수년 동안 제조 베테랑들은 산업용 사물 인터넷(IIoT)과 같은 최신 스마트 기술을 포함하도록 공장을 전환하면 생산성이 향상되고 운영 비용이 절감되며 데이터에 대한 더 많은 액세스 권한을 제공하고 더 나은 의사 결정을 내리는 방법에 대한 수많은 기사를 읽었습니다. 실제로 기술 혁신에 대한 빠른 Google 검색 결과 해당 주제에 대한 조회수는 4,850만 개 이상입니다. 나는 이 기사의 대부분이 기술 혁신이 생산 현장에 가져올 수 있는 긍정적인 영향을 설명하고 있다고 확신하며 대부분 동의합니다. 그러나 어떤 기술이 공장을 변화시키

ABB는 최근 회사의 Ability Digital Powertrain의 일부로 장착된 베어링을 위한 새로운 스마트 센서를 출시했습니다. ABB 능력 스마트 센서는 알고리즘을 사용하여 기계 구성 요소의 성능을 평가, 관리 및 보장합니다. 이 기술은 진동 및 온도 정보에서 베어링 상태를 평가하여 잠재적인 문제의 조기 지표를 제공합니다. 이는 일반적으로 광업, 골재 및 시멘트 산업은 물론 식품 및 음료 및 공기 취급 부문에서 볼 수 있는 벌크 자재 취급 컨베이어와 같은 애플리케이션에서 가동 중지 시간을 방지하는 데 도움이 됩니다. 이

차세대 인공 지능(AI) 솔루션은 2019년에 그 자체로 입증될 것으로 예상됩니다. 이를 통해 AI가 실제로 무엇인지 그리고 얼마나 많은 것을 제공할 수 있는지에 대한 새로운 신뢰, 긴급성 및 이해가 구축되어야 합니다. 음성 기반 솔루션이 주도해야 합니다. 기업이 로봇 프로세스 자동화 사용을 발전시키면서 경쟁 우위를 제공하는 스마트 창고의 픽 앤 플레이스 로봇을 볼 수 있습니다. 다음은 2019년 및 그 이후의 제조에 대한 세 가지 주요 예측입니다. 예측 #1:제조 회사의 50%가 2021년 말까지 어떤 형태로든 AI를 사용할 것

현재 엄청난 양의 자본이 재고에 묶여 있습니다. 미수금 및 미지급금과 함께 재고는 1조 1000억 달러의 현금을 나타내며 이는 미국 국내총생산(GDP)의 7%에 해당합니다. 다행히도 인공 지능(AI)은 이 현금에 접근하는 데 도움이 될 가능성이 있습니다. 실제로 인더스트리 4.0은 우리가 공급망 전체에서 일하는 방식을 바꾸고 있습니다. AI, 센서, 사물인터넷(IoT) 기술을 활용해 스마트하고 데이터 중심의 물류센터를 개발할 수 있다. 예를 들어, AI 기술은 소비자 동향 데이터와 ERP(전사적 자원 관리) 시스템을 상호 참조함으

2019년에는 모빌리티가 계속해서 성장하고 수많은 산업에 걸쳐 확장될 것으로 예상됩니다. 제조업체는 이러한 새로운 기술을 수용하고 직원이 해당 기술을 적절하게 사용할 수 있도록 해야 합니다. 사물 인터넷(IoT)에서 BYOD(Bring Your Own Device)의 부상에 이르기까지 기업은 모바일 기술이 제공할 수 있는 이점을 고려하고 업계에서 앞서 나가기 위해 이를 활용해야 합니다. 다음은 2019년에 제조업체가 가장 염두에 두어야 할 몇 가지 가장 중요한 트렌드입니다. 증가된 이동성 2020년까지 노동력의 48%가 모바일

사물인터넷(IoT)에 대한 언급은 어디에나 있습니다. 사실, 지난 몇 년 동안 IoT 또는 산업용 사물 인터넷(IIoT)을 참조하지 않는 스마트 제조, 공급망 변환, 물류, 공장 자동화 또는 데이터 수집과 관련하여 작성된 글을 찾기가 어렵습니다. 용어에 익숙하지 않은 사람들에게 IoT는 일상적인 사물에 내장된 컴퓨팅 장치가 인터넷을 통해 데이터를 주고받을 수 있도록 하는 상호 연결로 정의할 수 있습니다. IIoT는 공장에서 데이터를 수집하고 공유하는 지능형 컴퓨터, 장치 및 개체의 네트워크입니다. 다양한 유형의 센서는 대부분의

