利用數據+人工智能提高製造商的預測性維護

對大多數公司來說，在車間、車隊或現場維護設備是一項複雜的工作。每台設備每天都可以生成tb級的非結構化和半結構化數據，並位於全球各地和天空中。

了解設備何時需要維護對公司來說至關重要。計劃外停機對我們的業務是一個重大幹擾。一個關鍵部件的故障除了對生產和客戶協議產生下遊影響外，每天還會造成數百萬美元的生產損失。節省時間和金錢的一個重要方法是使用機器學習來更好地預測故障，並在故障發生之前計劃維護工作。

在本次會議中，Databricks全球製造和物流領導者Rob Saker將深入討論製造商如何利用數據和人工智能轉變業務，利用一係列非結構化、半結構化和結構化數據的內部和外部數據源，以近乎實時的方式提供洞察。

Rob將與Databricks解決方案架構師一起講解如何從物聯網設備構建實時端到端數據管道，並為任何結構的數據流輸入，並使用Databricks ML針對這些數據集預測特定組件故障，以確保更高的質量、效率和可用性。我們將通過免費的預測性維護解決方案加速器，您可以在網絡研討會之後使用它來開始改進組織內部的預測性維護。

議程一覽

• 工業4.0中的數據+人工智能簡介
• 物聯網預測性維護
• 常見問題

演講者
Rob Saker, Databricks全球製造和物流領導者