-
智能工厂信息化系统建设需要将现代管理理论、智能制造理论与最新信息技术、自动化技术、网络通信技术、信息物理系统、大数据技术、云计算技术等深度融合，通过科学规划和全面集成企业设备单元、......
-
企业要找到一个合适的数据领域的人才也比较困难。可以说，每个细分领域只要你做好了，做精通了都是很有前景的。但不同的细分领域所承担的职责确实不同......
-
未来的工厂是直观的也是智能的，并且装有传感器，这一切都要归功于人工智能在制造业的应用。本文将介绍人工智能在制造业的应用情况以及它对未来工厂的重要性。......
-
工业互联网的内核是以物联网为基础，将带有内置感应器的机器和复杂的软件与其他机器、人连接起来，进行实时数据的收集、传输、处理和反馈，从中提取数据并进行深入分析，挖掘生产或服务系统在性......
-
智能制造和工业互联网究竟是指什么？可以分清二者概念的人相信并不多。概念不清楚，行动方向就会出错，误入歧途也是早晚的事情。......
-
数字工厂和智慧工厂有什么区别？随着科技的进步，信息技术在与传统工业制造的深度融合，使传统工业制造也迈进了数字化，信息化的时代。在工业4、0的今天，我们经常能听到“智慧工厂和数字化工厂......
-
由于在变化快速的商业世界里，业务形态多种多样，为了能够更有针对性的进行数据建模，经过长时间的摸索，业界逐步形成了数据建模的四部曲：业务建模->领域建模->逻辑建模->物理建模。......
-
随着数据资源的爆炸性增长，企业面临着数据标准不统一、数据信息分散、数据质量参差不齐、开发维护困难等问题，很难满足实时分析和决策的高要求。因此，数据治理对于工业互联网的发展至关重要......
-
模型和工具的有效应用能很大程度上帮助采购人员对采购过程进行系统化的梳理，并提高时间利用效率！本文列出的24个采购管理图解工具，您在实践当中用过几个呢？......
-
运维的工作方向比较多，随着业务规模的不断发展，越成熟的互联网公司，运维岗位会划分得越细。当前很多大型的互联网公司，在初创时期只有系统运维，随着服务规模、服务质量的要求，也逐渐进行了......
-
经济高速发展的今天，我们处于信息大爆炸的时代。随着经济发展，信息借助互联网的力量在全球自由地流动，于是就催生了各种各样的服务平台和软件系统。......
-
工业互联网平台需要解决多类工业设备接入、多源工业数据集成、海量数据管理与处理、工业数据建模分析、工业应用创新与集成、工业知识积累迭代实现等一系列问题,涉及七大类关键技术......
-
本文是吉利汽车针对上述问题，在应用IIoT技术打造互联工厂方面的一些思考与探索过程。......
-
有些企业为了IT部门工作规划,请咨询公司做IT战略规划,然后拿来做极少的修改就作为IT工作规划的汇报;或者是以以前的工作规划为主体进行IT战略规划的设计。......
-
新型网络强化互联基础、云计算加速应用创新、人工智能(AI)促进价值挖掘、开源开放助推生态构建,这些都标志着传统产业在技术创新的不断推动下出现了重大变革。......
-
在近些年的工业市场上,有许多厂商“紧跟热点”,凭借同一个产品或解决方案,在工业互联网概念大热的时候宣称自己是工业互联网先驱者,在智能制造风靡的时候又将相同的产品变更定位,自诩智能制造实......
-
在中国制造2025及工业4.0信息物理融合系统CPS的支持下,离散制造业需要实现生产设备网络化、生产数据可视化、生产文档无纸化、生产过程透明化、生产现场无人化等先进技术应用,建立基于工业大数据......
-
作为工业4.0的最大主题，智能工厂可谓贯穿产业升级全过程。智能工厂主要研究智能化生产系统及过程以及网络化分布生产设施的实现。......
-
智能制造已经成为全球制造业的重要趋势。随着人口红利的逐步消失，工厂企业需要找到一种全新的生产模式，以缓解昂贵的劳动力成本和应对快速更新的产品需求。......
-
如果我们说主数据是企业的“黄金数据”，那么对于制造型企业来说物料主数据就是企业的“钻石”数据。物料主数据贯穿于制造型企业的设计、工艺、采购、生产、库存、物流、销售的各个环节。......
-
伴随着数字化智能制造的浪潮，越来越多的制造企业开始在生产部门部署实施MES系统，以期获得生产效率的提升，从而获得在一定阶段内的产品价格竞争优势。......
-
近十年里，围绕人工智能的讨论掀起了轩然大波，不仅是大型企业，还有中小型企业，都给予了更多的关注。......
-
本文分别从数据产品的价值、愿景、设计思路、建设方法及案例等方面，结合作者这些来的工作经验和心得，全方位介绍数据产品，梳理了一份数据产品建设方案。......
-
本文通过案例分门别类地深入探讨人工智能的实际应用。案例甚多，此处所列举的仅是九牛一毛。本该按行业或业务对这些案例进行分类，但相反我选择按在行业或业务中最可能应用的顺序来分类。......