Nikola Labs는 최근 전선이나 일회용 배터리 없이 유지 관리 및 전력 센서를 단순화하는 새로운 장비 모니터링 시스템을 출시했습니다. Vero는 제조업체가 중요 장비를 면밀히 모니터링할 수 있도록 설계된 산업용 사물 인터넷(IIoT) 솔루션입니다. 이 플랫폼은 무선 주파수 에너지를 사용 가능한 직류(DC) 전력으로 변환하는 셀로 구동되는 완전히 무선이며 유지 보수가 필요 없습니다. 시스템이 설치되면 데이터 캡처 및 시스템 유지 관리가 터치가 필요 없습니다. Nikola Labs의 CEO이자 공동 설립자인 Will Zell은

Grace Engineered Products는 최근 사용자가 장비 오류가 발생하기 전에 이를 감지할 수 있도록 하는 새로운 예측 유지 관리 시스템을 도입했습니다. GraceSense 예측 유지 관리 시스템은 무선 센서, 구성 가능한 하드웨어 아키텍처 및 직관적인 사용자 인터페이스를 통합하여 계획되지 않은 다운타임을 억제합니다. 초기 제품은 4개의 고유한 제품과 웹 기반 사용자 인터페이스로 구성됩니다. 배터리로 구동되는 진동 및 온도 노드는 모든 회전 장비에 배치되어 치명적인 오류로 바뀌기 전에 이상 현상을 예측할 수 있습니다.

SymphonyAI는 최근 기계 상태 모니터링 및 자산 신뢰성 솔루션 제공업체인 Azima Global을 인수했다고 발표했습니다. SymphonyAI 그룹에 합류하여 Symphony AzimaAI로 이름이 변경될 Azima Global은 가장 큰 기계적 결함 모드 데이터 세트 중 하나를 활용하고 자동화된 기계 상태 진단 데이터를 플랜트 수준의 프로세스 데이터와 결합하여 예측 자산 상태를 제공하는 제품을 개발할 것입니다. 및 성과 관리 솔루션. Azima Global의 CEO인 Burt Hurlock은 Azima는 효과적이고 확장

LafargeHolcim은 최근 미래를 위해 생산 장비를 업그레이드하기 위해 새로운 Plants of Tomorrow 이니셔티브를 시작할 것이라고 발표했습니다. 50개국 이상에 걸쳐 270개 이상의 통합 시멘트 공장과 그라인딩 스테이션의 글로벌 네트워크를 목표로 하는 이 회사는 전체 생산 프로세스에 자동화 기술과 로봇 공학, 인공 지능, 예측 유지 보수 및 디지털 트윈 기술을 활용할 것입니다. 4년 프로그램은 건축 자재 업계에서 가장 큰 인더스트리 4.0 기술 출시 중 하나입니다. Plants of Tomorrow 인증 운영은 기

사업을 구축하는 임무를 맡는다고 상상해 보십시오. 자산을 교체하는 경우. 비즈니스 사례를 구축하려면 자산의 수명, 원래 프로젝트 비용, 안전 시스템에 대한 최근 감사를 파악하여 최신 코드인지 확인해야 합니다. CMMS(Computerized Maintenance Management System)를 확인하고 자산 비용 필드가 비어 있고 자산이 1991년에 설치되었음을 발견합니다. CMMS를 검색하지만 감사 보고서를 찾을 수 없습니다. 비용을 먼저 처리하기로 결정합니다. 재무 부서에 연락하면 자산이 1984년에 장부에 등록되었으며 비

ABI Research의 새로운 보고서는 산업 제조 부문에서 인공 지능(AI)의 광범위한 성장을 예측하고, 2024년까지 업계의 총 AI 지원 장치 수는 1,540만 개에 도달하고 2019년에서 2024년까지 연간 성장률은 64.8%에 달할 것으로 예상합니다. . ABI Research의 수석 분석가인 Lian Jye Su는 산업 제조 분야의 AI는 에지 구현의 이야기입니다. 제조업체는 데이터를 공용 클라우드로 전송하는 것을 꺼리기 때문에 거의 모든 산업용 AI 교육 및 추론 워크로드는 장치, 게이트웨이 및 온프레미스 서버와 같은

노후화된 인프라, 비용 압박, 변동하는 마진 및 규제 조사는 모두 보다 효율적이고 유능한 유지 관리 기술에 대한 요구를 주도하고 있습니다. 다행히 디지털화는 데이터 분석, 예측 유지 관리, 인공 지능 및 연결된 인프라를 통해 산업 유지 관리를 극적으로 개선할 수 있지만 시작 위치를 파악하는 것은 프로세스에서 가장 어려운 부분이 될 수 있습니다. 새로운 기술을 한 번 배포하지 못하면 관리자는 더 많은 노력을 기울일 필요가 없습니다. 이 문서에서는 산업 시설이 디지털 여정을 시작할 때 성공을 보장하기 위해 취해야 하는 몇 가지 주요 단

