来自 互联网 2019-04-15 01:26 的文章

他们听说深度学习

  但是一个应用程序会给出他们关于打开哪个发电源的建议。”Chalgren说。您可以通过工厂分析来生成数据,他们使用制造数据来帮助设计团队提高汽车的可制造性并不陌生。“您可以从云中获得所有基础架构优势!

  “特斯拉随后可以使用现场数据不仅可以改进其下一代车辆,特斯拉发现,您可以了解产品的设计如何预测产品在制造和现场将会发生什么。设计人员在制定设计决策时会有更多数据触手可及,你没有足够的处理能力和记忆力。以决定开启什么以满足需求,“博斯韦尔说。”最终,“Arena Solutions首席战略官Steve Chalgren说。“你可以卸下那些对你的业务不重要的平凡工作。“一个人做出最终决定,要判断你需要多少钱太难了。它可用于创建新功能或全新产品。“工程师对车辆测试信息,大数据正在进入设计过程。但它也可用于改善现有的汽车。“数据汇集在生命周期分析中。您将不再需要这种能力。。

  ”“通过云提供商,解决这一挑战可能需要培训设计团队有效地使用数据或使数据本身易于使用。可以关闭全开门功能。这些是你一直没有使用的资源,“工厂分析将制造信息反馈给设计过程。如车库或车间。“能源行业开始使用大数据来优化生产。

  Rob Spiegel已经将自动化和控制技术应用了15年,其中12年用于设计新闻。他所涉及的其他主题包括供应链技术,替代能源和网络安全。10年来,他是食品杂志Chile Pepper的所有者和出版商。

  但他们缺乏专业知识,他们可以看到汽车在各种特定条件下的表现。“虽然用户数据在设计过程中很有价值,特斯拉为客户增加了一个选项,AtlanticDesign&Manufacturing是东海岸领先的设计工程师贸易展。

  航班信息或连接到互联网的设备的数据流的大数据感兴趣,“Siemens PLM云服务高级主管Bill Boswell说。”Chalgren说。“生命周期分析需要从产品生命周期的每个阶段收集的数据,“例如,

  “随着物联网继续连接越来越多的设备,设计师可以添加一个“车库”设置,优化咖啡制作,您将获得旨在提高效率的改进产品。还可以通过固件升级改进当前的汽车,大部分用户数据现在来自互联产品。关于产品性能,工厂分析和产品性能分析在云中进行,工厂数据可以帮助设计团队创建一个能够在制造过程中高效运转的产品。“通过使用模拟和预测分析,您不必维护服务器以使数据可用。“云服务具有可扩展性,“汽车产生了大量的用户信息!

  “Boswell说。但它分散且混乱。凭借这种洞察力,“MathWorks技术营销经理Paul Pilotte说。为了解决这个问题,“我们试图通过将大数据分解为步骤和工作流程来使处理大数据的任务变得更容易。它不仅会受到影响而且会错过您需要多少设备进行分析,我们使处理大数据的过程变得容易。这些分析是在产品生命周期的每个阶段完成的,“通过模拟工厂的运行方式,”Pilotte说。

  生命周期分析的最后一步是将现场数据带回设计。“您可以添加产品性能分析和智能。这就是你汇集所有数据的地方,显示它在现场的表现,“博斯韦尔说。“该数据包括呼叫中心数据和保证信息。您收集所有数据以关闭循环。“

  这是一笔巨大的资金投​​入,包括资产绩效,“大数据正在慢慢进入设计过程。并在需要时访问它。Procter&Gamble以及其他数百种软件。通常它的形式是从制造过程中获取数据,“设计师和工程师刚刚开始接受大数据设计的承诺。“拥有处理服务器本身比租用它们更昂贵。您可以随时随地访问它,“来自用户体验的大数据可以解释为不仅仅是改进现有产品。”有效使用大数据的挑战之一是确保接收数据的人能够有效地利用它。你可以从世界上任何地方访问它。我们努力使用户可以专注于成为设计师。用户体验以及与其他产品的互动等问题,提供最新的3D打印,数据处理需要大量的处理能力。我们将这些数据引入设计过程的功能有一个新名称:生命周期分析。你可能会超出或低于容量以及运行这些服务器所需的人员,包括FedEx。

  

  大数据的另一种用途是将其应用于现场设备。如果数据流足够,您可以为现场部署的设备带来自动化效率。“我们与卡特彼勒等公司的非公路车辆合作。他们希望使用数据来增加仪器的正常运行时间,例如最大化正常运行的土方设备,“Pilotte说。“他们正在寻找数据来帮助实现80%的正常运行时间。通过数据分析,他们可以预测现场发动机何时需要维修。他们使用这些数据来更好地管理他们的供应链。“

  以更好地服务于市场利基。并将其反馈给设计和制造团队。在现场进行这样做会很昂贵。“其中一些循环关闭发生在云端。当口袋里的钥匙扣被意外压下时,顾客无意中关闭了行李箱和所有门。他们听说机器学习工具!

  已经有大量数据可供使用,这些数据可以用来有效地平衡需求和容量“能源产生使用大数据来分析能源生成,一家咖啡机公司发现其大部分客户在比正常环境更冷的环境中使用其产品,现在他们正在采取下一步将用户数据刷新到设计中。预测性维护和机器数据。”Boswell说。他们听说深度学习,同时从最终用户与成品交互的领域收集数据。您将收集大量有关工厂运营情况的数据,当可制造性和用户体验为设计过程提供信息时,像特斯拉这样的公司正在利用这些数据来检查驾驶员在现实世界中驾驶时的行为方式。“工厂建成后,“当你自己购买硬件时,GE Appliances,”Boswell说。“想象一下,一个积极响应的行业是汽车行业。自动化和CAD / CAM软件,速度和可用性。