利用数据+人工智能提高制造商的预测性维护

对大多数公司来说，在车间、车队或现场维护设备是一项复杂的工作。每台设备每天都可以生成tb级的非结构化和半结构化数据，并位于全球各地和天空中。

了解设备何时需要维护对公司来说至关重要。计划外停机对我们的业务是一个重大干扰。一个关键部件的故障除了对生产和客户协议产生下游影响外，每天还会造成数百万美元的生产损失。节省时间和金钱的一个重要方法是使用机器学习来更好地预测故障，并在故障发生之前计划维护工作。

在本次会议中，Databricks全球制造和物流领导者Rob Saker将深入讨论制造商如何利用数据和人工智能转变业务，利用一系列非结构化、半结构化和结构化数据的内部和外部数据源，以近乎实时的方式提供洞察。

Rob将与Databricks解决方案架构师一起讲解如何从物联网设备构建实时端到端数据管道，并为任何结构的数据流输入，并使用Databricks ML针对这些数据集预测特定组件故障，以确保更高的质量、效率和可用性。我们将通过免费的预测性维护解决方案加速器，您可以在网络研讨会之后使用它来开始改进组织内部的预测性维护。

议程一览

• 工业4.0中的数据+人工智能简介
• 物联网预测性维护
• 常见问题

演讲者
Rob Saker, Databricks全球制造和物流领导者