Категорія: Великі Дані та Аналітика

У цьому тижні аналітики в реальному часі: Boomi оголосив Boomi AI Studio, яка допомагає керувати агентами AI в масштабах.

Слідом за новинами та розробками в аналітиці в режимі реального часу та AI на ринку може бути непростим завданням. На щастя, ми висвітлювались із підсумком предметів, які наші персонал стикається щотижня. І якщо ви віддаєте перевагу у своїй папці “Вхідні”, Зареєструйтесь тут!

Бумові оголосив про запуск Boomi AI Studio, безпечного рішення управління AI, яке дозволяє організаціям розробляти, керувати та організувати агентів AI в масштабах. Рішення, тепер доступне в ранньому доступі, надає організаціям безпечний, сумісний та постачальник-агностичний спосіб розробки, оркестру, моніторингу та оптимізації унікальних агентів ШІ-побудованих на Boomi або сторонніх технологій-та забезпечує повне управління життєвим циклом AI для забезпечення безперебійної інтеграції, управління та контролю на всьому підприємстві.

Коротше кажучи, новини аналітики в режимі реального часу

Поточний Опублікував еволюцію Current Cloud, орієнтована на розробник, яка перетворює те, як розробники та команди DEV будують, розгортають та масштабують додатки та послуги, що стосуються подій. Рішення вводить спільну інфраструктуру із безпекою підприємства для Kurrent Cloud, що виключає складність виділених серверів, зменшуючи при цьому інфраструктурні витрати. Зараз розробники можуть розгорнути повністю забезпечені кластери Kurrent за хвилину із вбудованим доступом до загальнодоступної мережі та налаштуванням рівня безпеки, включаючи безпеку взаємного транспортного рівня (TLS).

Чисте зберігання Дебютував Flashblade // EXA, високоефективна платформа для зберігання даних, розроблена для найвибагливіших вимог AI та високоефективних обчислень (HPC). Дані архітектури Flashblade // Exa незалежно та забезпечують майже необмежену шкалу з сторонніми вузлами даних, що не мають необмеженої кількості, що забезпечують високу масштабовану багатовимірну продуктивність. Зокрема, рішення розбиває вузьке місце метаданих з перевіреною архітектурою на основі Flashblade, побудованою для високої одночасності та величезної кількості операцій метаданих, характерних для великих масштабів робочих навантажень AI та HPC.

Програмне забезпечення Scaleout Введені генеративні вдосконалення AI та машинного навчання (ML) до своєї хмарної служби Digital Twins Cloud Twins та локальною хостинською платформою з випуском версії 4. Цей останній випуск представляє генеративну інтеграцію AI за допомогою великої мови OpenAI, що значно розширює здатність цифрових близнюків для аналізу даних, виявлення аномалій та забезпечує реальні враження під час моніторних систем живих систем.

Супермікро оголосив, що представляє широкий спектр нових систем, які повністю оптимізовані для краю та вбудованих навантажень. Кілька з цих нових компактних серверів, які базуються на останній родині процесорів Intel Xeon 6 SOC (раніше кодуючи Granite Rapids-D), надає можливість бізнесу оптимізувати інкрустування AI в режимі реального часу та забезпечити розумніші програми в багатьох ключових галузях.

Untether ai Введено вдосконалення підтримки моделі AI та швидкості розробника для користувачів набору розробки програмного забезпечення Imaigine (SDK). Використовуючи нову генеративну технологію компілятора, майбутній випуск Imaigine SDK підтримуватиме в чотири рази більше моделей AI, ніж попередні випуски. Крім того, для нових нейронних мереж користувачів може архітектувати, генеративний компілятор створює нові ядра для цих шарів автоматично, скорочуючи час розробки до лише хвилин, збільшуючи швидкість розробника на порядок.

Величезні дані Оголошено нові вдосконалення на своїй величезній платформі даних, об'єднавши структуровані та неструктуровані дані в єдиний Dataspace, який лінійно масштабується до гіперкалії-з уніфікованою безпекою корпоративного класу. Ці нові можливості допомагають підприємством AI та аналітикою, поєднуючи пошук вектора в режимі реального часу, тонкозернисту безпеку та обробку, керовану подіями, у безшовну, високоефективну екосистему даних, яка живить величезний інсайгін. Величезний InsightEngine перетворює необроблені дані в AI-готові до розуміння через інтелектуальну автоматизацію, що дозволяє підприємствам будувати вдосконалені програми AI, агентські робочі процеси та високошвидкісні трубопроводи.

Дієслово Зробив ще одне ключове доповнення до свого портфоліо термічного управління з впровадженням Coolloop Coolloop Coolloop. Рішення підтримує додатки з повітряним та рідким охолодженням для штучного інтелекту (AI) та високоефективних обчислень (HPC). Крім того, рішення підтримує різноманітні кліматичні умови для гібридних охолоджених або рідких охолоджуваних центрів обробки даних та фабрик AI.

