اخبار
این مقاله بررسی می‌کند که چگونه کاهش هزینه‌های فناوری و پروتکل‌های داده استاندارد شده مانند IO-Link در حال دموکراتیک کردن نگهداری متصل هستند. این مقاله توضیح می‌دهد که چگونه تشخیص پیش‌بینی و تحلیل روغن به کسب‌وکارهای در هر اندازه‌ای امکان می‌دهد تا اتوماسیون صنعتی را بهینه کنند، زمان توقف را کاهش دهند و بهره‌وری را افزایش دهند.
استقرار گسترده ربات اطلس توسط هیوندای نشان‌دهنده تغییر از خطوط PLC سخت‌گیرانه به هوش مصنوعی فیزیکی تطبیقی است.
متخصصان حوزه‌های خاص با هماهنگ‌سازی رباتیک و سیستم‌های زیست‌محیطی با تقاضای مستقیم مشتری، اتوماسیون پایدار کارخانه را پیش می‌برند.
SoM جدید Variscite پردازش امن، هوش مصنوعی لبه‌ای و بینایی برای کارخانه‌های هوشمند ارائه می‌دهد.
بینایی، حسگرها و هوش مصنوعی لبه‌ای با هم ترکیب می‌شوند تا کارخانه‌های هوشمند خودبهینه‌ساز و تطبیقی ایجاد کنند
سنگاپور با گسترش هوش مصنوعی، PLCها و DCSها در کارخانه‌های هوشمند، فشارهای هزینه‌های صنعتی را کنترل می‌کند.
شرکت ABB سری ربات‌های PoWa را معرفی کرده است که قادر به حمل بار ۳۰ کیلوگرمی بوده و عملکردی با سرعت بالا دارند. این ربات‌ها با ابزارهای برنامه‌نویسی هوش مصنوعی و فرایند استقرار سریع ۶۰ دقیقه‌ای ترکیب شده‌اند و آستانه ورود به اتوماسیون صنعتی را کاهش داده‌اند.
شرکت ABB، GenAI Copilot را با فناوری نگهداری پیش‌بینانه ادغام کرده است تا تشخیص تجهیزات صنعتی را از طریق کدهای QR پویا ساده‌تر کند و کارایی عملیات و نگهداری خودکار را افزایش دهد.
شرکت‌های ABB و Serendix در یک شب ایستگاه قطار ژاپنی را با چاپ سه‌بعدی ساختند، هزینه‌ها را ۵۰٪ کاهش دادند و با دقت رباتیک کمبود نیروی کار را حل کردند.
شرکت‌های ABB و NVIDIA با همکاری یکدیگر RobotStudio HyperReality را راه‌اندازی کردند که با استفاده از Omniverse به دقت ۹۹٪ در شبیه‌سازی تا واقعیت دست یافته است. این راه‌حل هوش مصنوعی فیزیکی هزینه‌ها را تا ۴۰٪ کاهش داده و زمان عرضه به بازار را برای تولیدکنندگان جهانی تا ۵۰٪ تسریع می‌کند.
کومائو و اپتیو به‌طور مشترک رباتیک مبتنی بر هوش مصنوعی و لجستیک خودران را توسعه می‌دهند و با ادغام محاسبات لبه و حسگرهای پیشرفته، اتوماسیون صنعتی را ساده می‌کنند.
کومائو و اپتیو همکاری می‌کنند تا رباتیک و سیستم‌های خودران مبتنی بر هوش مصنوعی را توسعه دهند. بیاموزید چگونه محاسبات لبه و حسگرها ایمنی کارخانه را متحول می‌کنند.
تا سال ۲۰۳۴، انتظار می‌رود بازار جهانی الکترونیک قدرت به ۵۳.۱ میلیارد دلار آمریکا برسد. با پیشرفت فناوری‌های نیمه‌رسانا SiC و GaN، مدیریت توان مبتنی بر هوش مصنوعی به یکی از ارکان اصلی برای دستیابی به صرفه‌جویی انرژی کارآمد در اتوماسیون صنعتی، رباتیک و خودروهای الکتریکی تبدیل شده است.
Launchpad Build AI اولین مدل زبان تولیدی خود (MLM™) را راه‌اندازی کرده و به کالیفرنیا منتقل شده است. این فناوری مبتنی بر هوش مصنوعی، سرعت طراحی خودکار را ۵۰٪ افزایش می‌دهد و به کسب‌وکارهای کوچک و متوسط کمک می‌کند تا استقرار ربات‌ها را به صورت کارآمد و مقرون‌به‌صرفه انجام دهند.
قطعات قدیمی پایداری و صرفه‌جویی در هزینه را فراهم می‌کنند. تأمین استراتژیک تضمین‌کننده عملکرد بلندمدت است.
شرکت‌های NCC و Direct با ارائه آموزش‌های تخصصی در زمینه DCS و اتوماسیون صنعتی، فاصله مهارتی را پر می‌کنند.
ویتنام به سمت هوش مصنوعی لبه‌ای و صنعت ۴.۰ حرکت می‌کند و از تخصص ST و استعدادهای محلی بهره می‌برد.
زیمنس با استفاده از یک پلتفرم آماده هوش مصنوعی که شامل پردازنده‌های گرافیکی NVIDIA و امنیت سایبری Palo Alto برای هوش صنعتی در زمان واقعی است، تولید را متحول می‌کند.
شرکت‌های سیسکو و راکول فاصله بین خلبانان هوش مصنوعی و خودران‌های آماده تولید در محیط کارخانه را پر می‌کنند.
یک مطالعه آزمایشی نشان می‌دهد چگونه هوش مصنوعی و محاسبات لبه‌ای، الکترولایزرهای SOEC را بهینه می‌کنند و نرم‌افزار را جدا می‌سازند.
تحلیل روند حرکت به سمت هوش مصنوعی غیرمتمرکز و چالش‌های سازگاری در محیط‌های موجود.
هوش مصنوعی ترانسمیترهای فشار را از حسگرهای غیرفعال به دارایی‌های هوشمند تبدیل می‌کند. با امکان نگهداری پیش‌بینی‌شده و تشخیص پیشرفته علت ریشه‌ای، این دستگاه‌ها قابلیت اطمینان و کارایی را در محیط‌های کنترل‌شده توسط DCS و PLC افزایش می‌دهند.
هانیول حسگر فشار 13MM را برای محیط‌های فوق‌العاده خالص مانند ساخت نیمه‌هادی معرفی کرد. این حسگر با استانداردهای SEMI F20 مطابقت دارد، در برابر تغییرات فشار خلأ مقاوم است و با کاهش آلودگی‌ها، بازده ویفر را بهبود می‌بخشد.
شرکت‌های ABB و Jacobi Robotics با همکاری یکدیگر، هوش مصنوعی فیزیکی را به انبارها می‌آورند. نرم‌افزار OmniPalletizer به ربات‌های ABB امکان می‌دهد جریان‌های جعبه‌های نامرتب را مدیریت کنند، هزینه‌های نیروی کار را کاهش داده و نیاز به زیرساخت‌های پیچیده در مراحل بالادستی را از بین می‌برد.
این گزارش رشد ۴۶۶ میلیارد دلاری IACS را بررسی می‌کند و به ادغام هوش مصنوعی و سیستم‌های باز می‌پردازد.