Обновленная аналитика SAS для Интернета вещей обеспечивает обработку потоковых данных и включает возможности машинного обучения.
Москва, 18 июня 2019 г. – Ulbrich Stainless Steel стремится обеспечивать неизменно высокое качество своей продукции, будь то металл для имплантатов или специальная проволока для солнечных батарей. При этом поставки должны осуществляться точно в срок. Датчики на производстве создавали огромный объем потенциально полезных данных. Чтобы наладить с ними работу, Ulbrich Stainless Steel выбрала решение SAS Analytics for IoT.
Компания производит высокотехнологичные металлические компоненты для самых разных видов продукции: от деталей для медицинского оборудования до проволоки, используемой в струнных музыкальных инструментах. «Сбор данных о станках с наших заводов и их интеграция с данными системы ERP помогут нам понять сложные взаимосвязи между оборудованием, нагрузкой на персонал, поставщиками и клиентами. Изучая наши IoT-данные с помощью SAS, мы можем стать продуктивнее и эффективнее. Потоковая аналитика поможет нам прогнозировать будущие события, например, определять, что станок нуждается в обслуживании, до того, как он выйдет из строя», – сказал Джей Цей, главный операционный директор Ulbrich.
Обновления в SAS Analytics for IoT обеспечивают доступ к новейшему набору технологий ИИ, машинного обучения и потоковой аналитики и позволяют пользоваться инструментами даже бизнес-пользователям, не имеющим специальной математической подготовки. Решение учитывает сложность и многообразие поступающих данных, поддерживает полный цикл аналитики и автоматизирует своевременное и точное принятие решений. Пользователям доступны упрощенные процедуры подготовки данных для анализа. А благодаря открытым программным интерфейсам (API), решение SAS может быстро интегрироваться с другими системами – от SAS, от сторонних производителей или же построенными на базе приложений open-source.
До того, как к числу предприятий-пользователей SAS Analytics for IoT присоединилась компания Ulbrich Stainless Steel, решение уже применялось и успело зарекомендовать себя в создании современных самолетов, автомобилестроении, производстве медицинского оборудования, а также в процессах оптимизации сервисного обслуживания розничных клиентов.