భారీ పరిశ్రమ ప్రమాదకర, మురికి సౌకర్యాలను పరిశీలించడానికి వ్యక్తులపై ఆధారపడుతుంది. ఇది ఖరీదైనది మరియు ఈ జోన్లలో మానవులను ఉంచడం వలన స్పష్టమైన భద్రతా ప్రమాదాలు ఉంటాయి. స్విస్ రోబో మేకర్ ఏదైనా బోటిక్స్ మరియు సాఫ్ట్వేర్ కంపెనీ SAP దాన్ని మార్చేందుకు ప్రయత్నిస్తున్నారు.
ఏనీబోటిక్స్ యొక్క నాలుగు-కాళ్ల స్వయంప్రతిపత్త రోబోట్లు నేరుగా SAP యొక్క బ్యాకెండ్ ఎంటర్ప్రైజ్ రిసోర్స్ ప్లానింగ్ సాఫ్ట్వేర్కి కనెక్ట్ చేయబడతాయి. రోబోట్ను స్వతంత్ర ఆస్తిగా పరిగణించే బదులు, ఇది పారిశ్రామిక IoT నెట్వర్క్లోని మొబైల్ డేటా సేకరణ నోడ్గా మారుస్తుంది.
హార్డ్వేర్ ఆవిష్కరణ ఇప్పుడు స్థాపించబడిన వ్యాపార వర్క్ఫ్లోలతో సమర్థవంతంగా కనెక్ట్ అవుతుందని ఈ చొరవ చూపిస్తుంది. ఆ విస్తృత ధోరణిని నొక్కి చెబుతూ, SAP ఈ సంవత్సరం స్పాన్సర్ చేస్తోంది AI & బిగ్ డేటా ఎక్స్పో ఉత్తర అమెరికా శాన్ జోస్ మెక్ఎనరీ కన్వెన్షన్ సెంటర్, CA వద్ద, ఈ ఈవెంట్తో సముచితంగా సహ-ఉన్నది IoT టెక్ ఎక్స్పో మరియు ఇంటెలిజెంట్ ఆటోమేషన్ & ఫిజికల్ AI సమ్మిట్.
ఒక రసాయన కర్మాగారం లేదా ఆఫ్షోర్ రిగ్లో పరికరాలు విచ్ఛిన్నమైనప్పుడు, దానికి చాలా ఎక్కువ ఖర్చవుతుంది. ప్రజలు ఈ సమస్యలను ముందుగానే పట్టుకోవడానికి సాధారణ తనిఖీలు చేస్తారు, కానీ మానవులు అలసిపోతారు మరియు మొక్కలు భారీగా ఉంటాయి. రోబోలు, మరోవైపు, థర్మల్, ఎకౌస్టిక్ మరియు విజువల్ సెన్సార్లను మోసుకెళ్లి నేలపై నిరంతరం నడవగలవు. ఆ సెన్సార్లను SAPలోకి హుక్ చేయండి మరియు మానవుడు రిపోర్ట్ చేసే వరకు వేచి ఉండకుండా హాట్ పంప్ తక్షణమే మెయింటెనెన్స్ అభ్యర్థనను ఉత్పత్తి చేస్తుంది.
రిపోర్టింగ్ లాగ్ను కత్తిరించడం
సాధారణంగా, సమస్యను కనుగొనడం మరియు వర్క్ ఆర్డర్ను లాగిన్ చేయడం రెండు డిస్కనెక్ట్ చేయబడిన దశలు. ఒక కార్మికుడు కంప్రెసర్లో విచిత్రమైన శబ్దాన్ని వినవచ్చు, దానిని వ్రాసి, గంటల తర్వాత కంప్యూటర్లో టైప్ చేయవచ్చు. భర్తీ భాగం ఆమోదించబడే సమయానికి, యంత్రం ధ్వంసమై ఉండవచ్చు.
