产品详情
虽然大多数制造公司已经开始探索自动化技术的下一步——人工智能 (AI) 和机器学习 (ML)——但在他们希望组织使用人工智能技术的位置与他们所处的位置之间存在很大差距。
2019 年，推进自动化协会 (A3) 对其成员公司进行了关于他们采用人工智能的调查。当时，超过 76% 的受访者表示人工智能将在未来三年内对其公司很重要，但只有不到 5% 的受访者表示他们已经在广泛实施人工智能。近两年后，制造企业的雄心和执行力之间的差距在很大程度上保持不变，尽管在许多情况下，“未来工厂”的物理基础设施已经部署完毕。
那么是什么让公司处于雄心-执行差距的错误一边？他们正在尝试做他们一直在做的事情，并希望获得更好的结果。这是行不通的，因为传统的制造系统和流程非常不灵活。
通常，针对单个产品或功能创建和优化制造过程。如果需要修改流程，比如生产新版本的产品或新车型年，则需要进行全面检修以适应新产品。
制造公司今天面临的挑战是如何使这些刚性系统更加灵活，尤其是在自动化的背景下。剥离现有系统并从头开始构建新的东西不是一个可行的选择——无论是在财务上还是在后勤上。通过将 AI/ML 软件部署为现有网络和计算基础设施之上的一层，公司可以经济高效地使他们以前僵硬的制造流程更加灵活，并缩小雄心与执行之间的差距。
1394-SJT05-C 的技术规格
| 品牌 | 艾伦-布拉德利 |
| 零件号/目录号 | 1394C-SJT05-L |
| 生产线 | 伺服控制器 |
| 模块类型 | 系统 |
| 额定功率 | 5 千瓦 |
1394-SJT05-C 是标准 GMC 系统模块，其功能与 1394C-JST05-L 类似。此系统模块的输入要求为三相、380 / 460 伏特、频率为 50/60 赫兹、电流为 6.5 安培。该系统模块的输出电压为530/680V DC，连续输出功率为4/5千瓦，峰值功率为28千瓦。连续电流输出为 7.36 A，峰值电流为 15.0 安培。
该模块与部件号为 1492-CB3-H300 的 Allen-Bradley 二级保护装置兼容。使用 AM03 和 AM04 的任意组合可以配置多达四 (4) 个轴模块。也可以使用 AM03、AM04 和 AM07 的组合，但此系统模块不支持两 (2) 个以上的 AM07 轴模块。不建议使用其他轴模块组合，否则可能会在上电期间因浪涌电流增加而导致误跳闸。
该系统模块的额定功耗为 66 W @ 20%、70 W @ 40 W、73 W @ 60% 77 W @ 80% 和 80 W @ 100% 功率输出。该系统模块会消耗额外的功率。额外功耗为 200 瓦，而大多数应用使用不到 10% 的容量。
必须在伺服系统内设置等效参数定义。该系统模块必须通过访问参数[System Type]来正确声明系统模块的目录号。该定义通过参数 14，参数组配置，选项编号 1 1394-SJT05-C 专门访问。
Allen-Bradley 1394-SJT05-C 是一个系统模块，具有 GMC-IMC S 级和 5 千瓦额定功率（50-60 Hz）。它的效率为 98%，在三相输入电压下运行，在 100% 的额定功率输出下功耗为 80 瓦。对于外部保护，建议使用额定值为 600V AC 或 20A 的 Bussman FRS-R-20A 保险丝或第 3 方等效保险丝。还建议使用用户提供的接触器来为可能使用交流或直流线圈接触器的模块接线。推荐的交流线圈接触器型号为 Allen-Bradley 100-C43x102,3，推荐的直流线圈型号为 Allen-Bradley 100-C43Zx102。1394-SJT05-C 的工作温度范围为 32-122 度。华氏温度和 5-95% 相对湿度，无冷凝。确保 1394-SJT05-C 外壳内的温度不超过 122 度。华氏度。该模块的工作高度为 3300 英尺，高度每增加 984 英尺，降额为 3%。驱动器工作振动为1G，非工作振动为2.5G。运行时可承受15G的冲击，不使用时可承受30G之一的冲击。1394-SJT05-C 可与 SP-74102-006-01 交流线路滤波器一起使用，该滤波器具有 50-60 Hz 的三相 460V 交流电压。滤波器的电流在 122 度时输出 23A 的功率。华氏温度，相对湿度为 90%，功率损耗率为 20W。线路过滤器重 4.16 磅。并在 -13 和 185 度之间的温度下工作。F。运行时可承受15G的冲击，不使用时可承受30G之一的冲击。1394-SJT05-C 可与 SP-74102-006-01 交流线路滤波器一起使用，该滤波器具有 50-60 Hz 的三相 460V 交流电压。滤波器的电流在 122 度时输出 23A 的功率。华氏温度，相对湿度为 90%，功率损耗率为 20W。线路过滤器重 4.16 磅。并在 -13 和 185 度之间的温度下工作。F。运行时可承受15G的冲击，不使用时可承受30G之一的冲击。1394-SJT05-C 可与 SP-74102-006-01 交流线路滤波器一起使用，该滤波器具有 50-60 Hz 的三相 460V 交流电压。滤波器的电流在 122 度时输出 23A 的功率。华氏温度，相对湿度为 90%，功率损耗率为 20W。线路过滤器重 4.16 磅。并在 -13 和 185 度之间的温度下工作。F。
While most manufacturing companies have begun to explore the next step in automation technology -- artificial inbligence (AI) and machine learning (ML) -- a large gap exists between where they want their organizations to be with AI technology and where they are.
In 2019, the Association for Advancing Automation (A3) surveyed its member companies about their adoption of AI. At the time, more than 76 percent of respondents said that AI will be important to their companies in the next three years, but fewer than 5 percent noted that they were already widely implementing AI. Nearly two years later, this gap between ambition and execution in manufacturing companies has largely remained static, even though — in many cases — the physical infrastructure for the “factory of the future” has already been deployed.
So what’s keeping companies on the wrong side of the ambition-execution gap? They're trying to do what they've always done and hoping for a better result. That won't work because traditional manufacturing systems and processes are incredibly inflexible.
Typically, a manufacturing process is created and optimized for a single product or function. If the process needs to be modified, say to produce a new version of a product or for the new model year, it requires a complete overhaul to accommodate the new product.
The challenge manufacturing companies face today is how to make these rigid systems more flexible, especially in the context of automation.Ripping out the existing systems and building something new from the ground up isn’t a viable option -- either financially or logistically. By deploying AI/ML software as a layer atop existing networking and compute infrastructure, companies can cost-effectively make their previously rigid manufacturing processes more flexible and close the ambition-execution gap.
In addition to cost savings and increased flexibility, acceptance of AI systems on the factory floor is an important metric in adoption. For Symbio, the key is that it’s not simply automation; it’s a collaboration between human and machine. Rather than displace humans, companies can design systems that people engage with more efficiently and, with efficient human-machine interb, changes can happen automatically. What’s more, designing and valuing automation in the right way -- for example, along the lines of capacity rather than just the labor component -- develops trust between manufacturing teams. This creates an opportunity to generate more valuable, creative, and desirable jobs in other areas. Adding AI & ML to existing automation, or even to automation that’s currently being deployed, enables manufacturers to future-proof systems and processes.