Партнерства, співпраця тощо

Підшкірний оголосив про свою інтеграцію з Даних Джині, що приносить потужний запит природної мови до Lakehouse Databricks. Це стратегічне партнерство дає змогу діловим користувачам задавати складні питання прості мовою та отримувати точні, відповіді в режимі реального часу, значно посилюючи прийняття рішень, не вимагаючи досвіду SQL.

Крут оголосили про дві нові керовані послуги на своїй хмарній платформі Crusoe Nvidia. Нові послуги включають керовану Crusoe висновок, який дозволяє розробникам швидко та легко запускати та автоматично масштабувати розгортання моделей машинного навчання без необхідності налаштувати або підтримувати складну інфраструктуру AI, та Crusoe Autoclusters, вдосконалену оркестраційну платформу для навчання AI.

Мозок і Обіймати обличчя оголосило про нове партнерство, щоб принести висновки Cerebras на платформу обіймати обличчя. Huggingface вбудував мозок у Huggingface Hub, що призвело до висновку понад п’ять мільйонів розробників на Huggingface.

Даних і Palantir Technologies оголосив стратегічне партнерство з продуктом. Партнерство забезпечить відкриту та масштабовану архітектуру даних, яка поєднує в собі систему онтології Палантіра з масштабом обробки даних та платформою AI та платформою AI. Спільні клієнти зможуть ввімкнути автономні робочі процеси в режимі реального часу через інтеграцію платформи даних даних даних Databricks та Palantir AIP.

Мізерний оголосив про наявність своєї хмарної платформи продуктивності даних Сніжинка Ринок. Виводячи хмару продуктивності даних MATILLION на ринок сніжинок, спільні клієнти зможуть використовувати матрильйон через свою екосистему сніжинки.

Точно оголосив про наявність декількох нових нововведень у своїх можливостях з розвідки та збагачення даних через Сніжинка Ринок. З останніми релізами, спільні клієнти тепер можуть використовувати потужні рішення щодо подолання гео та збагачення даних у своїх середовищах.

Системи Rafay і Приємніший оголосило про стратегічне партнерство, спрямоване на трансформацію хмарної інфраструктури GPU для підприємств, які прагнуть встановити можливості та програми AI. Разом RAFAY та NETRIS допомагають прискорити споживання та монетизацію інфраструктури на основі GPU, пропонуючи робочі процеси для самообслуговування для модельних тренувань, тонкої настройки та випадків використання виступу.

Сервіцену оголосив, що підписав остаточну угоду про придбання Moveworks. Придбання поєднає агента AI ServiceNow та сильні сторони автоматизації з передовим помічником AI та технологією пошуку підприємств MoveWorks, щоб розблокувати новий досвід для кожного працівника для кожного куточка бізнесу.

Суглоб оголосив програму SUSE Cloud Elevate для керованих постачальників послуг (MSPS), нова програма в рамках програми SUSE One Partner, спеціально розробленої для керованих постачальників послуг. Тепер MSP зможуть продати новий SaaS SaaS SaaS SaaS з управління контейнерами підприємства Ашт Marketplace, цифровий каталог із тисячами списків програмного забезпечення, які легко працюють на веб -сервісах Amazon (AWS).

Зедеда Оприлюднена розширена підтримка для Nvidia's Платформа Edge AI, впроваджуючи розширену інтеграцію з Nvidia Jetson Systems, каталогом NGC та інструментарію TAO. Інтеграція надає підприємствам повний робочий процес для розгортання, забезпечення та управління моделями AI на краю, що дозволяє швидше інновації, забезпечуючи при цьому надійність експлуатації.

Якщо ваша компанія має новини про аналітику в реальному часі, надішліть свої оголошення [email protected].

Якщо ви пропустили це, ось наші останні попередні щотижневі новини про аналітику в реальному часі:

Дослідники з дитячої дослідницької лікарні Сент-Джуда та Університету Вісконсіна-Медісон розробили Spotiphy, обчислювальний інструмент, керований AI, що підсилює просторову транскриптоміку, досягнувши як одноклітинної роздільної здатності, так і висвітлення цільного генома. Опубліковано в Методи природиДослідження демонструє здатність Spotiphy реконструювати карти експресії генів високої роздільної здатності, розблокуючи нові розуміння нейродегенеративних захворювань, таких як Альцгеймера та поліпшення досліджень раку.

Подолання компромісу в просторовій транскриптоміці

Просторова транскриптоміка (ST) – це потужна методика, яка фіксує експресію генів у неушкоджених тканинах. Однак існуючі методи потребують компромісу:

• ST на основі секвенування охоплює весь геном, але має низьку роздільну здатність, групування декількох клітин в одну точку даних.
• ST на основі візуалізації пропонує одноклітинну роздільну здатність, але фіксує лише обмежену кількість генів.

