2021-2023年是我国工业互联网的快速成长期,工业互联网创新发展行动计划中重点任务提到了平台体系壮大行动,尤其是提升平台技术供给质量,因为赋能新模式和新场景,取决于工业互联网平台本身的技术能力。
目前工业互联网体系架构已经演进到2.0阶段,分为业务视图、功能架构、实施框架三个部分由上向下,业务视图梳理应用侧的需求与核心流程,明确工业互联网价值和能力;功能架构确立核心功能模块与交互关系,明确核心功能作用范围;实施框架明确系统实施对象、层级与范围,明确关键技术、系统、软硬件模块及相互关系,确立实施场景数据流、控制流等信息流动。
当然,工业互联网落地应用也存在一些误区。PTC售前技术高级总监秦成指出了三大误区,第一,局限在工业互联网平台功能视图;第二,局限在工厂/设备端;第三,没有准确定义工业APP与网页、系统的区别。
作为IIOT工业互联网平台的ThingWorx正加速助力企业数字化转型,最近ThingWorx更新了9.1版,增强了Edge功能实现远程内容管理和平台支持;ThingWorx Solution Central扩展了应用程序支持;资产分层分组更加灵活;增强审核能力和可用性;使用Analytics Builder进行可信度模型训练;简化了工作流程管理;时间序列和事件分析可视化;提高了可用性和水平可扩展。具体的新功能和增强包括:
EDGE/Kepware
通过Kepware,ThingWorx和Microsoft Azure IOT构建增强的OPC-UA模型。
通过新的SDK对边缘侧功能,移动设备的支持进行增强,新的软件内容管理功能将内容快速安全地传递到边缘设备。
Operator Advisor/Factory Talk Historian Connector
数据可以从任何IT/OT业务系统导入到 Operator Advisor,从而为操作人员创建了一个统一的APP;新的演示UI实现了端到端体验,将源工作指令与作业单链接在一起,并增强了操作人员界面,从而提高可视化效果;罗克韦尔自动化Factory Talk Historian连接器为ThingWorx应用程序构建人员提供了标准化且丰富的时序数据,资产框架模型和警报/事件。
ThingWorx Navigate
可导出PLM零件结构、增强了基于角色的应用程序、改进了云托管部署的安装和升级。
ThingWorx Solution Central
扩展了应用程序支持(包括ThingWorx应用程序)、部署基于ThingWorx早期版本构建的应用程序、增强管理解决方案。
分析
改进AI功能,通过Analytics Builder创建包括置信区间的预测模型;根据预测误差造成的成本优化分析模型;在边缘设备处或设备附近通过预测打分获得高级分析洞察力。
ThingWorx Flow
通过委托授权提高平台内和第三方系统数据流的安全性;通过参数化连接提高流程及其配置的可维护性和重用性;使用灵活的表单改进Flow配置和可定制的设计器界面;通过监控流程并诊断与使用流程构建的业务系统集成问题。
Composer/Mashup构建器
借助基于D3的Line、Bar和Schedule小组件改善了时间序列,时间和数据分析的可视化;通过对绑定、属性、主题、撤销/重做进行增强,改善了构建器的可用性;使用新的构建快,项目和小组件在平台中轻松创建应用程序。
Active-Active集群
增强可扩展性,提高可用性,增强可操作性,部署更灵活。
未来,ThingWorx在功能上将继续扩展工程、制造和服务领域解决方案、改进数字主线、AI驱动解决方案、引入AI数字孪生、使用统一分布式工业互联网架构、扩大超大规模超可用性可管理性界限。在中国ThingWorx将聚焦行业领军企业,树立行业标杆,同时联合生态合作伙伴根据领军企业经验,快速推向整个行业和产业链。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。