Джо Бастон (Joe Bastone), директор по маркетингу продукта Experion, подразделение Honeywell «Промышленная автоматизация», и Винсент Хиггинс (Vincent Higgins), директор по технологиям и инновациям, промышленное направление Honeywell Connected Enterprise, рассказали нашему журналу о цифровых решениях, которые сейчас активно развивает компания Honeywell. В интервью представлены система Experion PKS HIVE (начало поставок ожидается в первом квартале 2020 г.) и интеллектуальные носимые решения.

В этом году исполняется сто лет со дня рождения знаменитого советского ученого в области теории автоматического управления Ивана Петровича Пальтова (1919–1979), известного нескольким поколениям инженеров по брошюре «Нелинейные методы исследования автоматических систем», изданной массовым тиражом в 1976 г. издательством «Энергия» [1].

Качество отрезков труб, использующихся в машиностроении и автомобильной промышленности, определяется точностью их длины, а также отсутствием стружки и заусенцев по краям. Чтобы обеспечить выверенную и аккуратную нарезку, компания FZH Maschinenbau (Германия) создала систему Vario, работающую в тандеме с решением по управлению движением от Kollmorgen. В статье рассмотрен проект, который компания Kollmorgen выполнила совместно с инженерами Quality Automation GmbH (QA) для одного заказчика из Германии.

Сегодня промышленные предприятия активно внедряют в производственные процессы все больше новых технологических решений. Многие компании понимают, что переход к модели «Индустрия 4.0» обеспечит более безопасное, конкурентоспособное и эффективное производство. Но вместе с увеличением популярности новых технологий повышается расход электроэнергии, цены на которую растут из года в год. За период 2017–2019 гг. стоимость электроэнергии для промышленных предприятий выросла в два раза, что отразилось на себестоимости конечной продукции. Поэтому сегодня перед компаниями как никогда остро встает вопрос о том, каким образом можно снизить энергозатраты, одновременно увеличив энергоэффективность.

Для разработчиков и компаний, занятых внедрением устройств IoT, проблемы возрастают по мере перехода с уровня компонентов на уровень схем и затем систем. Какие инструменты и решения им доступны? Какие соображения по тестированию могут помочь сократить время на разработку и развертывание и сэкономить общие затраты? В материале, опубликованном в приложении IIoT, были описаны возможные проблемы и причины их возникновения [1]. В этой статье рассмотрены их решения.

Два года назад компания Cognex начала предлагать клиентам библиотеку глубокого обучения ViDi, а в прошлом году реализовала ее в сочетании с VisionPro, своим флагманским программным продуктом. В пакет включены инструменты для выполнения четырех основных задач: Blue-Locate для локализации, Red-Analyze для обнаружения отклонений, Green-Classify для классификации и Blue-Read для распознавания символов.

Коллаборативные, т. е. используемые совместно с человеком-оператором роботизированные приложения дают существенные преимущества для производителя, поскольку способны гибко выполнять широкий спектр задач. Но при этом остаются и определенные риски.

Автомобильная промышленность демонстрировала тягу к новым технологиям и прорывному развитию на протяжении всех индустриальных революций. Так происходит и на этапе четвертой научно-технической революции «Индустрия 4.0», концепция которой заключается в создании автоматизированного цифрового производства, позволяющего снизить издержки, увеличить скорость выпуска продукции и добиться максимального качества конечного изделия.

1 октября на Yandex Scale (первая большая конференция «Яндекс.Облака») было представлено пять новых сервисов. Еще буквально в сентябре 2018 года их было лишь девять, а сейчас уже 27. В своих разработках «Яндекс» использует мировой опыт с учетом отечественных особенностей. В статье мы рассмотрим решения, имеющие непосредственное отношение к аппаратному обеспечению, а именно Yandex IoT Core и Yandex Interconnect.

В скором времени безопасность автоматизации будет обеспечиваться в том числе самообучающимися машинами и оборудованием. Благодаря достижениям в области искусственного интеллекта (англ. Artificial intelligence, AI) и машинного обучения (англ. machine learning, ML) роботы и другое промышленное оборудование, при функционировании которого необходимо соблюдение особых мер безопасности, смогут учиться на большом массиве соответствующих данных.