Щоб вирішити це, Spotiphy застосовує машинне навчання для екстраполяції відсутньої інформації, ефективно подолати розрив між цими двома підходами.

“Ми зробили перший генеративний алгоритм, який може передбачити просторову експресію генів цілої транскриптоміки на одноклітинному рівні”,-сказав Джиянг Ю, доктор наук, тимчасовий голова обчислювальної біології в Сент-Джуді. “Ключовим є запозичення інформації з одноклітинних даних RNA-Seq та даних гістології з цим підходом до генеративного моделювання.”

Як працює Spotiphy: реконструкція зображень, що працюють на AI

Spotiphy використовує генеративний алгоритм, який навчається у великих базах даних просторової транскриптоміки, поєднаних з гістологічними зображеннями. Звичайні дані ST збираються у заздалегідь визначених «плямах» через тканинний розділ – як пікселі на зображенні – але кожне місце містить кілька змішаних клітин, що ускладнює розрізнення індивідуальних моделей експресії генів.

Використовуючи машинне навчання, Spotiphy заповнює прогалини між цими плямами, реконструюючи дуже детальну карту експресії просторової гена.

“Уявіть собі картину руки, але середина відсутня”,-сказав автор співпраці Джунмін Пенг, доктор наук. “Алгоритм набув загальних правил від своєї підготовки, щоб він міг втілити відсутню частину картини – як реконструкція, де і як повинна виглядати долоня, або насправді простір між місцями візуалізації”.

Застосування при хворобі Альцгеймера та раку

Здатність Spotiphy вирішувати одноклітинну просторову транскриптоміку робить її особливо цінною для вивчення складних захворювань, таких як Альцгеймер.

У мишачій моделі хвороби Альцгеймера Spotiphy виявив чіткі підтипи астроцитів (тип клітин мозку) та підтвердили посилення присутності мікроглії, пов’язаної з хворобою, підтримуючи теорії, що мікрогліальна дисфункція сприяє нейродегенерації.

При застосуванні до зразків раку молочної залози Spotiphy виявив неоднорідність у мікросередовищах пухлини, виявляючи просторові взаємодії між пухлинами та навколишніми клітинами, які попередні технології не могли вирішити.

“Ми бачили, що дані відображали відомі неоднорідність раку молочної залози”,-сказав співавторний автор Jiyuan Yang, доктор наук. “Ми також вклали значні зусилля у створення відповідних наборів даних для мізків миші, які, на нашу думку, стане цінним ресурсом для спільноти просторових OMICS”.

Просування точної медицини

Забезпечуючи високу роздільну здатність, дані просторової транскриптоміки повного генома, Spotiphy може допомогти дослідникам відобразити клітинні взаємодії в прогресуванні захворювання, що призводить до більш точної діагностики та цільових методів терапії.

“Реальною силою цього алгоритму є його здатність розрізняти тонкі відмінності в межах того ж типу клітин, що попередні технології не могли виявити”, – сказав Ю. “Spotiphy дозволяє вченим бачити речі, які вони не могли бачити раніше”.

1. Копілот для прискорення щоденних робочих процесів

Найпопулярніший випадок використання AI – це прискорення процесу робочого процесу та продуктивності, “особливо з точки зору кодування та аналітики”, – сказав Еван Рейх, керівник стратегії даних та пошуку в управлінні фондом Верції. “Якщо ви пишете код з нуля, я також не знаю, що ви робите”.

Це також допомагає фінансовим аналітикам реорганізувати дані. “Скажіть, що ви хочете, щоб щось швидко було досліджено на основі необроблених даних постачальника, і це у такому вигляді, як XML або JSON, і я не пам’ятаю, як з голови, як писати цей конкретний аналізатор. Тепер ви можете отримати код, змінити його, реалізувати його та Voilá, у вас є невеликий кадр даних “, – сказав Євген Мікулет, керівник стратегії даних у світі.

Незалежно від того, чи AI будує покоління, що перевищує пошук, для чатів чи ловлять помилки програмування, “я бачив принаймні від 20% до 30% підвищення продуктивності, якщо ці інструменти реалізуються правильно”,-сказав Алі.

«З Copilot все, що зайняло б 10 – 15 хвилин, зараз займають секунди. Я думаю, що всі ми отримали користь від цього інструменту », – сказав Ендрю Гельфанд, керівник Quant та Long/короткий капітал альфа -захоплення в Balyasny Asset Management.

