至顶网软件与服务频道消息: 工程和工业软件公司AVEVA日前隆重发布了Unified Operations Center(统一运营中心解决方案),一个面向智能城市和设施管理以及油气采矿等行业基础设施运营的控制指挥方案。
与这些行业的领军企业紧密合作,AVEVA将最佳实践转为可重复、可扩展和可修改的模板方案,实现快速安装和投资回报。阿布扎比国家石油公司 (ADNOC)和Assmang Proprietary Ltd.等企业,以及印度城市Atal Nagar率先试用了早期版本的定制方案,相比起更耗时的集成定制方案,该试用方案可使项目执行时间最高缩减60%。
Unified Operations Center将控制室转换为协同工作台的中心枢纽。原本孤岛化的功能通过情景化运营数据和业务数据实现互通,让团队能够基于准确的实时信息做出更好的决策。AVEVA是首个通过中心枢纽整合信息技术和运营技术应用的单一解决方案提供者,该方案可基于行业个性化需求进行定制。
AVEVA的Unified Operations Center解决方案以AVEVA Syetem Platform系统平台为基础,通过得到行业验证的方案模板、报告、数据面板和运营关键业绩指标来达到更短的价值实现时间,这些要素整合了来自运营、工艺、工程、维护和财务各方面的所有可用数据,让团队能够掌握实时运营状况的整体背景,并做出更好的决策。
Unified Operations Center是作为 ”System of Systems” 开发的。这让应用程序、预测分析、CCTV监控、GIS地图、ERP系统、工程P&ID图表和其它更多信息能够在统一的用户界面里无缝整合。
“通过与流程和基础设施市场的领军企业合作,我们见证了 ”System of Systems” 方案能够实现的运营效益。现在,任何规模的企业都能够快速部署这个经实践验证、基于模板建立的方案,更有信心地改进业务。” AVEVA监控事业部的副总裁Rashesh Mody介绍说,“Unified Operations Center能让企业通过更高效的能源使用和预防性维护来实现出色的运营,并提高盈利能力。我们预期会在未来几个月推出电力和供水等其他行业的解决方案。”
AVEVA的Unified Operations Center ——助力客户释放运营效益
ADNOC的运营变得更敏捷、更能快速响应:
阿布扎比国家石油公司(ADNOC)的数字技术副总裁Abdul Nasser Al Mughairbi评价道:“ADNOC的运营涉及范围广、种类多变。全景控制中心让我们有了总览各项运营内容和业务的独特可视能力,让我们变得更加敏捷、更能快速响应,比如对生产能力、顾客需求和市场动态这些方面。它不仅让我们显著地提高了效率,还彻底颠覆了我们经营生产和供应链运作的方式。
ADNOC能充分利用其数据优势,开发能够将所有关键设备整合到数字化价值链中的新工具,利用历史数据分析来发展预见性维护的能力,提前发现维护需求,了解它对价值链中其它设备或区域的影响,并针对这些需求做出更好的计划和响应。”
为Assmang提供将整个价值链尽收眼底的全局视图
为了实现运营中心化、巩固价值链并提供三个在黑岩采矿运营中心作业的独立矿井的整体状况,Assmang Proprietary Ltd.最终选择了AVEVA。黑岩采矿运营中心的业务改进经理Yogesh Ramjattan解释了AVEVA方案对公司成功至关重要的原因。
“我们需要的是整个价值的全局视图,从岩面到我们的运载火车,将所有东西整合到一个视图内可以让我们更全面地查看所有基础设施、工厂和采矿作业的方方面面,让我们更加有效地管理整个流程。”
智能城市Atal Nagar如今是其它印度城市的“样板工程”:
在印度的首个绿色智能城市Atal Nagar(Naya Raipur),Unified Operations Center应用到电网、供水、SCADA楼宇、街道照明、快速交通、CCTV、电子管理、能源管理、交通管理系统和城市服务台应用的整合当中,成为了中央指挥中心。
该指挥控制中心由备受尊敬的印度总理莫迪先生奠基,寄望成为印度城市的“样板”。印度国家转型研究所的首席执行官Amitabh Kant指出,该中心的“概念、规划和执行都非常出色。这个方案会让Chhattisgarh实现技术上的跃进。它所建造的基础设施是世界一流的。这座城市充满未来感。”
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。