其次，平臺(tái)擁有靈活的數(shù)據(jù)存儲(chǔ)策略。對(duì)于采集的數(shù)據(jù)，平臺(tái)可根據(jù)數(shù)據(jù)類型的不同進(jìn)行分別處理。
再者，平臺(tái)具有復(fù)雜強(qiáng)大的數(shù)據(jù)處理引擎。實(shí)現(xiàn)數(shù)據(jù)處理邏輯和上層業(yè)務(wù)的解耦，保證建立在基座的上層應(yīng)用獲取到干凈的數(shù)據(jù)。
尤其值得一提的是，嘉元物宇IIoT平臺(tái)提供了邊緣智能的有力支撐。在平臺(tái)上集成了AI模型和機(jī)理模型的運(yùn)行引擎，離線訓(xùn)練或者開發(fā)出來的模型都可以部署到平臺(tái)上進(jìn)行運(yùn)行，形成邊緣智能。
這樣一來，在邊緣端就可以實(shí)時(shí)處理上報(bào)的數(shù)據(jù)，支撐預(yù)測性維護(hù)、工藝優(yōu)化、供應(yīng)鏈優(yōu)化等具體場景，并根據(jù)數(shù)據(jù)結(jié)果對(duì)系統(tǒng)進(jìn)行實(shí)時(shí)控制。
比如，在領(lǐng)克汽車成都工廠，采用鍋爐開機(jī)邊緣智能模型，有效避免了資源浪費(fèi)。
▲領(lǐng)克成都工廠鍋爐模型
鍋爐運(yùn)行需要預(yù)熱，以便在工人上班時(shí)能達(dá)到作業(yè)所需的工藝溫度。過往受限于人工經(jīng)驗(yàn)和設(shè)備狀態(tài)、環(huán)境條件等因素，開機(jī)時(shí)間往往不精準(zhǔn)，或者開機(jī)時(shí)間短，導(dǎo)致工人上班后溫度不夠，等待時(shí)間增加；或者開機(jī)時(shí)間長，過早到達(dá)工藝溫度，造成資源浪費(fèi)。
采用邊緣智能模型后，根據(jù)采集到的鍋爐運(yùn)行數(shù)據(jù)、環(huán)境溫度、生產(chǎn)計(jì)劃（產(chǎn)能、排班等）等信息進(jìn)行計(jì)算，得到理想的開機(jī)時(shí)間。從而避免了過早開機(jī)導(dǎo)致的資源浪費(fèi)，也避免了過晚開機(jī)影響生產(chǎn)進(jìn)程。
大量協(xié)議與模型支撐企業(yè)開箱即用
新聞爆料