Ці виплати за продуктивність є “зміною ігор для менших компаній”, – додав Петтер Колм, професор Інституту математичних наук Курантського університету Нью -Йоркського університету. “Якщо ви невелика компанія, ви не можете витратити занадто багато часу на роботу з окремими клієнтами. У вас немає персоналу, який може сидіти там і робити Q&A цілий день », – сказав він. Але тепер, LLM можуть взяти на себе цю ручну праці.

Пов'язаний: Банки можуть створювати ефективні стратегії даних в епоху штучного інтелекту.

2. Автоматизація розкриває більш повну картину даних

Можливість аналізу та вживання великих обсягів інформації також допомагає великим фінансовим установам мінного даного даних, які раніше не були доступні. Гартнер оцінює, що понад 80% сьогоднішніх даних підприємства неструктуровані. І AI допомагає командам проаналізувати ці неструктуровані дані, які часто є у вигляді “документів, нотаток, електронних листів або PDF -файлів”, – сказав Гельфанд.

«Багато даних раніше не було доступним. Подумайте про електронні листи, можливо, надіслані від фундаментального аналітика до менеджера портфоліо, підкреслюючи щось із символами або графіком. Ми робимо хороший процес у інтерпретації цих текстових даних набагато краще », – сказав Гельфанд. Цей “стенограма” починає виявляти більш нюансовану, повну картину.

Експерти заявили, що ці інновації допомагають працівникам стати кращими науковцями. Але командам все ж потрібно перевірити дані та проаналізувати їх за допомогою контролю. “Майте стандартизовану анкету з питань належної ретельності, мають хороший набір метаданих, документації, посібників користувачів тощо”, – сказав Річ Браун, глобальний керівник ринкових даних у Jain Global. Браун також наголосив на тестуванні даних та складанням управління даними в суміш.

Дізнайтеся: Чи можуть агенти штучного інтелекту справді полегшити робочі навантаження для великих підприємств?

3. AI дозволяє точне прогнозування та аналіз настроїв

Обробляючи величезну кількість фінансових новин, дзвінків за прибутки та дані соціальних медіа, AI допомагає командам визначити зміни ринкових настроїв у режимі реального часу. Моделі з обробки природних мов також можуть витягувати інформацію, щоб торговці та аналітики могли приймати більш точні інвестиційні рішення.

“Ви додаєте адаптер до великої мовної моделі, яка виводить прогнози повернення безпосередньо. Тепер, коли ви налагоджуєте таку модель, ви тренуєте її на етикетках, які безпосередньо пов'язані з корпоративними прибутками »,-сказав Колм.

Академічні та фінансові моделі встановили, що цей метод забезпечує набагато кращі показники та дозволяє фірмам фільтрувати дані масового ринку індивідуально.

“Далі я хочу побачити, чи може агентний АІ впорядкувати процес інвестиційних досліджень”, – сказав Алі. “Крім того, більше підходів до побудови моделі в керованому даними, а не нав'язування структури, а потім вписуйте в неї дані”.

Клацніть на банер нижче для фінансової експертизи щодо навігації щодо дотримання нормативних норм.

AI трясеться на ринку праці. Міжнародний валютний фонд оцінює, що щонайменше 40% глобальної робочої сили відчують її наслідки, і цей показник зростає до 60% в передових економіках – створюючи деякі ролі, застаріли, підвищуючи продуктивність в інших.

Однак ці зміни не призведуть до втрат роботи. Звіт про майбутнє робочих місць Всесвітнього економічного форуму (WEF) передбачає, що, хоча 92 мільйони ролей зникнуть до 2030 року, буде створено 170 мільйонів нових робочих місць.

Для випускників MBA це означає, що можливості реалізуються способами, які, можливо, не були очевидними десятиліттями тому.

Отже, яка кар'єра буде найбільш затребуваною для випускників MBA у 2025 році?

---

Найпопулярніші ролі для MBA у 2025 році

---

1. Фахівці з великих даних

Спеціалісти з великих даних-це найшвидше зростаюча робота у звіті ВЕФ, коли, як очікується, наймання збільшиться приблизно на 110% між 2025 та 2030 роками.

Оскільки підприємства генерують та збирають більше даних, ніж будь -коли раніше, ринок великих даних має на меті досягти 375 мільярдів доларів у всьому світі до 2032 року, причому сама технологія великих даних прогнозується зростати на 9,9% щорічно з 2025 року.

Ці фахівці аналізують величезні та складні набори даних для підтримки бізнес -рішень у таких сферах, як поведінка клієнтів, фінансовий прогноз та оперативна стратегія.

Незважаючи на те, що деякі зосереджені на технічній стороні – на розробку моделей та алгоритмах написання – композиції все більше потребують професіоналів, які можуть застосовувати аналіз даних до бізнес -стратегії.

Випускники MBA, які мають досвід в галузі аналітики, бізнес-розвідки та прийняття рішень, особливо добре підходять на керівні посади в цій галузі.