SAPకి ఏదైనాబోటిక్స్ని కనెక్ట్ చేయడం వలన ఆ ఆలస్యాన్ని తొలగిస్తుంది. రోబోట్ యొక్క ఆన్బోర్డ్ AI అది చూసే మరియు విన్న వాటిని తక్షణమే ప్రాసెస్ చేస్తుంది. ఇది సక్రమంగా లేని మోటార్ ఫ్రీక్వెన్సీని విన్నట్లయితే, అది ప్రత్యేక స్క్రీన్పై హెచ్చరికను ఫ్లాష్ చేయదు, ఇది నేరుగా SAP అసెట్ మేనేజ్మెంట్ మాడ్యూల్కు చెప్పడానికి APIలను ఉపయోగిస్తుంది. సిస్టమ్ వెంటనే విడిభాగాల కోసం తనిఖీ చేస్తుంది, సంభావ్య పనికిరాని సమయానికి అయ్యే ఖర్చును లెక్కిస్తుంది మరియు ఇంజనీర్ను షెడ్యూల్ చేస్తుంది.
ఇది ఫ్లోర్ నుండి మేనేజ్మెంట్ వరకు సమాచార ప్రవాహాన్ని ఆటోమేట్ చేస్తుంది. మానవ ఇన్స్పెక్టర్ యొక్క ఆత్మాశ్రయ అభిప్రాయానికి బదులుగా యంత్రాలు కఠినమైన, స్థిరమైన సంఖ్యల ఆధారంగా నిర్ణయించబడతాయని కూడా దీని అర్థం.
భారీ పరిశ్రమలో రోబోలను ఉంచడం అనేది కార్యాలయంలో సాఫ్ట్వేర్ను ఇన్స్టాల్ చేయడం లాంటిది కాదు-కంపెనీలు నమ్మదగని మౌలిక సదుపాయాలతో వ్యవహరించాలి. మందపాటి కాంక్రీటు, మెటల్ పరంజా మరియు విద్యుదయస్కాంత జోక్యం కారణంగా కర్మాగారాలు సాధారణంగా భయంకరమైన ఇంటర్నెట్ కనెక్టివిటీని కలిగి ఉంటాయి.
ఈ పని చేయడానికి, సెటప్ ఎడ్జ్ కంప్యూటింగ్పై ఆధారపడుతుంది. హై-డెఫ్ థర్మల్ వీడియో మరియు లైడార్ డేటాను క్లౌడ్కు నిరంతరం ప్రసారం చేయడానికి చాలా బ్యాండ్విడ్త్ పడుతుంది. కాబట్టి, రోబోలు ఆ డేటాలో ఎక్కువ భాగం స్థానికంగా క్రంచ్ చేస్తాయి. ఆన్బోర్డ్ ప్రాసెసర్లు సాధారణంగా నడుస్తున్న యంత్రం మరియు ప్రమాదకరమైన వేడెక్కడం మధ్య వ్యత్యాసాన్ని గుర్తించాయి. వారు కీలకమైన వివరాలను మాత్రమే (అంటే నిర్దిష్ట తప్పు మరియు దాని స్థానం) SAPకి తిరిగి పంపుతారు.
నెట్వర్క్ సమస్యలను పరిష్కరించడానికి, చాలా మంది ముందస్తు అడాప్టర్లు ప్రైవేట్ 5G నెట్వర్క్లను రూపొందించారు. ఇది సాధారణ Wi-Fi విఫలమైన భారీ సౌకర్యాలలో వారికి అవసరమైన కవరేజీని అందిస్తుంది. ఇది యాక్సెస్ను లాక్ చేస్తుంది, రోబోట్ డేటాను అంతరాయం నుండి సురక్షితంగా ఉంచుతుంది.
