پنجشنبه ۰۹ دی ۰۰ ۲۱:۴۱ ۲۰۳ بازديد
مهندسان اکنون می توانند کنترل عددی روی دستگاه های خودکار داشته باشند. نتیجه گسترش سریع دامنه کاربردها و فعالیت های انسانی بوده است. فناوری های به کمک رایانه (یا CAx) اکنون به عنوان پایه ای برای ابزارهای ریاضی و سازمانی مورد استفاده برای ایجاد سیستم های پیچیده عمل می کنند. از نمونه های قابل توجه CAx می توان به طراحی به کمک کامپیوتر (نرم افزار CAD) و ساخت به کمک کامپیوتر (نرم افزار CAM) اشاره کرد. بهبود طراحی، تجزیه و تحلیل، و ساخت محصولات فعال شده توسط CAx برای صنعت مفید بوده است.[81]
فناوری اطلاعات همراه با ماشین آلات و فرآیندهای صنعتی می تواند در طراحی، پیاده سازی و نظارت بر سیستم های کنترلی کمک کند. یک نمونه از یک سیستم کنترل صنعتی، یک کنترل کننده منطقی قابل برنامه ریزی (PLC) است. PLC ها رایانه های سخت شده تخصصی هستند که اغلب برای همگام سازی جریان ورودی از حسگرها و رویدادها (فیزیکی) با جریان خروجی ها به محرک ها و رویدادها استفاده می شوند.[82]
یک دستیار آنلاین خودکار در یک وب‌سایت، با آواتار برای تعامل انسان و رایانه.
رابط های انسان و ماشین (HMI) یا رابط های انسانی کامپیوتر (CHI) که قبلاً به عنوان رابط انسان و ماشین شناخته می شد، معمولاً برای برقراری ارتباط با PLC ها و سایر رایانه ها استفاده می شود. پرسنل خدماتی که از طریق HMI ها نظارت و کنترل می کنند را می توان با نام های مختلفی صدا زد. در فرآیند صنعتی و محیط های تولیدی به آنها اپراتور یا چیزی شبیه به آن گفته می شود. در دیگ‌خانه‌ها و بخش‌های تاسیسات مرکزی به آنها مهندس ثابت می‌گویند.[83]
انواع مختلفی از ابزارهای اتوماسیون وجود دارد:
ANN - شبکه عصبی مصنوعی
DCS - سیستم کنترل توزیع شده
HMI - رابط ماشین انسانی
RPA – اتوماسیون فرآیند رباتیک
SCADA - کنترل نظارتی و جمع آوری داده ها
PLC - کنترل کننده منطقی قابل برنامه ریزی
ابزار دقیق
کنترل حرکت
رباتیک
نرم افزار شبیه سازی میزبان (HSS) یک ابزار تست معمولی است که برای تست نرم افزار تجهیزات استفاده می شود. HSS برای آزمایش عملکرد تجهیزات در مورد استانداردهای اتوماسیون کارخانه (تایم اوت، زمان پاسخ، زمان پردازش) استفاده می شود.[84]
اتوماسیون شناختی
اتوماسیون شناختی، به عنوان زیرمجموعه ای از هوش مصنوعی، یک جنس در حال ظهور از اتوماسیون است که توسط محاسبات شناختی فعال می شود. نگرانی اصلی آن اتوماسیون وظایف اداری و گردش کار است که شامل ساختاردهی داده های بدون ساختار است.[85] اتوماسیون شناختی بر چندین رشته متکی است: پردازش زبان طبیعی، محاسبات در زمان واقعی، الگوریتم های یادگیری ماشین، تجزیه و تحلیل داده های بزرگ، و یادگیری مبتنی بر شواهد.[86]
به گفته Deloitte، اتوماسیون شناختی تکرار وظایف و قضاوت انسان را "در سرعت های سریع و مقیاس قابل توجه" امکان پذیر می کند.[87] چنین وظایفی عبارتند از:
ویرایش سند
استخراج داده ها و ترکیب اسناد / گزارش
مدیریت قرارداد
جستجوی زبان طبیعی
حضور مشتری، کارمند و ذینفعان
فعالیت های دستی و تأیید
پیگیری و ارتباطات ایمیلی
برنامه های کاربردی اخیر و در حال ظهور
مقاله اصلی: فناوری های نوظهور
تولید برق خودکار
فن آوری هایی مانند پنل های خورشیدی، توربین های بادی و سایر منابع انرژی تجدیدپذیر - همراه با شبکه های هوشمند، ریزشبکه ها، ذخیره سازی باتری - می توانند تولید برق را خودکار کنند.
