重型设备制造商小松在Cloudera 和微软助力下实现了工业物联网分析平台
重型设备制造商小松(Komatsu)实施了一款以Cloudera 产品和微软Azure作为支撑的工业物联网分析平台,以帮助全球采矿企业监控行业中使用的巨型设备的性能。该平台还能提高资产利用率和生产率,为全球经济提供必要的资源(包括能源和工业矿产)。
小松的JoySmart解决方案是为了帮助客户利用机器数据和分析来优化机器性能。它摄取、存储和处理从世界各地的采矿设备收集到的多种数据,每台机器每分钟可以产生3万到5万条带有时间戳的记录。
“随着客户需求的增加和联网机器的增多,我们预计数据量将达到每月30TB。以前的环境限制了我们的规模、增长和创新能力,”小松公司分析部高级经理Anthony Reid说。
“借助Cloudera的全新平台,我们使用先进的数据分析和机器学习来推动我们在工业物联网方面的成功。我们现在为客户提供更好的机器使用建议,并更快地提供服务。例如,我们能够为一家大型煤矿公司提供建议,使他们的Joy长壁开采系统的日利用率增加一倍。
“通过在微软Azure上部署Cloudera 平台,我们的团队将不可见的数据变为可见,获得有价值的洞察,帮助客户优化生产率和挖掘效率。Cloudera提供了快速的性能、数据安全和客户支持,使我们的团队能够访问机器数据分析,并与世界各地的不同用户群体合作。”
小松需要一个现代化的数据平台,不仅要在云计算中提供下一代机器学习和先进的分析能力,而且要具有可扩展性,以提高客户的设备利用率和生产率。有了Cloudera,小松现在可以利用大量的数据,帮助矿业客户应对日益增长的压力,以更低的运营成本实现更智能的环保和更高的生产率。
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。