对于制造业来说,客户调查、产品质量报告、工厂设备日志等等都能产生大量数据,所以制造企业并不缺少数据,他们面临的问题是数据的来源与质量。数据的源头是哪里,来自于内部还是外部?数据的复杂程度如何?是否是专有数据?如果数据来自于SAP和主机,数据的名称和结构会很复杂,与其他数据源的整合成本会很高且耗时很长,并且访问和使用不同类型的数据需要不同的方法等等。
如果上述问题解决了,即确定了适合的数据集之后,制造企业就可以开始利用分析工具或机器学习、AI预测模型等方式有效地获取洞察。这些技术能够根据当前趋势对未来的结果进行更准确的预测,并根据未来的潜在情况进行更好的规划,让决策更加智能。
设备综合效率(OEE)的分析
要评估生产设备的运行情况,设备综合效率(OEE)是最广泛使用的指标。该指标可以用来监测单台机器、生产线、甚至整个工厂的绩效。OEE本质上是通过三大关键因素来衡量生产制造的效率——可用性、效能、质量。
计算OEE时,需要重点考虑的因素包括:材料和零部件的备货情况、维护和修理导致的宕机时间、人员引发的生产延迟,以及产品不良率等等。生产过程中的任何缺陷都可能会导致严重的生产延误,并因为返工或报废而导致成本增加。
梅赛德斯-奔驰公司在生产过程采用了OEE分析,在装配线上安装车轮吊耳时,对扭矩力进行测量好监测,确保安全和合规。
OEE分析还能帮助制造商找到改进的机会。例如,梅赛德斯-奔驰正在与微软合作,通过云计算获取更多的数据用于分析。梅赛德斯-奔驰MO360战略项目就是通过监测OEE来找到效率不高的根本原因,并制定战略来提高绩效。该项目的目标包括:
OEE分析可以为制造商提供改善运营的洞见,并帮助就如何提高生产力和降低成本做出明智的决定。通过长期跟踪OEE,制造商可以确定需要改进的地方,并制定策略提高效率和减少浪费。通过OEE分析,制造商可以让生产设备最高效率地运行,在当今快速变化的全球市场中保持竞争力。
Qlik与微软、Databricks等领先的行业解决方案提供商建立有合作伙伴关系,可以帮助制造业客户更好地利用数据,让企业变得更具韧性、更有效率、更可持续。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。