خرده فروشی
مقاله اصلی: خرده فروشی خودکار
بسیاری از سوپرمارکت‌ها و حتی فروشگاه‌های کوچک‌تر به سرعت سیستم‌های Self-checkout را معرفی می‌کنند که نیاز به استخدام کارگران صندوق را کاهش می‌دهد. در ایالات متحده، صنعت خرده فروشی تا سال 2017، 15.9 میلیون نفر را استخدام می کند (حدود 1 نفر از هر 9 آمریکایی در نیروی کار). طبق تحقیقات گروه اوراسیا، حدود 192 میلیون کارگر ممکن است تحت تأثیر اتوماسیون قرار گیرند.[88]
یک دستگاه فروش نوشابه در ژاپن، نمونه ای از خرده فروشی خودکار
خرید آنلاین را می توان نوعی خرده فروشی خودکار در نظر گرفت زیرا پرداخت و پرداخت از طریق یک سیستم پردازش تراکنش آنلاین خودکار انجام می شود، با سهم حسابداری خرده فروشی آنلاین از 5.1 درصد در سال 2011 به 8.3 درصد در سال 2016 [نیازمند منبع]. با این حال، دو سوم کتاب‌ها، موسیقی‌ها و فیلم‌ها اکنون به صورت آنلاین خریداری می‌شوند. علاوه بر این، اتوماسیونو خرید آنلاین می تواند تقاضا برای مراکز خرید و املاک خرده فروشی را کاهش دهد، که در حال حاضر در آمریکا 31 درصد از کل املاک تجاری یا حدود 7 میلیارد فوت مربع (650 میلیون متر مربع) تخمین زده می شود. آمازون بخش عمده ای از رشد را در سال های اخیر برای خرید آنلاین به دست آورده است و نیمی از رشد خرده فروشی آنلاین در سال 2016 را به خود اختصاص داده است.[88] سایر اشکال اتوماسیون نیز می تواند بخشی جدایی ناپذیر از خرید آنلاین باشد، به عنوان مثال، استقرار رباتیک انبار خودکار مانند آنچه که توسط آمازون با استفاده از سیستم Kiva اعمال می شود.
از 5 ژانویه، تولید کنندگان و تامین کنندگان موظفند اطلاعات مربوط به مواد بسیار نگران کننده (SVHC) را در مقالات خود در اتحادیه اروپا که حاوی SVHCs (مواد لیست کاندید REACH) با محتوای بیش از 0.1% هستند، گزارش دهند. ECHA (آژانس مواد شیمیایی اروپا). بر اساس ماده 9 دستورالعمل چارچوب زباله (WFD (EU) 2018/851)، این آژانس توسط اتحادیه اروپا مأمور شده است تا پایگاه داده اروپایی را برای این منظور راه اندازی کند - پایگاه داده SCIP. این مکمل تعهدات اطلاع رسانی و گزارش دهی تحت مقررات REACH برای مواد موجود در لیست نامزدها است و بنابراین در نظر گرفته شده است که امکان جمع آوری یکنواخت اطلاعات در سطح اروپا را فراهم کند.خرید سروو موتور دلتا اطلاعات مورد نیاز مربوط به استفاده ایمن از مقالات و محصولات با محتوای SVHC مشخص است. با پایگاه داده SCIP، ECHA قصد دارد دانش در مورد مواد شیمیایی خطرناک موجود در مقالات و محصولات را در طول چرخه زندگی آنها - از جمله دفع - بهبود بخشد. اطلاعات گزارش شده باید منجر به زنجیره تامین شفاف، بازیافت و توسعه محصولات بدون آلاینده شود.
