tetapan konfigurasi tambahan, menyokong semua jenis data yang berbeza dalam standard pemesejan Cirrus Link, yang ialah satu lagi pembeza utama Snowflake berbanding pesaingnya ”

Memacu industri dengan data dan kecerdasan buatan

Beberapa pengeluar global yang besar sudah menggunakan Snowflake untuk membuat awan data, termasuk pengkomputeran yang saling bersambung , yang menggunakan platform untuk memacu usaha transformasi digitalnya.

Satu lagi pelanggan ialah Scania, pengeluar trak, bas dan enjin industri, yang menggunakan Snowflake untuk menstrim data secara berterusan dan menyokong inisiatif pembelajaran mesin untuk memantau prestasi kenderaan.

"Dengan peralihan kepada kenderaan elektrik, mereka menyedari betapa pentingnya data untuk kejayaan produk generasi akan datang mereka," kata Long mengenai Scania "Mereka menggunakan Snowflake untuk menangkap kenderaan bersambung daripada 600,000 trak di jalan raya . 🎜>Scania's "Awan Data Pembuatan Snowflake memberi kami asas data yang kami perlukan untuk mendapatkan cerapan daripada 150 juta mesej penstriman yang kami terima daripada 600,000 kenderaan," kata ketua produk Peter Alåsen dalam kenyataan akhbar "Dengan Snowflake, kami dapat melakukannya mengurangkan masa henti dengan mengesyorkan penyelenggaraan berdasarkan operasi kenderaan dan ketersediaan bengkel, sambil meningkatkan aktiviti penjanaan hasil untuk servis dan perkhidmatan digital atau fizikal yang lain."

Lama untuk keluaran baharu untuk pengeluar global. Bersemangat tentang prospek dan peluang global ia membawa: "Kami telah membuka banyak peluang dengan Snowflake dalam awan data pembuatan. Kami teruja untuk berkongsi peluang ini dengan dunia."

Atas ialah kandungan terperinci Awan data pembuatan membolehkan industri menerima data dan kecerdasan buatan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Arahan sembang dan cara menggunakannya
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. SK Hynix akan memaparkan produk berkaitan AI baharu pada 6 Ogos: HBM3E 12 lapisan, NAND 321 tinggi, dsb. Aug 01, 2024 pm 09:40 PM

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

See all articles