-
人工智能产品的构建过程分为三个阶段，每个阶段都有着不同的思考方式。从挖掘行业属性到模型的建立与调优，作者对每个阶段需要注意的问题进行了分析说明，供大家一起参考学习。......
-
数据可视化作为一种有效传递信息的手段，被越来越广泛地应用到很多领域。如果想要让数据发挥更大的价值，那么合理地运用数据可视化的方法和工具就显得特别重要。......
-
随着工业互联网的不断发展，设备接入数量越来越多，各类数据呈现爆炸式增长，数据计算技术，特别是边缘计算技术已成为影响工业互联网平台深入应用的重要因素。......
-
开源的机器人过程自动化工具(RoboticProcessAutomation，RPA)使企业可以低成本的使用RPA。随着开源的兴起，与许多的软件实现一样，企业在构建RPA时，可以选择先从开源起步。......
-
从BI概念提出到今天已有二十多年历史，BI工具市场纷繁多样，但不少企业在选择BI时仍存在诸多困惑。本文将围绕BI工具的选型展开，为正在寻找BI的企业提供参考和帮助。......
-
制定数据治理计划期间，如何衡量其工作进展和所带来的业务收益，也是一项关键任务，同时更是一个巨大挑战。数据治理团队必须制定一组数据治理的工作指标，以便于向企业的高级管理层、业务主管展......
-
大多数企业智能制造的实现路径可以采用MOM等IT系统与工业物联网相互融合的方式，融合的主要内容包括管理对象的融合和管理循环的融合......
-
智能制造作为广义的概念包含了五个方面：产品智能化、装备智能化、生产智能化、管理智能化和服务智能化。......
-
5G时代的智能工厂将大幅改善劳动条件，减少生产线人工干预，提高生产过程可控性，最重要的是借助于信息化技术打通企业的各个流程，实现从设计、生产到销售各个环节的互联互通，并在此基础上实现......
-
一轮工业革命的本质是未来全球新工业革命的标准之争，各个国家都在构建自己的智能制造体系，智能制造和智能工厂也成为了新一轮工业革命的两大主要目标。......
-
工业4.0到底是个啥？按照修真小说的习惯，每一个境界都要分成一个小境界，以突显差异和厉害之处，按照这个方法，把工业4.0也分成六重天。......
-
打造智能工厂是一段旅程，企业很难确定最佳的前进路线。以下三大要素提示服务商如何运用创新技术把握趋势，并为企业带来真正的价值。......
-
工业互联网不是将要发生，而是正在发生。工业互联网的核心价值在于通过信息技术赋能传统制造业，实现信息共享，带动生产环节提质增效，提升工业产品附加值，甚至实现产业链协同发展。......
-
数字化工厂不自动化工厂,到底有何区别?要追赶未来制造,人不机器之间关系如何重构?为什么反复强调,提升质量而非降低成本,才是工业进化的本质?......
-
我们根据以往数十年在IT行业，特别是基础架构方面积累的经验，精心挑选了十二种DevOps工具，为您进行功能性的介绍。......
-
运维人员与开发人员不同，由于基础架构部分的变动不是很大，因此运维人员是越老越值钱的。但这个活儿不是人人都能干到老的......
-
智能企业应用程序将要求将单个人工智能/机器学习系统连接到其他系统，以便它们可以相互通信并相互学习。企业最终将从存储的所有数据中获得可观的投资回报。......
-
数据统计埋点工作的基础还是在于对业务的深度理解。我们要做的不仅是完成一个数据指标的上报，更重要的是通过不同纬度的数据指标，更加全面具体的去分析业务情况。......
-
新零售是以数据为驱动的，对人、货、场等角色及相互关系的重构。互联网时代，碎片化的消费行为令传统的零售方式难以为继。而基于数据分析，综合使用各个维度来源的数据：历史交易数据、社交网络......
-
数据科学家要有基于数据指导业务和分析预测的能力。具体来说，需要具备的素质有:大数据平台实战经验、理解企业业务、懂数学软件和编程、掌握分析的理念、熟悉算法跟编程。所以数据科学是对业务......
-
政府加速行动和企业加速行动，会推动工业互联网产业的快速起步，但市场和管理维度作为慢变量，则决定了未来发展持续性。未来中国工业互联网的发展更关键，难度更大的是在慢变量上的突破，尤其是......
-
人工智能技术在企业SaaS中的应用体现在哪些地方？人工智能与传统软件的结合，是否真的能将操作用户的工作效率提高？......
-
工业互联网对不同规模的企业到底创造哪些价值？企业为什么推动生产制造等环节上线？从2C为主到2C与2B并重。我想这也是一个资本准确及时调整的缩影，从此看到的是互联网下半场、新经济下半场乃至......
-
对工业互联网的理解，仁者见仁，智者见智，在当前概念使用比较混乱的前提下，明确概念内涵，找出异同，便于实际使用。......
-
对于企业而言，了解工业大数据产生的背景，归纳工业企业大数据的分类和特点，从数据流推动工业价值创造的视角看待、重造工业价值流程，将具有很强的现实意义。......
-
了解数据工程师和数据科学家之间的差异非常重要。误解或不了解其差异，会导致团队在处理大数据时失败或者表现不及预期。一个核心的误解是每个职位各自的优点和弱点。我认为，其中一些误解来源于......