Edima Solutions zefektivnila dezinfekční komoru s Unipi Gate. Jednotka optimalizuje provoz, sbírá data a umožňuje jejich vizualizaci. Netoxická likvidace hmyzu je tak maximálně účinná.  

Asi jedna z nejlepších robotických rukou současnosti nepochází z USA, ale z Velké Británie. Rich Walker a jeho tým Shadow Robot představili na ICRA v květnu 2024 veřejnosti novou Shadow Hand, tedy robotickou ruku s prsty, která plně podporuje montáž i na kolaborativní průmyslové roboty.

Nově inovativní řešení kanadské společnosti ROBOTIQ nově nabízí kompatibilitu s koboty UR20 a UR30. Řešení s označením AX20 / AX30 je postaveno na sedmé ose, která zajišťuje zdvih kobota ve vertikální ose a tím dosažení paletizační výška až 3m.

Jaké jsou novinky u RFID identifikace a sledování v oblasti výroby a intralogistiky? Například u Turck je to podpora protokolu EtherCAT, možnost kontinuálního čtení či zapojení s redundancí S2, měření RSSI nebo mini hlavy M12 s mini tagy 4x3 mm.

Průmyslová automatizace s řešeními ABB -Frekvenční měniče, ochrany a příslušenství

Specialisté pracující v odděleních údržby a servisu strojů dobře vědí, že bezporuchovost automatizačních systémů vyžaduje použití značkových dílů a komponent. Na sklady TME se proto dostanou pouze osvědčená řešení – od stahovacích pásků až po silnoproudé měniče.

Avalue průmyslové počítače pro AI, robotizaci a monitorování

Moderní průmyslové aplikace obsahující prvky umělé inteligence a hlubokého nebo strojového učení, systémy strojového vidění, vyhodnocení obrovského množství dat pro optimalizace a prediktivní údržbu vyžadují dostatečně výkonná průmyslová PC. Mezi ně například patří i Avalue řady EMS-TGL pro AMR a typ EPC-TGU pro vidění.

Řada Unipi Gate navyšuje výkon: nově zahrnuje 1 GB RAM

Kontroléry Unipi Gate založené na čtyřjádrovém procesoru ARM A53 o frekvenci 600 MHz nově disponují 1 GB DDR3 RAM. Díky navýšení paměti může Unipi Gate ještě efektivněji zvládat více úloh současně, což přináší vyšší výkon a činí z ní skvělou volbu pro náročné aplikace.

 

Jak trénovat AI bez poskytování citlivých dat externím firmám?

Jak jako externí vývojářská firma trénovat modely strojového učení či umělé inteligence na reálných průmyslových datech, když firmy generující tato data je nechtějí nebo i dle zákonů nemohou poskytnout nějaké třetí straně? Řešením může být systém tzv. federovaného učení.

Stránky