manufacturing execution system
PulseAugur coverage of manufacturing execution system — every cluster mentioning manufacturing execution system across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Databricks 推广统一数据平台以连接制造价值链
Databricks 倡导使用统一的数据和人工智能平台来连接制造价值链中分散的系统。该公司强调，关键的制造问题通常跨越多个系统，例如质量管理、企业资源规划和制造执行系统。通过实现数据在这些边界之间的无缝流动，制造商可以更深入地洞察问题，改进可追溯性，并在无需破坏性迁移现有系统的情况下简化运营。
-
安信724启动北京基地，提供GPU及AI算力设备服务
安信724已正式启动其北京基地，标志着在提供GPU及AI算力设备全生命周期服务方面迈出了重要一步。新基地占地约6000平方米，配备了先进的维修和测试能力，可处理GPU和AI服务器的检测、维护及性能优化。此次扩建旨在巩固安信724在不断增长的AI算力基础设施市场中的专业服务提供商地位，专注于确保关键GPU资产的稳定运行和使用寿命。
-
制造业云迁移顶级IT服务商排名
一份指南根据六家托管IT服务商将制造服务器迁移到云端的能力进行了排名，强调生产特定需求而非通用IT解决方案。Andromeda因其面向生产的发现能力、OT/IT桥接能力以及专注于解决制造环境根本原因的能力而被评为整体最佳服务商。Accenture和Capgemini也因其在企业级数字化转型和智能工厂计划方面的优势而受到认可，尽管它们可能在中端市场或实际操作支持方面存在不足。
-
HighByte CTO称人工智能制造需要统一的数据骨干
HighByte首席技术官Aron Semle讨论了人工智能驱动的制造业中数据孤岛的系统性问题。他认为，虽然运营数据丰富，但其在PLC、ERP和MES等系统中的碎片化阻碍了人类和AI模型对其进行有效利用。Semle主张建立一个以设备和流程为中心的数据统一的、面向上下文的架构基础，从而实现实时访问，并减少对定制集成的依赖，以获得更连贯的运营视图。
-
过时的数据架构阻碍了制造AI的推广
由于依赖延迟和汇总信息而非实时机器数据的过时数据架构，制造运营正面临“AI就绪差距”。尽管在ERP现代化、工业4.0和AI方面进行了大量投资，但许多AI计划因使用事件发生后才汇总的数据而表现不佳。转向以机器为中心的数据架构，直接从设备捕获连续的运营数据流，对于AI的有效性以及提供关于生产质量、效率和成本的准确见解至关重要。
-
辉瑞通过以人工智能为中心的 MES 转型制造，MIT Sloan 报道
MIT Sloan 详细介绍了辉瑞成功过渡到以人工智能为中心的制造执行系统 (MES)。该公司将方法从自上而下的实施转变为自下而上的赋能，从而增强了转型团队的信任。这一战略性变革侧重于使 MES 能够管理从工厂车间到生产线末端的整个供应链。
-
Databricks Genie 利用人工智能为运营主管提供实时工业洞察
Databricks 推出了 Genie，这是一个对话式人工智能层，旨在为制造业和能源行业提供实时运营智能。Genie 允许高管使用自然语言查询 SCADA 和 MES 等系统中的复杂数据，无需 SQL 或数据分析师。这旨在弥合报告指标与实际车间现实之间的差距，从而实现更快、更明智的决策，并改进整体设备效率 (OEE) 和预测性维护等流程。