వాస్తవానికి, భద్రత ఒక ప్రధాన సమస్య. కెమెరాలతో నిండిన వాకింగ్ రోబోట్ ప్రభావవంతంగా రోమింగ్ దుర్బలత్వం. రోబోట్ గుర్తింపును నిరంతరం ధృవీకరించడానికి మరియు అది తాకగల SAP మాడ్యూల్లను పరిమితం చేయడానికి కంపెనీలు తప్పనిసరిగా జీరో-ట్రస్ట్ నెట్వర్క్ ప్రోటోకాల్లను ఉపయోగించాలి. రోబోట్ హ్యాక్ చేయబడితే, దాడి చేసేవారిని కార్పొరేట్ నెట్వర్క్లోకి పక్కకు తరలించకుండా ఆపడానికి సిస్టమ్ దాని కనెక్షన్ని తక్షణమే కట్ చేయాలి.
ఈ రోబోలు చుట్టూ తిరిగేటప్పుడు భారీ మొత్తంలో నిర్మాణాత్మక డేటాను ఉత్పత్తి చేస్తాయి. ముడి ఆడియో మరియు థర్మల్ చిత్రాలను SAPకి అవసరమైన చక్కని పట్టికలుగా మార్చడం కష్టం.
కంపెనీలు ఈ హక్కును నిర్వహించకపోతే, నిర్వహణ బృందాలు అలర్ట్లలో మునిగిపోతాయి. చాలా సున్నితమైన రోబోట్ రోజుకు వందలాది పనికిరాని హెచ్చరికలను ఉమ్మివేయవచ్చు, దీని వలన SAP డ్యాష్బోర్డ్ పూర్తిగా విస్మరించబడుతుంది. సిస్టమ్ను ఆన్ చేయడానికి ముందు ఐటీ బృందాలు కఠినమైన నిబంధనలను సెట్ చేయాలి. నిజమైన మెయింటెనెన్స్ టిక్కెట్ను ట్రిగ్గర్ చేసే వాటి కోసం మరియు కేవలం చూడవలసిన వాటి కోసం వారికి ఖచ్చితమైన థ్రెషోల్డ్లు అవసరం.
సెటప్ సాధారణంగా రోబోట్ యొక్క టెలిమెట్రీని SAP భాషలోకి అనువదించడానికి మిడిల్వేర్ను ఉపయోగిస్తుంది. ఈ సాఫ్ట్వేర్ ఫిల్టర్గా పనిచేస్తుంది, శబ్దాన్ని విసిరివేస్తుంది కాబట్టి అసలు సమస్యలు మాత్రమే ERP సిస్టమ్కు చేరుతాయి. భవిష్యత్తులో మెషీన్ లెర్నింగ్ ప్రాజెక్ట్ల కోసం ఈ మొత్తం సమాచారాన్ని నిల్వ చేసే డేటా లేక్ని కూడా నిర్వహించాలి. విరిగిన యంత్రాలను పరిష్కరించడం స్వల్పకాలిక లక్ష్యం; దీర్ఘకాలిక చెల్లింపు అనేది వైఫల్యాలు సంభవించే ముందు వాటిని అంచనా వేయడానికి సంవత్సరాల రోబోట్ డేటాను ఉపయోగిస్తుంది.
విజయవంతమైన భౌతిక AI విస్తరణకు భరోసా
రోబోలను ఫ్యాక్టరీలో పడేయడం సహజంగానే ప్రజలను భయభ్రాంతులకు గురి చేస్తుంది. ప్రాజెక్ట్ యొక్క విజయం తరచుగా మానవ వనరులు దానిని ఎలా నిర్వహిస్తుంది అనే దానిపై ఆధారపడి ఉంటుంది. కార్మికులు సాధారణంగా రోబోట్లను చూసి, లేఆఫ్లు తర్వాతివి అని ఊహిస్తారు.
