工业边缘智能体,先取得现场建议权
10月21日,施耐德电气在柏林宣布与英伟达、HPE合作,推动流程工业及重工业中的Physical AI应用,并提出Industrial AI Agents at the Edge方案。公开路线把HPE Private Cloud AI、英伟达技术和施耐德的运营技术经验放在同一现场架构中,目标是在靠近装置的位置做监测、分析与优化。公告所指的是合作和方案方向,尚没有给出跨工厂、长周期的运行验收数据。[
10月21日,施耐德电气在柏林宣布与英伟达、HPE合作,推动流程工业及重工业中的Physical AI应用,并提出Industrial AI Agents at the Edge方案。公开路线把HPE Private Cloud AI、英伟达技术和施耐德的运营技术经验放在同一现场架构中,目标是在靠近装置的位置做监测、分析与优化。公告所指的是合作和方案方向,尚没有给出跨工厂、长周期的运行验收数据。[
一个植入式听力设备的外壳换了材料,研发说结构尺寸没变,采购说新供应商已经过审,质量团队却要找出旧版本风险评估里哪几项需要重新评价。最后,审查人员问的是一个非常朴素的问题:当前投产配置的每项设计决定,分别由哪份验证和批准记录支撑? 在文档系统里搜出一堆同名PDF,并不等于答得上来。 Oticon Medical选择Aras Innovator,准备替换现有文档管理与PLM系统。Aras于2026年1
电机能转,控制器也能算,机器人关节却总在换向后多走一点、少走一点。工程师顺着误差追到最后,问题可能落在一根看起来再普通不过的丝杠上。Salient Motion于9月28日宣布设立Saginaw Precision,10月20日获Automation.com行业报道,打算把精密滚珠丝杠和滚柱丝杠拉回自己的执行器供应链。[1][6] 这笔投入最终要用批次一致的负载、定位和寿命表现说话。样件能磨出来,
一辆车的后视镜造型改了几毫米,设计人员想知道阻力和风噪会怎么变。第二天评审会就要比较几个版本,可网格一换,上一轮的近壁层设置没有完整继承;结果跑出来了,团队却不敢把两张云图直接摆在一起。仿真项目里最费时间的,有时是解释“为什么这次计算和上次不一样”。 Streamline Solutions的ELEMENTS 4.6.0正好触及这个问题。其汽车CFD工具更新了Python接口、网格和建模、求解准
新款电路板刚从设计部门交到制造部门,质检工程师手里没有一块合格的实物,更别说有足够多、足够典型的异常样本。以往的办法是等首批样机、拍图、调视觉规则,再把误检和漏检一点点压下去。可这段等待恰好占着新品导入最紧张的日程。西门子与英伟达在德国埃尔朗根电子工厂做的事,是把一部分等待搬进虚拟环境:先生成可用于训练的板卡图像;接到新订单后,先让智能体拿出几套排产方案,再让整厂数字孪生逐套试算。[1] 我的判
一份碰撞仿真报告写着“满足目标”,但工程师点不开当时的材料卡,也找不到对应的车身几何版本。这时让AI自动汇总十份同类报告,错误只会更快传播。工业AI编排CAE任务,首先需要回答一个朴素的问题:这张结果图究竟是怎样算出来的? 德国工程软件公司SCALE在10月9日发布的公告说,已与印度工程服务企业Wissen Baum LLP建立技术合作,计划把SCALE.sdm仿真数据管理方案推向印度市场。SC
车身侧围刚换了夹具,机器人程序还能沿用昨晚仿真出的路径吗?答案通常藏在几毫米的定位偏差里。夹紧点、焊钳姿态、隔壁机器人的占用区都可能随换型变化。路径规划算法交出一串关节角,只完成了工程工作的开头;现场要的是一段在指定工位、指定车款和指定节拍下可执行、可回退的程序。 10月18日,韩联社介绍现代汽车集团义王研发中心的工厂AI项目:面向员工查阅资料和分析生产数据的Polaris平台、计划在起亚华城E
销售改了交期,ERP 里的订单已更新;车间一台瓶颈设备临时停机,MES 刚记下异常;APS 又算出一份新顺序。三个系统都在“排产”,现场到底听谁的?10月16日,Automation.com 刊登的 MES—ERP 集成文章把问题摆到接口设计之前:应先决定高级排程与执行系统共享一个数据模型,还是由两个独立系统分别管理。[1] 对制造企业来说,接口连通只是技术任务,计划的发布权与现场的回写权才决定能
一台机床白天加工十几种零件,每种只做几十件。机械臂能不能干活,关键不在搬运一件要几秒,而在下一种零件到来时谁来重新定位、改路径、验证夹爪与机床门的互锁。Standard Bots 10月16日推出 Agent、Locate、Inspect 三项软件能力,正好对准了这笔常被忽略的换型成本。[1] 我的判断是:视觉与自然语言把“编第一版程序”的门槛压低后,工厂真正需要建立的是可复用的换型验收方法。否则
