TKH Group برای تقویت توانمندی‌های اتوماسیون کارخانه، شرکت پیشگام هوش مصنوعی صنعتی WolkAbout را خریداری می‌کند
TKH Group رسماً شرکت WolkAbout، ارائه‌دهندهٔ نرم‌افزارهای اینترنت اشیای صنعتی (IoT) و هوش مصنوعی (AI)، را خریداری کرده است. این خرید راهبردی با افزودن مدیریت پیشرفتهٔ داده به سیستم‌های کنترل سنتی، سبد محصولات کارخانهٔ هوشمند TKH Group را تقویت می‌کند. با اینکه با توجه به درآمد ۲ میلیون یورویی WolkAbout در سال ۲۰۲۵، تأثیر مالی آن محدود است، ارزش راهبردی آن برای اتوماسیون صنعتی چشمگیر است.
TKH با خرید راهبردی نرم‌افزار، حضور خود را در اتوماسیون صنعتی گسترش می‌دهد
بخش فناوری خواهان یکپارچه‌سازی سریع‌تر پلتفرم‌های سخت‌افزاری و نرم‌افزاری در سراسر تأسیسات تولیدی مدرن است. TKH Group با ادغام شرکت‌های تخصصی هوش مصنوعی در معماری اصلی خود، راهبردی سنجیده برای توسعه دنبال می‌کند. این اقدام پس از خرید بخش بازرسی درز جوش Vitronic در ماه اکتبر صورت گرفت؛ بخشی که ۶٫۲ میلیون یورو درآمد سالانه به همراه داشت. در نتیجه، TKH زیست‌بومی جامع ایجاد می‌کند که بینایی ماشین، اجزای سخت‌افزاری و راهکارهای نرم‌افزاری ابری-لبه‌ای را یکپارچه می‌سازد.
دستاورد WolkAbout برای اتوماسیون کارخانه و سیستم‌های کنترل توزیع‌شده
WolkAbout در نووی سادِ صربستان و پراگ فعالیت می‌کند و یک تیم مهندسی ۳۳نفره دارد. این شرکت یک پلتفرم نرم‌افزاری سازمانی ارائه می‌دهد که در محیط‌های صنعتی پیچیده، یک مدل دادهٔ یکپارچه ایجاد می‌کند. این چارچوب به مدیران کارخانه امکان می‌دهد الگوریتم‌های یادگیری ماشین را مستقیماً در کنار کنترل‌گرهای منطقی برنامه‌پذیر (PLCs) و سیستم‌های کنترل توزیع‌شده (DCS) به کار گیرند. افزون بر این، پلتفرم دریافت دادهٔ بلادرنگ از حسگرهای ناهمگون را ساده می‌کند و استقرار امن و مقیاس‌پذیر هوش مصنوعی را تضمین می‌کند.
یکپارچه‌سازی الگوریتم‌های پیشرفتهٔ هوش مصنوعی با معماری سنتی PLC و DCS
کارخانه‌های تولیدی مدرن اغلب برای پیوند دادن سخت‌افزارهای قدیمی با الگوریتم‌های مدرن هوش مصنوعی سازمانی با دشواری روبه‌رو هستند. مهندسان صنایع باید ضمن ارتقای زیرساخت‌های فناوری اطلاعات و فناوری عملیاتی (IT-OT)، تداوم بی‌وقفهٔ فعالیت را حفظ کنند. WolkAbout با ارائهٔ APIها و میان‌افزارهای استاندارد، این گلوگاه را برطرف می‌کند. در نتیجه، مهندسان کنترل می‌توانند سیگنال‌های حسگر با فرکانس بالا را پردازش کنند، بی‌آنکه تأخیر سیستم را به خطر بیندازند یا چرخه‌های اجرای قطعی PLC را مختل کنند.
نگاهی به چشم‌انداز TKH برای ایجاد قطب یکپارچه هوش مصنوعی در آمستردام
TKH قصد دارد دارایی‌های نرم‌افزاری وولک‌اباوت را با قطب هوش مصنوعی متمرکز خود در آمستردام ادغام کند. این یکپارچه‌سازی، ابزارهای اینترنت اشیای داده‌محور وولک‌اباوت را با تخصص تثبیت‌شده TKH در تولید سخت‌افزار ترکیب می‌کند. افزون بر این، ترکیب ابزارهای بازرسی مبتنی بر بینایی با نرم‌افزار اینترنت اشیا، امکانات قدرتمندی برای نگهداری پیش‌بینانه فراهم می‌کند. مهندسان می‌توانند عیب‌های میکروسکوپی را هنگام پردازش درز جوش شناسایی کنند و هم‌زمان شاخص‌های سلامت عملیاتی را به داشبوردهای نظارتی مرکزی ارسال کنند.
دیدگاه صنعت: چرا M&A هدفمند آینده تولید هوشمند را رقم می‌زند
ادغام‌های بزرگ شرکت‌ها اغلب به‌دلیل پیچیدگی یکپارچه‌سازی نرم‌افزار و دشواری‌های ناشی از آن شکست می‌خورند. در مقابل، TKH برای ایجاد گام‌به‌گام پلتفرم‌های خودکارسازی ماژولار، به‌دنبال تملک‌های هدفمند و بسیار تخصصی است. افزودن تیم‌های نرم‌افزاری کوچک و چابک به تأمین‌کنندگان سخت‌افزارهای قدیمی امکان می‌دهد بدون تأخیرهای ناشی از توسعه داخلی سنگین، تحول دیجیتال را سرعت ببخشند. بااین‌حال، موفقیت به این بستگی دارد که TKH تا چه اندازه بتواند این جریان‌های داده گوناگون را یکپارچه و به تجربه کاربری منسجمی برای مشتریان تبدیل کند.
سناریوی کاربردی: بهینه‌سازی کنترل کیفیت درز جوش در کارخانه‌های خودروسازی
یک تأمین‌کننده خودروسازی رده‌اول را در نظر بگیرید که با استفاده از ایستگاه‌های جوشکاری رباتیک خودکار، شاسی تولید می‌کند. این کارخانه از سامانه‌های PLC برای کنترل حرکت و چارچوب‌های DCS برای پایش سراسری تأسیسات استفاده می‌کند. با ادغام حسگرهای بینایی ماشینی ویت‌رونیک با پلتفرم نرم‌افزاری وولک‌اباوت، داده‌های درز جوش در لحظه و بی‌درنگ وارد مدل‌های تحلیلی هوش مصنوعی می‌شوند.
مهندسان می‌توانند ناهنجاری‌های ظریف جوشکاری را پیش از خروج قطعات معیوب از سلول شناسایی کنند. افزون بر این، الگوریتم‌های عملیاتی الگوهای حرارتی و نوسانات ولتاژ را در هزاران چرخه جوشکاری تحلیل می‌کنند. در نتیجه، تیم‌های تعمیر و نگهداری، پیش از خرابی تجهیزات، بازتنظیم‌های هدفمند مشعل جوشکاری را برنامه‌ریزی می‌کنند؛ این کار زمان ازکارافتادگی برنامه‌ریزی‌نشده را کاهش می‌دهد و بازده کلی را بهبود می‌بخشد.