---

2. Інженери Fintech

Fintech Investment зросла за останнє десятиліття, при цьому фінансування венчурного капіталу зросло з 19,4 мільярда доларів у 2015 році до 92,3 мільярда доларів у 2021 році, оскільки пандемія прискорила широке прийняття цифрових фінансів.

Хоча рівень інвестицій знизився в 2022 році і знову в 2024 році через економічну невизначеність, довгострокова траєкторія Fintech залишається сильною.

З прогнозованим чистим зростанням на понад 90% між 2025 та 2030 роками інженери Fintech є одними з найпопулярніших фахівців на сьогоднішньому ринку праці.

Інженери Fintech відповідають за розробку та вдосконалення платформ цифрового банкінгу, платіжних систем та автоматизованих фінансових рішень.

Бізнес -школи реагують на цей попит. Наприклад, NYU Stern та Cornell Johnson включили курси MBA, орієнтованих на Fintech у свої навчальні програми, готували випускників до ряду ролей у цьому секторі-не лише в технічному розвитку, а й у таких сферах, як управління продуктами, цифрова стратегія та регуляторний нагляд.

---

3. AI та фахівці з машинного навчання

Завдяки швидкому розгортанню технології AI, не дивно, що фахівці AI та машинного навчання входять до числа найшвидше зростаючих шляхів кар'єри у всьому світі, очікуване чисте зростання на понад 80% зараз і 2030 рік.

Фахівці AI та машинного навчання, як правило, працюють у високотехнічних ролях, розробляючи моделі AI та працюючи з такими інструментами, як Python. Хоча ці посади часто наповнюються професіоналами з інженерними або науковими дослідженнями, деякі МБА з технічною експертизою проводять кар'єру в стратегії, орієнтованій на AI, управління продуктами та консультації.

Визнаючи цей попит, багато шкіл M7, включаючи Гарвард, Колумбія, MIT Sloan та Kellogg, запровадили програми MBA, розроблені STEM, які інтегрують технічну підготовку в ШІ, науку про дані та аналітику. Kellogg також пропонує спеціалізовану програму MBA для тих, хто прагне зосередитись спеціально на AI та бізнес -лідерстві.

---

4. Розробники програмного забезпечення та додатків

Розробники програмного забезпечення та додатків створюють цифрові підприємства та споживачі, на які покладаються-від програм мобільного банкінгу до платформ електронної комерції та програмного забезпечення для продуктивності на робочому місці.

Очікується, що наймання збільшиться приблизно на 55% між 2025 та 2030 роками, що робить розробку програмного забезпечення одним із найшвидше зростаючих полів там.

Програми MBA та магістра, що спеціалізуються на розробці програмного забезпечення та цифрової трансформації, забезпечують студентів навичками управління командами з розробки та нагляду за програмними проектами.

---

5. Фахівці з управління безпекою

Показник, щоб побачити темпи зростання приблизно на 50% протягом наступних п'яти років, фахівці з управління безпекою стають все більш важливими для захисту підприємств від кіберзагроз.

У той же час, геополітична напруженість впливає на те, як підприємства підходять до кібербезпеки. Відповідно до світового перспективи кібербезпеки ВЕФ 2025, майже 60% організацій внесли зміни у свої стратегії кібербезпеки – будь то шляхом перемикання постачальників, коригування страхових полісів чи навіть витягуючих операцій з певних країн.

Завдяки кібер -шпигунству та ризикам для критичної інфраструктури під час зростання, бізнесу потрібні експерти, які можуть оцінювати та реагувати на ці загрози.

Незважаючи на те, що багато фахівців з безпеки походять з ІТ та кібербезпеки, випускники бізнес-шкіл-особливо тих, хто з програм MBA, розроблених STEM, та спеціалізованих ступенів магістра в галузі кібербезпеки та управління ризиками-також вступають у лідерські ролі в безпеці.

Ці програми викладають навички оцінювання ризиків, дотримання та стратегії безпеки, підготовці випускників до кар’єри як головних службовців безпеки, менеджерів з ризику та консультантів з безпеки.

Надаючи інформацію про здоров'я літаків, прогностичний моніторинг здоров'я (PHM) революціонує операційну ефективність, безпеку та надійність для комерційної авіаційної галузі. По суті, ця технологія використовує вдосконалені датчики, аналітику даних та алгоритми прогнозного штучного інтелекту (AI) або машинного навчання (ML) для моніторингу та прогнозування стану критичних систем літаків. Виявляючи потенційні збої до їх виникнення, PHM дозволяє проактивні стратегії технічного обслуговування, мінімізувати незапланований час простою, підвищує загальну продуктивність флоту та сприяє більш пов'язаній авіаційній екосистемі для авіакомпаній.

