至顶网软件与服务频道消息: 近日,工程和工业软件的全球领导者AVEVA宣布推出新的离散精益管理软件,以支持离散制造市场的数字化转型。这款新产品通过对手动和自动化生产线进行数字化精益生产管理,提高运营效率。借助AVEVA可快速部署的易用型数字工具,用户可以通过仪表板、工作站和移动设备查看生产信息、KPI和通知,从而改善设备整体效率和员工生产效率,并促进基于数据的持续改进。
AVEVA规划与运营高级副总裁Harpreet Gulati
AVEVA离散精益管理软件旨在帮助那些仍在使用纸质系统的制造厂解决当前的问题,实现高效的精益生产和工单管理、生产指导和数据收集。它使用数字工具代替物理记录,从而降低人工流程的风险,并实现生产绩效的实时可见性,使团队通过协作及时解决生产问题。
“AVEVA离散精益管理是我们与施耐德电气紧密合作的结果,并已作为数字化精益系统成功部署到了施耐德电气全球的众多工厂。我们很高兴能够面向所有客户全面发售这些行之有效的精益生产和行业最佳实践,帮助他们提高制造生产率和盈利能力,并快速启动智能制造和数字化转型之旅。”AVEVA规划与运营高级副总裁Harpreet Gulati表示。
在施耐德电气制造厂取得可喜成果
AVEVA 的离散精益管理软件解决方案已被施耐德电气的制造工厂采用,并已在全球70多家智能工厂成功部署,通过减少停机时间将生产率提高10%,同时由于可自动上报生产问题,可将响应时间缩短70% 。
施耐德电气的四家智能工厂大规模部署了一系列第四次工业革命的技术和用例,同时始终将人员和可持续发展置于其创新战略的核心位置,为此,世界经济论坛特别给予褒奖,称赞了施耐德电气的这些举措。
施耐德电气过程自动化业务部系统产品组合副总裁 Hany Fouda表示:“作为施耐德电气智能工厂计划的一部分,我们在制造工厂部署AVEVA离散精益管理解决方案,到目前为止所取得的成果令我们非常高兴和满意。我们的智能工厂计划专注于部署易于实施和能够快速扩展的技术(包括EcoStruxure解决方案),以增强效率和可持续性。AVEVA的解决方案通过减少停机时间并改善响应时间,帮助我们实现了这些目标。随着市场对此类成果卓著的软件解决方案需求的不断增长,我们相信,AVEVA选择了一个正确的时机踏入离散精益管理市场。”
由于AVEVA与物联网设备和200多个工厂自动化系统的全方位连接,该解决方案还帮助减少了手工生产和精益数据收集任务的数量。AVEVA拥有卓越的全球影响力和合作伙伴生态系统,这使制造公司能够有效推行其工业4.0和制造业务转型战略。它是AVEVA Flex订购计划的一部分,旨在使客户在工业控制系统的采购、设计、管理和使用方面获得顶级灵活性,能够比以往更快、更轻松地采用变革性技术。
好文章,需要你的鼓励
这项研究介绍了一种名为FlowPathAgent的神经符号代理系统,用于解决流程图归因问题。研究团队提出了流程图精细归因这一新任务,构建了FlowExplainBench评估基准,并开发了结合视觉分割、符号图构建和基于代理的图形推理的方法。实验表明,该方法在归因准确性上比现有基线提高了10-14%,特别在处理复杂流程图时表现出色,为提升人工智能系统在处理结构化视觉-文本信息时的可靠性和可解释性提供了新途径。
这项研究首次从神经元层面揭示了大型语言模型(LLM)评估中的"数据污染"机制。研究团队发现当模型在训练中接触过测试数据时,会形成特定的"捷径神经元",使模型无需真正理解问题就能给出正确答案。他们提出了一种新方法,通过识别并抑制这些神经元(仅占模型总神经元的约1%),成功恢复了模型的真实能力表现。实验证明,该方法与权威可信基准测试结果高度一致(相关系数>0.95),并在不同基准和参数设置下都表现出色,为解决LLM评估可信度问题提供了低成本且有效的解决方案。
这份来自向量研究所、康奈尔大学和格罗宁根大学研究团队的综述分析了基于大语言模型的代理型多智能体系统中的信任、风险和安全管理框架(TRiSM)。研究系统地探讨了代理型AI从概念基础到安全挑战,提出了包含治理、可解释性、模型运营和隐私/安全四大支柱的TRiSM框架。文章还详细分析了威胁向量、风险分类,并通过真实案例研究展示了潜在脆弱性。
这项研究提出了一种名为ConfiG的创新方法,通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异,引导扩散模型生成那些能挑战学生模型的样本,从而减少模型对训练数据中欺骗性特征的依赖。实验表明,该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能,为资源受限环境下的AI应用提供了实用解决方案。