రోబోలు ఎందుకు ఉన్నాయో మేనేజ్మెంట్ స్పష్టం చేయాలి. గాయాలను తగ్గించడానికి హై-వోల్టేజ్ జోన్లు లేదా టాక్సిక్ కెమికల్ సెక్టార్ల వంటి ప్రమాదకరమైన ప్రాంతాల నుండి ప్రజలను బయటకు తీసుకురావడమే లక్ష్యం. రోబోట్ డేటాను సేకరిస్తుంది మరియు మానవ ఇంజనీర్ ఆ డేటాను విశ్లేషించడానికి మరియు అసలు మరమ్మతులు చేయడానికి మారుతుంది.
దీనికి మళ్లీ శిక్షణ అవసరం. చుట్టుకొలతలో నడిచే కార్మికులు ఇప్పుడు SAP డ్యాష్బోర్డ్లను చదవాలి, ఆటోమేటెడ్ టిక్కెట్లను నిర్వహించాలి మరియు రోబోట్లతో పని చేయాలి. వారు సెన్సార్లను విశ్వసించవలసి ఉంటుంది మరియు ఏదైనా ఊహించనిది జరిగితే వారు మాన్యువల్ నియంత్రణను తీసుకోవచ్చని ఆపరేటర్లకు తెలియజేయాలని నిర్వాహకులు నిర్ధారించుకోవాలి.
కంపెనీలు నెమ్మదిగా రోల్ అవుట్ని తీసుకోవాలి. భౌతిక రోబోట్లను ఎంటర్ప్రైజ్ సాఫ్ట్వేర్తో సమకాలీకరించడం సంక్లిష్టంగా ఉన్నందున, పెద్ద-స్థాయి రోల్అవుట్లు చిన్న, లక్ష్య పైలట్ల వలె ప్రారంభం కావాలి.
మొదటి పరీక్ష ఒక నిర్దిష్ట ప్రాంతంలో తెలిసిన ప్రమాదాలు కానీ రాక్-సాలిడ్ ఇంటర్నెట్తో ఉండాలి. ఇది నియంత్రిత స్థలంలో హార్డ్వేర్ మరియు SAP మధ్య డేటా ప్రవాహాన్ని చూడటానికి ITని అనుమతిస్తుంది. ఈ దశలో, డేటా వాస్తవికతతో సరిపోలుతుందని నిర్ధారించుకోవడం ప్రధాన పని. రోబోట్ ఒకదాన్ని చూసి, SAP మరొకదాన్ని రికార్డ్ చేస్తే, దానిని ప్రతిరోజూ ఆడిట్ చేసి పరిష్కరించాలి.
డేటా పైప్లైన్ వాస్తవానికి పనిచేసిన తర్వాత, కంపెనీ మరిన్ని రోబోట్లను జోడించవచ్చు మరియు ఆటోమేటెడ్ పార్ట్స్ ఆర్డర్ చేయడం వంటి ఇతర సిస్టమ్లను కనెక్ట్ చేయవచ్చు. IT చీఫ్లు తమ ప్రైవేట్ నెట్వర్క్లు మరిన్ని రోబోలను నిర్వహించగలవా అని తనిఖీ చేస్తూనే ఉండాలి, అయితే భద్రతా బృందాలు కొత్త బెదిరింపులకు వ్యతిరేకంగా తమ రక్షణను అప్డేట్ చేస్తాయి.
కంపెనీలు ఈ స్వయంప్రతిపత్త ఇన్స్పెక్టర్లను వారి కార్పొరేట్ డేటా ఆర్కిటెక్చర్ యొక్క పొడిగింపుగా పరిగణిస్తే, వారు వారి భౌతిక ఆస్తుల గురించి భారీ మొత్తంలో సమాచారాన్ని పొందుతారు. కానీ దాన్ని తీసివేయడం అంటే నెట్వర్క్ ఇన్ఫ్రాస్ట్రక్చర్, డేటా నియమాలు మరియు మానవ మూలకాన్ని సరిగ్గా పొందడం.
ఇవి కూడా చూడండి: ఎంటర్ప్రైజ్ కార్యకలాపాలలో కనిపించని IoT పెరుగుదల
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు సహా ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్పో. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
