AVEVA 剑维软件近期发布了 AVEVA Unified Supply Chain(一体化供应链)平台的最新增强版本,该新品将借助实时原油系统(之前为原油快评系统)帮助用户获取其业务和运营的可视性,助其快速了解原油质量物性对其自身价值链的影响。

AVEVA计划与运营业务部高级副总裁Harpreet Gulati
石油天然气行业面临大规模停产的境况,而缺乏对供应链的可视性可能导致企业难以实时响应市场的变化。AVEVA实时原油系统是AVEVA剑维软件与施耐德电气合作开发的一款综合解决方案,它将尖端的分析硬件设备与强大的机器学习软件技术相结合,能够在几分钟内及时提供覆盖整个企业范围的原油物性分析。及时可靠的信息带来诸多益处,包括可以制定更明智的采购决策、更好的运营规划和资源分配,以及做出更准确的产量和质量预测。
使用基于AVEVA剑维软件云平台的实时原油系统,能够保证业务决策快捷精准
AVEVA一体化供应链可以通过AVEVA Connect获取。通过AVEVA Connect,剑维软件可将其解决方案安全的存放在云端,该产品因维护更简单、合作性更好为用户提供额外价值,并能增强AVEVA一体化供应链解决方案的计算能力,进而带来更高的决策效率。
作为面向流程工业供应链管理的唯一真正的一体化平台,AVEVA一体化供应链提供了单一的信息来源,能够帮助企业在不同团队之间共享和沟通决策、促进全球范围的合作和沟通、实现更好的可视性,进而对不断变化的市场状况做出快速响应。它将计划、排产、原油物性管理和供应配送分销有机结合,能够共享通用信息,提升用户对其整个工厂乃至整个企业的了解。通过采用通用数据、模型和用户管理,它能够促进整个供应链范围的协作和可视性。
“在油价波动、市场情况多变以及全球经济严重下行的背景下,实时原油系统的发布可谓十分及时,因为它能够处理诸多长期困扰能源行业的问题。在一个需要对原油和成品价格保持灵敏的行业中,AVEVA剑维软件的解决方案能够快速提供原油质量物性信息,帮助提高效率、可靠性以及决策制定的灵活性,”AVEVA计划与运营业务部高级副总裁Harpreet Gulati说道。
“在情况多变的能源行业中,实时原油系统位于亟需发展的技术前沿,施耐德电气和AVEVA剑维软件致力于帮助用户快速度过这个充满不确定性的时期,帮助用户安全、高效、可靠地运营业务。AVEVA一体化供应链的一项真实潜力,就是在不提高复杂程度的前提下用先进分析设备和机器学习技术优化一线工作。我们的综合目标是提供创新型解决方案,用以提高效率并帮助用户保持领先,”施耐德电气工业业务过程自动化、过程分析器及仪表副总裁Matthew Carrara说道。
AVEVA一体化供应链平台是独一无二的,以往的解决方案通常采用一系列单点式解决方案,且不同解决方案之间需要进行手动数据传输,而AVEVA剑维软件的解决方案是一体化的解决方案,能够充分利用通用数据、模型和用户管理来促进整个供应链范围的企业协作和可视性。如此一来就免去了不必要的数据传输,也避免了数据传输过程中可能出现的潜在错误。每个人都能随时获取实时的信息。无论企业大小,AVEVA一体化供应链都能够帮助其改善和优化工作流程。灵活、先进的整合机制简化了与现有业务系统之间的适配,保证轻松获取基本数据和结果的同时,还能够保留系统安全性和模型版本可控性,确保了系统使用者之间的一致性。
好文章,需要你的鼓励
在2025年KubeCon/CloudNativeCon北美大会上,云原生开发社区正努力超越AI炒作,理性应对人工智能带来的风险与机遇。随着开发者和运营人员广泛使用AI工具构建AI驱动的应用功能,平台工程迎来复兴。CNCF推出Kubernetes AI认证合规程序,为AI工作负载在Kubernetes上的部署设定开放标准。会议展示了网络基础设施层优化、AI辅助开发安全性提升以及AI SRE改善可观测性工作流等创新成果。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
DeepL作为欧洲AI领域的代表企业,正将业务拓展至翻译之外,推出面向企业的AI代理DeepL Agent。CEO库蒂洛夫斯基认为,虽然在日常翻译场景面临更多竞争,但在关键业务级别的企业翻译需求中,DeepL凭借高精度、质量控制和合规性仍具优势。他对欧盟AI法案表示担忧,认为过度监管可能阻碍创新,使欧洲在全球AI竞争中落后。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。