برای ورود باید اطلاعات زیر ارائه شود:
– اطلاعات شناسایی مقاله
- نام، محدوده غلظت و محل ماده فهرست نامزد موجود در مقاله مورد نظر.
- سایر اطلاعات در مورد استفاده ایمن از این محصول، به ویژه در مورد درمان مناسب آن به عنوان زباله.
با این حال، در غیاب مقررات اجرایی از سوی وزارت محیط زیست فدرال آلمان، در حال حاضر در مورد داده‌های «اجباری» و «اختیاری» شفافیت وجود ندارد. پیش از این، چندین انجمن (مانند FBDi، VDMA) درخواست به تعویق انداختن و بهبود ساختاری کردند که اعطا نشد. انجمن FBDi از اعضای خود با کاغذهای سفید ویژه ای حمایت می کند که در گروه های کاری تهیه می شوند و متناسب با نیازهای خاص توزیع هستند.
FBDI مایل است در اینجا اطمینان حقوقی بیشتری ببیند، زیرا این وضعیت نامشخص پایدار نیست و بسیاری از شرکت‌ها را به دلیل متفاوت بودن یا نداشتن مقررات اجرایی ملی در یک معضل اروپایی قرار می‌دهد: «چنین شرایط چارچوب نامشخص برای اقتصاد، اروپا و محیط‌زیست سم است. . کسانی که الزامات را جدی می گیرند، در مقایسه با کسانی که به طور یکجانبه از شکاف های تعریفی به نفع خود سوء استفاده می کنند، متحمل کار و هزینه اضافی می شوند و مزیت های رقابتی را از دست می دهند. این امر درک اینکه چرا پایگاه داده همزمان گسترش می‌یابد تا شامل فیلدهای پرس و جو فراتر از REACH §33.1 شود، که حتی صنعت بازیافت آن را مفید نمی‌داند، دشوارتر می‌کند.
فناوری اطلاعات همراه با ماشین آلات و فرآیندهای صنعتی می تواند در طراحی، پیاده سازی و نظارت بر سیستم های کنترلی کمک کند. یک نمونه از یک سیستم کنترل صنعتی، یک کنترل کننده منطقی قابل برنامه ریزی (PLC) است. PLC ها رایانه های سخت شده تخصصی هستند که اغلب برای همگام سازی جریان ورودی از حسگرها و رویدادها (فیزیکی) با جریان خروجی ها به محرک ها و رویدادها استفاده می شوند.[82]
یک دستیار آنلاین خودکار در یک وب‌سایت، با آواتار برای تعامل انسان و رایانه.