Незважаючи на те, що це може здатися новаторським інноваціям, концепція моніторингу літаків для раннього виявлення несправностей має коріння, що тягнеться назад десятиліттями. У 1970 -х роках авіакомпанії, такі як British Airways, Air France та Tap Air Portugals, перенесені першими програмами моніторингу даних польотів (FDM). Ці ініціативи проаналізували дані польоту для підвищення оперативних тенденцій безпеки та виявлення продуктивності, встановлюючи підґрунтя для сьогоднішніх підключених та складних систем PHM.

Еволюція цієї технології значно просунулася з 1980 -х до 2020 -х років, позначена винаходом системи звернення та звітування літаків (ACAR) та її інтеграція з повідомленнями системи моніторингу стану літаків (ACMS) від ARINC. Ця інноваційна автоматизована система зв'язку DataSalink революціонізувала комерційну авіацію шляхом безперешкодного передачі критичних даних з літака в центри операцій авіакомпанії, не вимагаючи механічного втручання.

Комерційна авіаційна індустрія пройшла довгий шлях, що розвивається від виправлення проблем лише тоді, коли вони виникають до проведення проактивних інспекцій, щоб запобігти невдачам. Тепер наступним великим стрибком вперед є прогнозне обслуговування …

Крім того, розробка пристроїв AI/ML, розширених хмарних обчислень та пристроїв бездротового реєстратора доступу (QAR)-пристрій, який збирає та зберігає дані польоту з літака та може надсилати ці дані до хмари-на винному винаході пристрою інтерфейсу літака (допомога), критичний інструмент для об'єднання даних авіоніки для наземних систем PHM, що дістається надійним і безперервним рішенням. Разом ці інновації переробляли, як приймаються технічні та операційні рішення, що відзначають ключове просування в галузі комерційної авіації шляхом підвищення безпеки, підвищення ефективності експлуатації та забезпечення стратегій прогнозування.

За останні п’ять десятиліть еволюція PHM Solutions сприяла комерційній авіаційній галузі до безпрецедентного рівня оперативної ефективності, але подорож ще далеко не закінчена. Залишаються можливості для подальшого підвищення зв’язку та інтеграції, прокладаючи шлях до ще більш розумної та пов'язаної з авіаційною екосистемою.

Всього п'ятдесят років тому пілоти та авіакомпанії спиралися на основні коди несправностей – конкретні номери для виявлення несправностей літаків – які пропонували лише обмежений знімок проблеми. Сьогодні, завдяки просуванню в системах PHM, персонал авіакомпанії має доступ до комплексних даних польотів, що охоплюють всю польоту. Хоча це величезний крок вперед для індустрії комерційної авіації, невикористані можливості для подальшого розширення потенціалу PHM.

Ось дві можливості в PHM, які існують сьогодні:

Закриття розриву AI/ML

Розрив у грамотності між інженерами -механіками та комп'ютерними програмістами в царині AI/ML PHM -рішень представляє значну проблему в галузі комерційної авіації. Маючи роки спеціалізованої освіти та практичного досвіду, інженери-механіки переважають у розумінні систем літальних апаратів та діагностиці фізичних проблем. Тим часом комп'ютерні програмісти присвячують свій досвід кодуванню складних алгоритмів та розробці розширених інструментів аналітики даних. Рідко ці дисципліни сходяться в одній людині, оскільки оволодіння обома дисциплінами зазвичай вимагає значного додаткового дослідження

Історично це призвело до того, що комп'ютерні програмісти створюють складний код для програмування складних алгоритмів або розширеної аналітики для прогнозування проблем з технічним обслуговуванням. Це має велику залежність від співпраці між програмістами та інженерами, що часто призводить до того, що інженери чекають тривалого процесу технічного обслуговування та ремонту літаків, перш ніж літак зможе повернутися в повітря.

Однак існують нові технології для подолання цієї прогалини. Завдяки рішенню PHM з низьким кодом/без коду, такими як послуги Ascentia Collins Aerospace Ascentia Analytics, інженери можуть використовувати студію аналітичного розробника для створення спеціальних порогових сповіщень для виявлення та прогнозування проблем з технічним обслуговуванням до їх виникнення. Ця інновація виключає залежність від спеціалізованих навичок кодування, що дозволяє інженерам виявляти та прогнозувати проблеми з технічним обслуговуванням у режимі реального часу, значно впорядковуючи операції та довше утримувати літаки в повітрі.

Темні системи

У комерційній авіації “Темні системи” – Системи з відсутними параметрами або недостатньо використаними можливостями – підсвічують значні невикористані можливості в PHM. У той час як персонал авіакомпаній в даний час отримує доступ до тисяч аналітичних кодів та подачі даних з літальних апаратів, в літаку існує багато компонентів та систем, які або не мають датчиків, або дані датчиків яких залишаються безцінними для аналізу.

