【网上研讨会】：采用基于 Python 和神经网络的 Edge AI 加速可预测性维护的实现

线上直播，扫描二维码报名

研讨会背景

可预测性维护（PdM）技术用于随时监控在役设备的状况，同时预测何时需要进行维护。这比正常或定期进行的预防性维护更能节约成本，而且另一个好处是无需系统停机进行检测。现如今，随着人工智能技术的发展，无论是工厂，医院或者其他环境中，对某些重要设备的性能或运作的细微变化，机器都能做到比人类更早地发现和识别它们。

基于赛灵思技术的系统可以结合人工智能，通过采用“可预测性维护”的方案减少设备停机时间，从而最大限度地提高生产力。赛灵思的基于 Python 和神经网络的Edge AI 解决方案简化了硬件加速的可预测维护方案的实现，从而可以持续性地监控重要资产，分析数据，以及智能地为这些系统规划服务。

在本次网络研讨会当中，您将看到赛灵思是如何在工业电机上完成这项工作的，并且我们还能做的更多。

主讲嘉宾
翁羽翔，赛灵思公司工业,医疗市场经理

翁羽翔 （Trevor Weng）先生现任赛灵思公司工业,医疗市场经理，负责亚太工业和医疗市场策略与业务发展工作。他在通信，半导体和嵌入式行业拥有超过11年的工作经验。在加入赛灵思之前， 他曾经在Huawei和Intel从事嵌入式产品研发及营销工作。Trevor持有同济大学自动化硕士学位。