Google Cloud近日推出了两个行业特定的平台,即Manufacturing Data Engine和Manufacturing Connect平台,旨在帮助工厂运营企业将每天生成的大量数据汇集起来,并对数据进行处理。让制造企业能够从基于分析的洞察力、预测性维护和机器级异常检测中受益。
尽管工厂设备会产生大量信息,但其中大部分数据仍然是孤立的,这让那些会对运营带来有意义影响的分析和人工智能工具无法轻松读取这些数据。除此之外,大多数分析和AI工具都是为数据科学家设计的,制造业企业领导者很难使用这些工具。
Google Cloud这次推出的新产品正是为了解决这个问题。Manufacturing Data Engine服务主要针对保存在Google Cloud上的工厂数据,其中包括了很多易于配置且自定义的蓝图,用于数据摄取、转换、存储和访问。最重要的是,该服务与Cloud Dataflow、BigQuery、Looker、Apigee、Vertex AI等其他Google Cloud产品进行了集成,让制造企业也可以使用这些产品中的数据。
另外一款产品Manufacturing Connect,是由Google Cloud和Litmus Automation共同开发的工厂边缘平台。工厂运营方借助Manufacturing Connect可以快速将任何工业系统或设备连接到Google Cloud,并从云中接近实时地传输数据,以便处理信息,随后这些数据在Manufacturing Data Engine中汇集和协调,使其可用于许多关键用途。
例如,工厂运营方可以对他们的数据进行分析,收集有关运营的有价值的洞察,还可以可视化每台机器或整个设施的关键性能指标,轻松共享这些指标,从中发现提高运营效率的新机会。
Manufacturing Data Engine还能帮助制造企业在异常发生的时候识别出这些异常情况,根据噪声、振动或温度等数据发出实时警报。此外,该服务还有助于预测性维护,让管理人员可以更好地安排个别机器的维修时间,从而减少停机时间,降低维护成本。
Constellation Research分析师Holger Mueller表示,Google Cloud正在提供越来越多像Manufacturing Data Engine这样的垂直解决方案,因为这正是客户所需要的。他说:“企业是垂直的,他们需要加速实践,也就是快速前进并且变得更加敏捷。针对垂直行业需求的开箱即用性功能将为企业提供帮助,而且谷歌产品一如既往地以数据、分析和人工智能为核心。”
作为Google Cloud最新产品的早期客户,以工厂装配线创新著称的百年车企福特汽车(Ford Motor)正在进行新一轮创新。该公司制造技术开发总监Jason Ryska表示,福特汽车的生产线不断生成越来越多的传感器数据,为实现更智能的分析创造了机会,不仅可以提高产品质量,还可以提高生产效率,改善设备健康监测。
他说,新数据的获取和管理对大多数企业来说都是一个挑战。“我们与Google Cloud合作实施了一个数据平台,该平台目前运行在两个工厂100多台互连的关键机器上,每周传输和存储超过2500万条记录。我们从数据中获得了深刻的洞察,这将帮助我们实施预测和预防措施,持续提高制造工厂的效率。”
Google Cloud供应链和制造业董事总经理Hans Thalbauer表示,这些信息都是关于系统连接把易于使用的AI交到工程师手中。他说:“这些新解决方案可以为员工转型计划提供支持,为工程师们提供了自助使用的工具,而无需数据科学家或者额外的集成代码。”
好文章,需要你的鼓励
文章详细介绍了Character.AI这款主要面向娱乐、角色扮演和互动叙事的AI聊天工具的原理、用户群体、特色功能以及面临的法律与伦理争议,同时揭示了其新推出的视频和游戏互动体验。
上海人工智能实验室研究团队开发了MMSI-Bench,这是首个专注于多图像空间智能评估的全面基准。研究人员花费300多小时,从12万张图像中精心构建了1000道问题,涵盖了位置关系、属性和运动等多种空间推理任务。评测结果显示,即使最先进的AI模型也仅达到41%的准确率,远低于人类的97%,揭示了AI空间认知能力的重大缺陷。研究还识别了四类主要错误:物体识别错误、场景重建错误、情境转换错误和空间逻辑错误,为未来改进提供了明确方向。
思科报告指出,自主型人工智能未来三年内有望承担高达68%的客户服务任务,通过个性化与前瞻性支持提升效率与节省成本,但用户仍重视人与人之间的互动和健全的治理机制。
卡内基梅隆大学研究团队开发了ViGoRL系统,通过视觉定位强化学习显著提升AI的视觉推理能力。该方法让模型将每个推理步骤明确锚定到图像的特定坐标,模拟人类注视点转移的认知过程。与传统方法相比,ViGoRL在SAT-2、BLINK等多项视觉理解基准上取得显著提升,并能动态放大关注区域进行细节分析。这种定位推理不仅提高了准确性,还增强了模型解释性,为更透明的AI视觉系统铺平道路。