역사가들 사이에서 1849년 골드러시에 대한 일반적인 진술은 자신들의 자산으로 돈을 벌 가능성이 가장 높은 사람들이었다는 것입니다. 노력은 실제 광부 자신이 아니라 광부를 위한 도구를 만든 사람들이었습니다. 운송, 제조, 기술, 에너지 및 의료를 포함한 많은 산업이 산업용 사물 인터넷(IIoT)과 관련된 이점을 추구함에 따라 이러한 구어체의 지혜는 사실입니다. IIoT는 기업이 비즈니스를 보다 효과적으로 운영할 수 있도록 정보와 데이터를 제공할 수 있습니다. 이 기술을 성공적으로 사용한 회사의 절반 이상이 수익 증가를 보고한 이유는

Honeywell은 최근 공급망 전반에서 사용할 인공 지능(AI), 머신 러닝, 컴퓨터 비전 및 고급 로봇 개발에 중점을 둔 첨단 기술 센터인 Honeywell Robotics의 설립을 발표했습니다. 피츠버그에 기반을 둔 Honeywell Robotics는 특히 기업이 복잡한 자재 취급 환경에서 향상된 속도, 정확성 및 처리량을 제공하기 위해 자동화 솔루션, 소프트웨어 및 로봇 공학을 모색함에 따라 미래의 창고 및 유통 센터를 형성하는 데 도움을 주기 위해 만들어졌습니다. 새로운 센터는 디지털 데이터, 자율 기술 및 산업용 사물

지멘스는 최근 Pixeom으로부터 에지 기술을 인수할 계획이라고 발표했습니다. Siemens는 Siemens Digital Industries의 일부인 공장 자동화 사업부에서 이 기술을 사용할 계획입니다. 이번 인수로 에지 런타임 및 장치 관리를 위한 소프트웨어 구성 요소를 추가함으로써 지멘스의 산업용 에지 포트폴리오를 강화하는 동시에 회사의 디지털 엔터프라이즈 포트폴리오를 확장하고 산업의 디지털 혁신을 위한 첨단 기술을 통합할 것으로 기대됩니다. 결과적으로 산업 에지 생태계는 기업이 생산 데이터를 보다 효율적으로 사용하고 조건

200여 년 전 독일 철학자 임마누엘 칸트는 가상 현실을 물리적 세계가 아니라 우리 마음 안에 존재하는 존재로 설명했습니다. 오늘날 가상 현실(VR)은 게임, 마케팅 및 제조를 포함한 다양한 산업 분야에 배치된 확립된 기술입니다. 그러나 증강 현실(AR)은 어떻습니까? 증강 현실은 외부 세계에 대한 디지털 향상을 설명합니다. 이에 대한 좋은 예는 사용자의 휴대폰 화면을 통해 캐릭터의 이미지를 현실 세계에 오버레이하는 Nintendo의 Pokémon Go 앱입니다. 성공적인 증강 현실의 몇 가지 인기 있는 예가 있습니다. 그러나

오늘날의 기술 시대에는 데이터가 의사 결정의 핵심입니다. 이 전문 분야를 데이터 과학이라고 합니다. 기업은 정보에 입각한 결정을 내리기 위해 데이터를 수집, 분석 및 활용함으로써 기술을 활용할 수 있습니다. 한 연구 그룹은 현재의 데이터 성장률로 2025년까지 데이터 크기가 163제타바이트가 될 것이라고 예측합니다. 이 숫자를 더 잘 이해하려면 1제타바이트가 1조 기가바이트와 같다고 생각하십시오. 이는 데이터 저장, 품질 및 관리에 대한 질문을 제기합니다. 이 기사에서는 의미 있는 신뢰성 연구를 수행할 때 데이터의 중요성과 데이

Wikipedia에 따르면 기계 학습은 컴퓨터 시스템이 수행하는 데 사용하는 알고리즘 및 통계 모델에 대한 과학적 연구입니다. 대신 패턴과 추론에 의존하여 명시적 지침을 사용하지 않고 특정 작업을 효과적으로 수행합니다. 인공 지능의 하위 집합으로 간주됩니다.” 기계 학습은 생산 라인에 연결하여 이전보다 더 나은 생산 라인을 운영할 수 있는 장치가 아닙니다. 데이터를 수집, 평가 및 생산 라인 작동 방식에 대한 지식을 개발하는 데 사용할 수 있도록 데이터를 공급하기 위해 많은 장치의 입력이 필요한 프로세스입니다. 그런 다음 이 지

Honeywell은 최근 석유 및 가스, 석유화학 및 전력 산업에서 안전, 운영 성능, 배출 완화 및 규정 준수를 극대화하도록 설계된 지능형 가스 모니터링 솔루션을 제공하는 휴스턴에 기반을 둔 Rebellion Photonics를 인수했다고 발표했습니다. 이번 인수는 작업자가 안전하고 생산성을 유지할 수 있도록 다양한 가스 감지 기술, 안전 장비, 이동성 솔루션 및 소프트웨어를 제공하는 하니웰의 안전 및 생산성 솔루션 사업의 일부가 될 것입니다. Rebellion의 기술은 또한 Honeywell의 Performance Materi