至顶网CIO与应用频道 06月26日 北京消息:PTC(纳斯达克代码:PTC)在座无虚席的 LiveWorx® 18 数字 化转型会议上宣布推出了一款互联式现场服务解决方案,该方案集成了 ThingWorx®平台和微软 Dynamics 365现场服务模块。与Dynamics 365集成之后,ThingWorx®可使技术人员及其他人员 无缝连接关键工程数据(如物料清单(BOM)信息),以通俗易懂的方式协助其更好地了解相关内 容,加快服务速度。
ThingWorx 是 PTC 的工业创新平台,具备微软的 Azure 物联网功能。借助新式 Dynamics 365 连 接器,企业可以通过新的途径发展互联式服务策略,提升服务操作效率。因此,ThingWorx 现在可 以接入 Dynamics 365 现场服务模块的主要功能,协助用户调度正确的资源,使用正确的部件和信 息来完成工作,从而减少停机时间,加快解决服务问题的速度。一般情形会包含以下步骤:
1、工厂机器的传感器通过Azure物联网向ThingWorx发出警报,说明机器即将出现故障。
2、ThingWorx 接收物联网发出的警报、收集和分析警报信息并从众多系统(如 PTC 的Windchill®产品生命周期管理解决方案)中抽取相关辅助信息后,进行自动化处理。
3、借助集成了Dynamics 365现场服务模块的ThingWorx,服务经理可看到事态的全貌,包括物联网数据和故障预报信息。
4、启用 Dynamics 365 现场服模块件先进的调度功能,协助技术服务经理评估事态并加以验证,从而调度适当的资源和技术。
5、客户将收到现场服务的自动通知,告知其出现故障,并说明已指派一名技术人员处理问题。
集成了Dynamics 365现场服务软件的ThingWorx还可将PTC的Vuforia® Studio增强现实平台与 微软的 HoloLens 连通,形成强劲的创作工具,为技术人员提供强大的混合现实(MR)体验。例 如,现场的技术人员可通过 HoloLens(或其他工业设备)观看组装与拆卸流程。
PTC ThingWorx 总经理 Iain Michel 称:“物联网和混合现实已经改变了公司制造和维护产品的方 式。由于能够更深入地理解工程数据,我们的客户可以提高自己的正常运行时间和首次维修成功 率。与微软合作后,我们的客户有能力整合包括设计、生产、操作和服务在内的主要产品生命周期 功能的各种数据,并确保最优质的服务响应。”
集成了Dynamics 365现场服务软件的ThingWorx已经在微软AppSource上线,近期在波士顿会 展中心的 LiveWorx 18 会议上展示。
微软智能软件即服务(SaaS)总经理 Sona Venkat 表示:“技术人员在维护产品时,可以使用配 备 Dynamics 365 现场服务模块的 ThingWorx,从客户的工程数据系统(如产品生命周期管理系
Room 1616, Beijing Fortune Building, No. 5 Dong San Huan Bei Road, Chao Yang District, Beijing, China 100004 中国北京朝阳区东三环路 5 号发展大厦 1616 室 邮编 100004 电话 Tel:86-10-65908699 传真 Fax:86-10-65908698
统)中轻松获取相关设备物料清单的详细信息,迅速了解现场维护可能用到哪些部件。要提高解决 问题的速度和现场技术人员的效率,物料清单信息是必不可少的。”
PTC 和微软曾在一月份宣布合作,共同帮助客户发掘数字化转型进程中存在的价值,此次联手则深 化了这一合作关系。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。