Залишаються можливості для подальшого підвищення зв’язку та інтеграції, прокладаючи шлях до ще більш розумної та пов'язаної з авіаційною екосистемою.

Наприклад, сучасні дані про польоти записують літак з частотою 1 Гц без агрегації, але більшість бортових систем спілкуються на набагато більш високих частотах, таких як 40 Гц. Інші системи – включаючи посадкову передачу, вантажні системи, водні та відходи – можуть взагалі не спілкуватися.

Як результат, існує безліч даних та аналітичних каналів – дотично сотні тисяч додаткових точок даних – призначені в межах сьогоднішнього літака, чекаючи, що його використовують. І більше можна ввести, додавши датчики до систем, які зараз без них.

Інтегруючи більш вдосконалені датчики всередині сьогоднішнього літака та навколо нього, авіакомпанії можуть розблокувати ці спокійні уявлення, що дозволяє виявити тонкі аномалії, коли вони відбуваються, масштабуючи прогнозне обслуговування до нових висот, розширюючи збору даних та досягнення трансформаційних оперативних ефективних ефективності, що раніше вважаються непорушними.

Комерційна авіаційна індустрія пройшла довгий шлях, що розвивається від виправлення проблем лише тоді, коли вони виникають до проведення проактивних інспекцій, щоб запобігти невдачам. Тепер наступним головним стрибком вперед є прогнозне обслуговування, де дані стають ключовим фактором для виявлення проблем до їх виникнення – доцентно усунення потреби в ручних перевірок. Ця зміна пропонує значні переваги, включаючи зменшені експлуатаційні витрати, здатність виявляти проблеми раніше, ніж можуть інспекції людини, покращити точність усунення несправностей та підвищену безпеку.

З PHM на передньому плані цієї еволюції, майбутнє авіації готово досягти безпрецедентних рівнів ефективності, надійності та зв’язку.

Щоб дізнатися більше про PHM та про те, як він може допомогти авіакомпаніям досягти безпрецедентної оперативної ефективності, натисніть тут.

Умови

Хоча ми використовуємо лише відредагований та затверджений вміст для відповідей Azthena, це може в випадках надавати неправильні відповіді. Будь ласка, підтвердьте будь -які дані, що надаються у відповідних постачальників або авторів. Ми не надаємо медичну консультацію, якщо ви шукаєте медичну інформацію, ви завжди повинні проконсультуватися з медичним працівником, перш ніж діяти за будь -якою наданою інформацією.

Ваші запитання, але не ваші дані електронної пошти будуть ділитися з OpenAI та зберігатися протягом 30 днів відповідно до їх принципів конфіденційності.

Будь ласка, не задавати питання, які використовують конфіденційну чи конфіденційну інформацію.

Прочитайте повні умови.

© Dzmmitrite auramquik | Dreamstime.com

Ви, напевно, бачили заголовки: “AI приходить на всю нашу роботу”. Але замість того, щоб ви панікували, я зробив важку роботу для вас. Я відстежив 290 сторінок Звіт про майбутнє робочих місць 2025 З Всесвітнього економічного форуму і насправді його читають.

Ось що вам справді потрібно знати (мінус пух).

Менш-ж-ж новини

Це не дуже, приблизно 92 мільйони робочих місць є на подрібненому блоці протягом наступних п’яти років. Якщо ваша робота передбачає повторювані завдання, автоматизація надходить на це. І якщо ви перебуваєте в скороченій галузі, підніміть себе.

Найскладніші ролі?

❌ Касири та квитки
❌ Адміністративні помічники та виконавчі секретарі
❌ Будівництво доглядачів, прибиральниць та домогосподарки
❌ Зберігачі запасів та рекордні матеріали
❌ Друк працівників торгівлі

І це не зупиняється на цьому. Бухгалтери, охоронці, банківські кадри, представники служби обслуговування клієнтів, графічні дизайнери, адміністрації претензій та інше також перебувають у перехресті.

👉 За відсотком поштові службовці, банківські каси та службовці введення даних побачать найбільші скорочення. Якщо це ви, сплануйте свій наступний крок.

На щастя, надходить 170 м нових робочих місць

Ви знаєте, що вони говорять: коли робот приймає одну роботу, інший… створюється роботом.

Протягом наступних п’яти років ці ролі, керовані технікою, встановлені на вибух:

🚀 Спеціалісти з великих даних
🚀 Інженери Fintech
🚀 Фахівці AI та машинного навчання
🚀 Розробники програмного забезпечення та додатків
🚀 Фахівці з управління безпекою

👉 Інші робочі місця? Спеціалісти з питань складання даних, EV та експерти з автономних транспортних засобів, дизайнери UI/UX, фахівці з IoT, аналітики даних, інженери з навколишнього середовища, плюси кібербезпеки, інженери DevOps та експерти з відновлюваної енергії.