رابط های انسان و ماشین (HMI) یا رابط های انسانی کامپیوتر (CHI) که قبلاً به عنوان رابط انسان و ماشین شناخته می شد، معمولاً برای برقراری ارتباط با PLC ها و سایر رایانه ها استفاده می شود. پرسنل خدماتی که از طریق HMI ها نظارت و کنترل می کنند را می توان با نام های مختلفی صدا زد. در فرآیند صنعتی و محیط های تولیدی به آنها اپراتور یا چیزی شبیه به آن گفته می شود. در دیگ‌خانه‌ها و بخش‌های تاسیسات مرکزی به آنها مهندس ثابت می‌گویند.[83]
انواع مختلفی از ابزارهای اتوماسیون وجود دارد:
ANN - شبکه عصبی مصنوعی
DCS - سیستم کنترل توزیع شده
HMI - رابط ماشین انسانی
RPA – اتوماسیون فرآیند رباتیک
SCADA - کنترل نظارتی و جمع آوری داده ها
PLC - کنترل کننده منطقی قابل برنامه ریزی
ابزار دقیق
کنترل حرکت
رباتیک
نرم افزار شبیه سازی میزبان (HSS) یک ابزار تست معمولی است که برای تست نرم افزار تجهیزات استفاده می شود. HSS برای آزمایش عملکرد تجهیزات در مورد استانداردهای اتوماسیون کارخانه (تایم اوت، زمان پاسخ، زمان پردازش) استفاده می شود.[84]
اتوماسیون شناختی
اتوماسیون شناختی، به عنوان زیرمجموعه ای از هوش مصنوعی، یک جنس در حال ظهور از اتوماسیون است که توسط محاسبات شناختی فعال می شود. نگرانی اصلی آن اتوماسیون وظایف اداری و گردش کار است که شامل ساختاردهی داده های بدون ساختار است.[85] اتوماسیون شناختی بر چندین رشته متکی است: پردازش زبان طبیعی، محاسبات در زمان واقعی، الگوریتم های یادگیری ماشین، تجزیه و تحلیل داده های بزرگ، و یادگیری مبتنی بر شواهد.[86]
به گفته Deloitte، اتوماسیون شناختی تکرار وظایف و قضاوت انسان را "در سرعت های سریع و مقیاس قابل توجه" امکان پذیر می کند.[87] چنین وظایفی عبارتند از:
ویرایش سند
استخراج داده ها و ترکیب اسناد / گزارش
مدیریت قرارداد
جستجوی زبان طبیعی
حضور مشتری، کارمند و ذینفعان
فعالیت های دستی و تأیید
پیگیری و ارتباطات ایمیلی
برنامه های کاربردی اخیر و در حال ظهور
مقاله اصلی: فناوری های نوظهور
تولید برق خودکار
فن آوری هایی مانند پنل های خورشیدی، توربین های بادی و سایر منابع انرژی تجدیدپذیر - همراه با شبکه های هوشمند، ریزشبکه ها، ذخیره سازی باتری - می توانند تولید برق را خودکار کنند.
خرده فروشی
مقاله اصلی: خرده فروشی خودکار
بسیاری از سوپرمارکت‌ها و حتی فروشگاه‌های کوچک‌تر به سرعت سیستم‌های Self-checkout را معرفی می‌کنند که نیاز به استخدام کارگران صندوق را کاهش می‌دهد. در ایالات متحده، صنعت خرده فروشی تا سال 2017، 15.9 میلیون نفر را استخدام می کند (حدود 1 نفر از هر 9 آمریکایی در نیروی کار). طبق تحقیقات گروه اوراسیا، حدود 192 میلیون کارگر ممکن است تحت تأثیر اتوماسیون قرار گیرند.[88]
یک دستگاه فروش نوشابه در ژاپن، نمونه ای از خرده فروشی خودکار
خرید آنلاین را می توان نوعی خرده فروشی خودکار در نظر گرفت زیرا پرداخت و پرداخت از طریق یک سیستم پردازش تراکنش آنلاین خودکار انجام می شود، با سهم حسابداری خرده فروشی آنلاین از 5.1 درصد در سال 2011 به 8.3 درصد در سال 2016 [نیازمند منبع]. با این حال، دو سوم کتاب‌ها، موسیقی‌ها و فیلم‌ها اکنون به صورت آنلاین خریداری می‌شوند. علاوه بر این، اتوماسیونو خرید آنلاین می تواند تقاضا برای مراکز خرید و املاک خرده فروشی را کاهش دهد، که در حال حاضر در آمریکا 31 درصد از کل املاک تجاری یا حدود 7 میلیارد فوت مربع (650 میلیون متر مربع) تخمین زده می شود. آمازون بخش عمده ای از رشد را در سال های اخیر برای خرید آنلاین به دست آورده است و نیمی از رشد خرده فروشی آنلاین در سال 2016 را به خود اختصاص داده است.[88] سایر اشکال اتوماسیون نیز می تواند بخشی جدایی ناپذیر از خرید آنلاین باشد، به عنوان مثال، استقرار رباتیک انبار خودکار مانند آنچه که توسط آمازون با استفاده از سیستم Kiva اعمال می شود.
