Annons

SIMULERING & ANALYS: Altair i topp som branschledare inom dataanalys för tillverkningsindustri

Amerikanska CAE-utvecklaren Altair har för sitt arbete inom avancerad datainsamling, normalisering och analyskapacitet, utnämnts till branschledare inom sektorn dataanalys riktad mot tillverkningsindustrin i en ny rapport från ABI Research, ett globalt företag inom teknisk intelligens.
Rapporten utvärderar tio aktörer inom dataanalys som gör det möjligt för industrier och produktionsbolag att proaktivt övervaka utrustning och optimera sina verksamheter med hjälp av dataanalys.
Det särskilt framhålls i utvärderingen från ABI Research är mångsidigheten och djupet hos Altairs tekniska plattform:
“Möjligheten till datainmatning i kombination med ett stort utbud av olika tekniker för modellering ökar kundens förståelse för verksamheten”, skriver rapporten och tillägger: “Det stora urvalet av möjligheter att visualisera och dela data innebär även att Altair kan använda sina lösningar för att hjälpa kunder att lösa olika typer av operativa utmaningar.”
I den nya rapporten utvärderar ABI Research 10 dataanalysleverantörer: Altair, Alteryx, C3 AI, Crosser, Falkonry, Litmus, MachineMetrics, PTC, Seeq och Sight Machine, som gör det möjligt för industri- och tillverkningsföretag att proaktivt övervaka sin utrustning och optimera deras verksamhet med hjälp av dataanalys.

Altair-chefen och grundare James R. Scapa konstaterar att ABI Research lyft upp bolaget till den ledande positionen när det gäller dataanalys i tillverkningsindustrin:
– Vilket gör det möjligt för företag att använda operativ data – från verkstadsgolvet till högsta instans – med vår omfattande plattform för analys och maskininlärning, säger han och tillägger: ”Vår expertis och förståelse för komplexiteten inom tillverkning och maskininlärning har gjort det möjligt för oss att utveckla lösningar för att bygga applikationer för analys med vår lågkodsplattform, vilket främjar snabbare och mer effektiva beslut.”

Rankade områden
ABI Research har rankat företagen genom att utvärdera organisationens tekniska lösningar och plattformens kapacitet inom följande områden:

  • Datainsamling
  • Dataströmning
  • Datanormalisering
  • Kärnanalyser
  • Användarupplevelse
  • Kommersiell framgång
  • Hur snabbt produkten genererar värde för kunden

Kan samla in data via en mängd olika metoder
I rapporten skriver ABI Rtesearch bl a att Altair kan samla in data via en mängd olika metoder, inklusive industriprotokoll (t ex. BACnet, OPC-UA, LoRaWAN, CANbus, Modbus), trådlösa nätverk (Wi-Fi/WLAN, BLE, LoRa, Sigfox) och via MQTTochREST.
Datan (både strukturerad och halvstrukturerad data) kan hämtas från, bland annat, sensorer, IoT-enheter och gateways, CommaSeparated Value (CSV)-filer, Parkett, SAS7BDATs, Excel, platta filer, XML, JSON, SAS, SPSS, och relationsdatabaser, till exempel, PH, t ex Snowflake och BigQuery. Andra datakällor inkluderar MongoDB, DataStax, Cassandra, Elasticsearch och Splunk, liksom datahistoriker som OSIPI. Dessutom kan Altair extrahera data från platta filer, PDF-filer och GoogleDocs.

Efter att ha samlat in data kan Altair utföra, om det behövs, datanormaliseringsfunktioner, inklusive datablandning, rensning, dubblettborttagning, och radfiltrering, samt upptäcka undanliggande data. Databeredning och översättningsprocedurer inkluderar sammanslagning, tillägg och kartläggningstekniker. edon olika system och användardefinierade utlösare.

Kunder kan använda Altairs strömhanteringsarkitektur, där dubbletter tas bort, strömmar kan sammanfogas, och händelser aggregeras och filtreras. Dessutom kan användarna applicera ML-modeller och göra poäng på strömhändelser. Altair stöder DL-bibliotek, såsom TensorFlow, H2O, Torch, BoDL, Unit, C och C. andGraphics Processing Units (GPUs).

De kärnanalytiska funktionerna är tillgängliga ur lådan från Altair och för alla kunder att använda. Grundläggande rapporteringsfunktioner inkluderar möjligheten att ställa in aktiva och passiva varningar och meddelanden, för varningar på skärmen och offline för en enskild maskin på fabriksgolvet eller för att ge en övergripande processvy av en anläggning som föreskrivs för 2 tekniska modeller, från och med 0 av teknisk support. s(trädbaserad modellering, regelbaserad inlärning, bayesisk modellering, instansbaserad inlärning, linjegression och logistisk regression) för att utföra vad-om-simuleringar. Altairs AI ger detaljer om varför en viss modell beter sig på ett visst sätt och hur den kan möta flera företag och företag.

Print Friendly, PDF & Email

Success Stories

Industriellt

Success Stories

Intressant på PLM TV News

PLM TV News

PLM TV News

PLM TV News

PLM TV News

PLM TV News

Aktuell ANALYS

Aktuell Analys

Aktuell Analys

3D-printing

Block title