お問い合わせ

Cogniteの生成AIとは

産業データ管理から自律的オペレーションまで、生成AIの包括的な機能群により、複雑な産業データへのシンプルなアクセスを可能にし、産業ワークフローの効率を10倍向上させます。

お問い合わせはこちら
QMSPLC, IOTHistorianMESCMMSERPSimulationDocuments

Semantic search

Show me all of the pumps made by Acme after 2015 in the compounding plant, serviced in January, that have had high upstream pressure spikes lasting more than one minute in the last 4 months.

Here is a list of the 4 pumps that match your query:

Define a filter to find all pumps made by Acme after 2015 in the compounding plant. You can use the asset metadata to filter on the manufacturer and year of manufacture. You can also filter based on the asset's location or the asset hierarchy to restrict the search pumps in the compounding plant. For example you can a filter like this:

Equipment IDManufacturerLocationDate servicedUpstream pressureHighest spike (>1 min)
Pump21-PT-1019AcmeCompoundingJanuary 15, 20234.1 bar08:50:43 January 14, 2023
Pump21-PT-1021AcmeCompoundingJanuary 15, 20233.8 bar09:20:32 February 1, 2023
Pump21-PT-2019AcmeCompoundingJanuary 20, 20233.9 bar14:10:02 March 2, 2023
Pump21-PT-4020AcmeCompoundingJanuary 28, 20232.9 bar18:00:04 March 2, 2023

Content generation

Calculate the excess power consumption in megawatts of our Oslo manufacturing plant over the past week

Okay, here is a calculation for the excess power consumption of the Oslo plant this week

Excess power consumption in Oslo: 2.984 MWh

A dynamically calculated time series that returns the total excess consumption at Oslo plant for the time range in view.

Can you perform the same calculation across our Austin, Tokyo and Oslo sites? And show me the total across all 3 sites in Euros?

Certainly, this is the total excess power consumption cost across Oslo, Austin and Tokyo.

Excess power consumption across Oslo, Austin and Tokyo: $566.95

A dynamically calculated time series that returns the total excess consumption from across Oslo, Austin and Tokyo

Code generation

What are the required steps to perform the following using GraphQL?

Create an inspection order for all pumps made by Acme after 2015 in the compounding plant, serviced in January, that have had high upstream pressure spikes lasting longer than one minute in the last 4 months.

Here are the following steps you can follow to perform this task

Define a filter to find all pumps made by Acme after 2015 in the compounding plant. You can create a query like this:

GraphQL

{
listPump(filter: {and [{manufacturer: {eq:'Acme'}}, {year_of_manufacture: {gt: 2015}}, {plant: {eq: 'compound'}}]}) {
items {
name
description
}
}
}

Note: You can define any items you would like. name and description is just an example.

Automatic summarization

Summarize the findings of the latest maintenance report for equipment 21-PT-1019. Did it resolve the issue we had during last week's production cycle?

Here is a summary of the maintenance report that Johan Hansen submitted on Monday, March 20th:

The last breakdown on March 17th was the result of a faulty seal, which ultimately caused a leak.

The seal was replaced and the equipment now seems to be functioning as expected. Issue resolved, pending follow-up inspection next week.

Sources

  • P&ID
  • Image of compounding matching after repair
  • Connected time-series
See all details

生成AI + ナレッジグラフ

安全、安心、ハルシネーションなし。 LLMと、オペレーション・データを含む決定論的な産業知識グラフを組み合わせることで、お客様のオペレーションをインテリジェントかつ効率的にします。

あらゆるステークホルダーが直感的なデータ体験を実現

産業用ジェネレーティブAIが業務ワークフローに革新をもたらす

オペレーション

産業データとクロスソースインサイトへのシンプルなアクセス

現場のオペレーターとして、複数のソースをダブルチェックして状況を把握する時間はありません。現実の状況を理解し、早急に生産を改善するために適切な行動を取ることができるよう、信頼できるデータに素早くアクセスする必要がある。

メインテナンス

活動の計画、スケジューリング、実行の最適化

メンテナンス・マネージャーとして、私は常にプロアクティブな計画を立てようとしているが、オペレーションに関する見識はほとんどない。優先順位は急速に変化することがあり、予定されている活動への影響を最小限に抑えながら、新しい計画を実行するためにリソースをシフトするのは膨大な作業負荷がかかる。

Reliability

データに基づく状態監視作業の迅速化

データ分析がバラバラのシステムで行われ、ほとんどデータがない資産もあるため、さまざまな機器の状態を把握するのは非常に難しい。タイムリーなアクションを取るためには、より完全な情報が必要なこともしばしば見られる。

AIを活用した新しいオペレーションの可能性を探る

大規模言語モデル(LLMS)を独自の産業データで安全かつ確実に使用するために、なぜRAG(Retrieval Augmented Generation)が重要なのかを学びましょう

Read why RAG is all the RAGe

どのように動作するか

お問い合わせはこちら

有意義な生成AI対応業務の展開は、自動エンリッチメントが可能なコンテキスト内のデータへのアクセスにかかっている。

Cognite Data Fusionに搭載されているCogniteのAIは、生成AIが組織を理解し、最も複雑な質問に対しても決定論的な回答を提供するために必要な、産業現実の完全で信頼できるデジタル表現を提供します。

Read the blog

産業用データトップとアセットパフォーマンス管理機能のオープンエコシステムにより、価値ある運用効果を提供

データモデリング、API、データエクスプローラー、チャート＆アナリティクス、オープンインダストリアルデジタルツインで自然言語インターフェースをアシストすることで、Cognite Data Fusionのローコード/ノーコード機能を向上させ、純粋なインダストリアルDataOpsを超え、生成AIを搭載したインダストリアルデータクラウドの領域へと押し上げます。

すべてがどのように組み合わされるかを見る

生成AIをうまく導入すれば、デジタルトランスフォーメーションは一気に加速します。 このデモでは、GPTがCogniteの産業データクラウドを活用して、複雑な産業データにシンプルにアクセスし、RCAプロセスを合理化する様子をご覧いただけます。

お問い合わせをする