Операционная система «Интернета вещей» MindSphere, представленная компанией «Сименс» на российском рынке в 2018 г., продолжает активно развиваться. Расширяется опыт применения данной системы в различных задачах, сценариях использования и моделях бизнеса. Настоящая статья посвящена обзору развития архитектуры и новых возможностей MindSphere, имеющихся приложений, доступных способов соединения локальной и облачной инфраструктуры, а также эффектов, которые дает построение замкнутого контура производства и эксплуатации на базе сервисов этой платформы.

В статье дается ответ на вопрос, почему для очистки данных, визуализации, поиска, контекстуализации и моделирования необходимы соответствующие инструменты. Представлены возможности современных программных средств для анализа информации.

В статье демонстрируются варианты архитектуры для решения задачи по поиску аномалий в работе оборудования на основе анализа потоков его телеметрии методами машинного обучения (Machine Learning, ML). Поясняется, как можно получить и запустить ML-модели на примере задачи предсказания отказов в работе электродвигателей. Автору хотелось, чтобы статья получилась максимально практической, полезной специалистам по индустриальной автоматизации, поэтому математические формулы опущены и в конце публикации приведены ссылки на исходный код решения.

Человек всегда старался облегчить себе жизнь, приручал и заставлял работать животных, создавал механизмы. Можно шутить, что не было бы у человека склонности к лени — не было бы и пылесоса. На очередном витке эволюции мы пришли от автоматов и роботов к созданию того, что мы называем искусственным интеллектом (ИИ). Но будет ли он безопасен, если, перешагнув черту, приблизится к нам в эмоциональном смысле? И останемся ли мы, при его широком внедрении, людьми в нынешнем понимании? Звучит странно, но не станем ли мы в итоге такими себе детьми, которых заботливая мать, в данном случае — машина или программа, начнет опекать и принимать за нас все решения? Частично это уже так. Не лишит ли нас ИИ самостоятельных действий, превратив в свой придаток, и мы просто уже не сможем существовать без него как биологический вид? Или ИИ решит, что мы ему мешаем? В этой статье вы вряд ли найдете ответы на все эти вопросы, а ее некоторые положения могут идти вразрез с общепринятым взглядом на теории сознания и проблемы ИИ и выражают исключительно мнение ее автора.

Для логистики в не столь отдаленном будущем термин «одеться в спецкостюм» может означать погружение в экзоскелет для получения роботизированной силы, а возможно, и перевоплощения в Железного человека.

Ни для кого не секрет, что в век цифровизации информационные технологии являются не только основой для развития компаний, но и одним из ключевых элементов современной бизнес-модели. В этой статье мы немного поговорим о цифровизации банковской отрасли и о том, какое место информационные технологии занимают в современном банке.

Сегодня в финансовой сфере появляются задачи, с которыми уже невозможно справиться с помощью средств классического моделирования. Сформировать предсказательную модель на наборе бизнес-процессов в условиях неопределенности, идентифицировать эту модель на данных, количественно охарактеризовать меру неопределенности прогнозов и на ее основе определить процедуру сравнения различных сценариев, а также управление их развитием позволит использование технологий прикладного искусственного интеллекта.

Компания Universal Robots выпустила две новые модели роботов — UR5 и UR10. Благодаря малому весу и гибкости их можно использовать в тех областях производства, для которых обычные промышленные роботы были бы слишком большими, дорогими и громкими. Большая часть удельной мощности шести координатных шарнирных роботов обеспечивается специально адаптированными бескорпусными моментными двигателями KBM производства компании Kollmorgen. Universal Robots смогла встроить эти двигатели непосредственно в оси сочленения, не используя дополнительные корпуса.

В банковской сфере все чаще разрабатываются и внедряются в эксплуатацию системы биометрической идентификации человека с применением инструментария машинного обучения, что способствует в том числе появлению определенных рисков. В статье рассмотрен ландшафт таких рисков, на ряде примеров показаны уязвимости подобных систем, а также способы их эксплуатации. Судя по приведенным доводам, в арсенал компетенций современного специалиста по защите информации в России необходимо добавить навыки, связанные с машинным и глубоким обучением, когнитивными технологиями.

Цифровые технологии стремительно меняют многие сферы нашей жизни — розничную торговлю, рынок банковских услуг, общение граждан с государством. Коснулась цифровизация и промышленности. И, конечно, в том числе металлургии. На цифровой формат переходят как основные, так и вспомогательные функции, и в производстве, соответственно, копится все больше и больше данных. Согласно прогнозу Technavio, рынок промышленного искусственного интеллекта (ИИ) будет расти ускоренными темпами — в среднем на 54% ежегодно в ближайшие три года [1]. Большинство крупных металлургических предприятий уже берутся за попытки глубокого анализа накопленных данных и разработки моделей на базе технологий ИИ: с этой целью создаются департаменты по анализу, монетизации данных или по цифровизации. Однако в цветной металлургии такие решения внедряются несколько медленнее, чем в других отраслях. Почему так происходит и каковы перспективы использования ИИ в этой отрасли?