Якщо ви шукаєте майбутню свою кар’єру, тепер настав час почати вчинити.

Вам потрібно бути технологією

AL не замінить людей, але люди, які знають, як користуватися AI, замінять тих, хто цього не робить. Ось чому настав час гнучкості та підвищення кваліфікації, особливо в технічних навичках.

Ознайомтеся з Coursera, Freecodecamp, LinkedIn Learning та MIT OpenCourseware безкоштовно та дешеві курси. Уникайте всіх, хто обіцяє гарантовану роботу чи зарплату в обмін на великі гроші. Ми після реальних, товарних навичок, а не афери.

Прочитавши кожну сторінку цього звіту на 290 сторінок, я не можу підтвердити, що нікуди не говорить про те, що AI приходить на мою роботу як цифрова богиня Америки®. Хоча, можливо, жарти були б кращими. Чому AI перейшов дорогу? Тому що його запрограмовано куркою. 🐓

✅ Знаєте когось на “зникаючій” роботі? Будьте товаришем і поділіться цією історією, використовуючи значки нижче. Просто… ламайте їх обережно.

Теги: кібербезпека, майбутнє, робот, безпека, техніка

“Близько чверті пацієнтів досягли або значного поліпшення їх болю, або оцінки сверблячки, або підтримували щонайменше на 75% покращення їх тяжкості через не лише на 16 тижні, але і за тижні до 16 -ти тижня. Ми називаємо цю послідовну відповідь як частину визначення супер -респондентів”, – сказав квітень Армстронг, доктор медичних наук, MPH, FAAD, в інтерв'ю в 2025 американських академії Dermatogy (FAAD), в р. Флорида.

Армстронг, сертифікований дошкою дерматолог, а також професор та начальник дерматології UCLA, представили дані про пізні розбиття про крем дельгоцинібу (Anzupgo; Leo Pharma) для лікування помірної та важкої хронічної екземи руки (CHE).¹

Останній аналіз після спеціалістів оцінював реакцію на лікування у пацієнтів із середньою та важкою хронічною CHE, яку отримували дельгоцитинібом протягом 16 тижнів порівняно з пацієнтами, які отримували крем для транспортних засобів у випробуваннях Delta 1 та Delta 2. Підгрупа в пост -спеціальному аналізі була визначена як пацієнти з глибокою, послідовною та/або підтримкою реакції на лікування.²

Армстронг обговорив вплив дельгоцинітибу на “супер респондентів”: пацієнтів із середньою та важкою CHE, які досягають виняткових результатів лікування. Наразі дельгоциніб вже затверджений у Європі.

Ключові винос Армстронга

1. Глибока реакція до 16 -го тижня

• Супер респондентів були визначені як ті, що досягають майже жодних симптомів болю, свербіж та якості життя до 16 тижня ключового випробування.
• Приблизно 50% пацієнтів зустріли принаймні один із цих критеріїв глибокої відповіді, що демонструє істотне полегшення від навантаження на захворювання.

2. Послідовність вдосконалення з часом

• Підмножина пацієнтів показала постійне поліпшення балів болю або свербіж, підтримуючи ≥75% поліпшення тяжкості захворювання не лише на 16 тижні, а й у тижні, що призводили до нього.
• Приблизно 25% пацієнтів виявили цю послідовну відповідь, що вказує на стабільну, довгострокову ефективність.

3. Довговічність реакції після припинення лікування

• Серед пацієнтів, які досягли глобальної оцінки слідчого CHE 0 (чіткий) до 16 тижня, значна частка підтримувала їх результати навіть після припинення дельгоцинібу.
• До 8 тижня після лікування приблизно третина цих пацієнтів залишалася чіткою або майже зрозумілою, що говорить про тривалу терапевтичну користь навіть без подальшого застосування.

За словами Армстронга, ці дані посилюють потенціал дельгоцинібу як ефективного, тривалого варіанту лікування для помірного та важкого ЧЕ, забезпечуючи не тільки швидке поліпшення, але й стійкий контроль захворювань у вибраних пацієнтів. Армстронг висловив оптимізм для схвалення FDA у США, що може запропонувати нову актуальну для пацієнтів з CHE.

Для всіх новин від AAD натисніть тут.

Посилання

1. Армстронг А. “Супер респонденти” після лікування кремом дельгоцинібу 20 мг/г у підгрупі пацієнтів із середньою та важкою хронічною екземою руки. Плакат, представлений на: 2025 р. Американська академія дерматології щорічної зустрічі. 7-11 березня 2025 року; Орландо Флорт.
2. Лев Фарма представляє нові дані про кремовий дельгоциніб на третьому році поспіль на AAD 2025. Випуск новин. Діловий провід. 8 березня 2025 р. Доступ 8 березня 2025 р.