一家矿山准备扩大破碎与磨矿产能。工艺团队先选机组,电气团队按负荷表规划变电设施,到了联调才发现多台大功率设备的启动顺序与电网接入约束相撞:为了不触发保护,产线只能牺牲部分节拍。工程上很难靠一个“智慧能源驾驶舱”补救这种早期错配。10月15日,日立能源和罗克韦尔自动化宣布合作,提出 Grid-to-Process 架构,把供电基础设施与管理生产的系统一起规划,初期聚焦采矿和冶金。[1] 我的判断是,
工程部门常有这样一幕:设计师说已经做完三轮流体仿真,试验部门却连第三轮用了哪套边界条件都查不到。模型文件还在,结论却无法复现。10月15日,ENGYS 发布 HELYX 4.6.0,扩展 Python API,使开发者可以在图形界面内制作自定义交互组件;同时更新网格、求解、后处理和几个附加模块。[1] 这次发布真正值得工程经理看的,并非“又能用 Python 了”,而是接口能否把每次算例的输入、计
一台减速机在台架上出现某个频率的振动峰,有限元模型也算出了一个峰。两个峰看起来接近,工程师却不能马上宣布模型可靠:加速度计装在壳体哪个位置?当时转速和扭矩是多少?温度变化后轴承预紧力有没有变?仿真使用的是哪一版几何、材料和边界条件?如果这些问题要靠试验员翻聊天记录回答,曲线再漂亮,也难以成为下一轮设计的校准依据。 10月15日,西门子发布模块化物理测试数据采集系统Simcenter SCADAS
一台机器人在仓库里搬箱,走到传送带边却要离岗充电。接手的设备是否已经就位?充电位有没有空?这一趟往返又占了多久?这些琐碎时间加起来,往往比一次漂亮的抓取演示更接近采购部门关心的成本。 10月15日,Agility Robotics宣布选择英国Nyobolt,为下一代人形机器人Digit 5提供快充电池技术。两家公司给出的设计目标是工作90分钟、充电9分钟,工作与充电时间之比达到10:1;Agili
10月14日,FORT Robotics在美国陆军协会年会推出Connectivity Aggregation软件。公司称它把蜂窝、卫星、Wi-Fi和战术无线电等网络组织成一条逻辑连接,已在有关键通信需求的数家国防客户处推进部署;软件可运行在客户自有硬件,也可单独使用或与FORT其他产品组合。[1] 对一台在仓库外场、矿区或偏远工地运动的设备而言,这解决的是一个具体麻烦:车从Wi-Fi覆盖区开出去
10月14日,霍尼韦尔发布Forge Cognition,面向楼宇、园区和工业设施运维,把实时数字孪生与AI智能体接到已有系统上。其公告举了三个应用:核验楼宇管理系统报警、分析暖通设备健康状况,以及在维持舒适度的约束下试算节能方案。客户可在手动、半自主、自主三种模式之间选择,操作员可随时覆盖平台动作。[1] 这几句话读起来像一套完整的自动运营方案,真正落地时却得从一条报警开始:它来自哪台设备,测点
一条关键焊缝做完,机械臂已经转向下一件工件,探伤报告却还没出来。若结果不合格,后面的工序可能得等返修;若合格,也要问清是第一次焊完就通过,还是补焊后才通过。中交天和机械设备制造有限公司披露,厂内已引进40多台不同用途的焊接机器人,关键焊缝一次探伤合格率超过99
机器人伸手抓取一件物品,摄像头看到了位置,力传感器也报来了接触变化,控制指令却还在等计算结果。演示视频里,这段等待可能短得看不出来;到了需要连续纠偏的动作中,晚到的指令和错误的指令一样麻烦。聿核科技正在研发面向机器人和物理AI的Y10处理器,想减少数据在感知、
装好一台样机,关节动作不顺,可以拆开重配零件;一批样机里挑一台状态最好的去演示,也说得过去。订单要是变成几百台,修配与挑选就不再是办法。每台关节装配上的细微偏差都要有人解释,每一次设计变更都要找到受影响的批次,坏了的零件还得有办法替换。机器人能完成动
井下喷浆机器人沿着巷道移动,先扫描,再规划路径,机械臂照着轨迹喷浆。画面看上去已经相当自动化。可一旦追问喷头在某个位置停多久、某处需要补喷多少,答案仍可能来自工程师事先设好的参数。喷出去的材料有多少落在目标表面,喷层厚度是否合乎设计,这些问题不会因为
生产部门想把设备状态送到分析平台,信息部门想让算法尽快读到实时数据,维护团队还希望在异地看故障。三方的要求都能理解。麻烦出在一句看似省事的话:“既然已经连上了PLC,就让平台直接读吧。”读数据的链路和改控制器状态的链路若没有被明确隔开,一次便利的集成就可能成为长期暴露的入口。 10月9日,工业实时数据软件厂商Skkynet负责人Gary Tillery在ISA旗下Automation.com发表