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
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。