از 5 ژانویه، تولید کنندگان و تامین کنندگان موظفند اطلاعات مربوط به مواد بسیار نگران کننده (SVHC) را در مقالات خود در اتحادیه اروپا که حاوی SVHCs (مواد لیست کاندید REACH) با محتوای بیش از 0.1% هستند، گزارش دهند. ECHA (آژانس مواد شیمیایی اروپا). بر اساس ماده 9 دستورالعمل چارچوب زباله (WFD (EU) 2018/851)، این آژانس توسط اتحادیه اروپا مأمور شده است تا پایگاه داده اروپایی را برای این منظور راه اندازی کند - پایگاه داده SCIP. این مکمل تعهدات اطلاع رسانی و گزارش دهی تحت مقررات REACH برای مواد موجود در لیست نامزدها است و بنابراین در نظر گرفته شده است که امکان جمع آوری یکنواخت اطلاعات در سطح اروپا را فراهم کند.خرید سروو موتور دلتا اطلاعات مورد نیاز مربوط به استفاده ایمن از مقالات و محصولات با محتوای SVHC مشخص است. با پایگاه داده SCIP، ECHA قصد دارد دانش در مورد مواد شیمیایی خطرناک موجود در مقالات و محصولات را در طول چرخه زندگی آنها - از جمله دفع - بهبود بخشد. اطلاعات گزارش شده باید منجر به زنجیره تامین شفاف، بازیافت و توسعه محصولات بدون آلاینده شود.
برای ورود باید اطلاعات زیر ارائه شود:
– اطلاعات شناسایی مقاله
- نام، محدوده غلظت و محل ماده فهرست نامزد موجود در مقاله مورد نظر.
- سایر اطلاعات در مورد استفاده ایمن از این محصول، به ویژه در مورد درمان مناسب آن به عنوان زباله.
با این حال، در غیاب مقررات اجرایی از سوی وزارت محیط زیست فدرال آلمان، در حال حاضر در مورد داده‌های «اجباری» و «اختیاری» شفافیت وجود ندارد. پیش از این، چندین انجمن (مانند FBDi، VDMA) درخواست به تعویق انداختن و بهبود ساختاری کردند که اعطا نشد. انجمن FBDi از اعضای خود با کاغذهای سفید ویژه ای حمایت می کند که در گروه های کاری تهیه می شوند و متناسب با نیازهای خاص توزیع هستند.
FBDI مایل است در اینجا اطمینان حقوقی بیشتری ببیند، زیرا این وضعیت نامشخص پایدار نیست و بسیاری از شرکت‌ها را به دلیل متفاوت بودن یا نداشتن مقررات اجرایی ملی در یک معضل اروپایی قرار می‌دهد: «چنین شرایط چارچوب نامشخص برای اقتصاد، اروپا و محیط‌زیست سم است. . کسانی که الزامات را جدی می گیرند، در مقایسه با کسانی که به طور یکجانبه از شکاف های تعریفی به نفع خود سوء استفاده می کنند، متحمل کار و هزینه اضافی می شوند و مزیت های رقابتی را از دست می دهند. این امر درک اینکه چرا پایگاه داده همزمان گسترش می‌یابد تا شامل فیلدهای پرس و جو فراتر از REACH §33.1 شود، که حتی صنعت بازیافت آن را مفید نمی‌داند، دشوارتر می‌کند.
- ۰ ۰
- ۰ نظر