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
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。