Die Automobilindustrie plant, ihre Investitionen in den Aufbau von intelligenten Fabriken in den nächsten drei Jahren um mehr als 60 % zu erhöhen. Doch die Studie des Capgemini Research Institute „How Automotive Organizations can maximize the Smart Factory Potential“ zeigt dass die Potenziale noch nicht ausgeschöpft werden.

Farbwechsel von Anlagen sind in der Lackierindustrie an der Tagesordnung. In der Autoserienlackproduktion und insbesondere bei der Pigmentverarbeitung stellen sie eine besondere Herausforderung dar.

Zeitgemäßer Onlinehandel fußt auf der Analyse und Verarbeitung selbst erhobener Daten. Gerade der B2B-Mittelstand muss beginnen, Automatisierung und Künstliche Intelligenz für sich zu erschließen.

Die Aussichten und die Buchungszahlen für die SPS sind 2019 erneut positiv und zeigen die Bedeutung der Fachmesse für die smarte und digitale Automatisierung. Rund 1650 Aussteller werden vom 26.-28. November als Aussteller in Nürnberg erwartet.

Die Frage ist nicht ob und wann, sondern: Wie schnell gelingt es, Geschäfts- und Produktionsprozesse zu digitalisieren. Wo die Branche steht, erfahren Sie auf dem Smart Process Manufacturing Kongress.

Ein neugegründeter Arbeitskreis untersucht die technische Umsetzbarkeit einer SPE-Schnittstelle für IO-Link. Dabei geht es nicht darum, IO-Link zu ersetzen.

Über eine neue Werkstoffdatenbank von Altair können Konstrukteure fundierte Informationen zu verschiedenen Materialien abrufen – sowohl in einer Standalone-Anwendung als auch über eine Schnittstelle zu gängigen Solvern.

Chirurgische Instrumente sind Hochpräzisionsprodukte, die mit größter Sorgfalt in meist kleineren Stückzahlen gefertigt werden. Erfahrungen eines KMU zeigen, dass man nicht nur durch eine hohe Wiederholgenauigkeit Herr darüber bleibt. Was es noch dafür braucht, lesen Sie hier.

Die Anforderungen an die Verkabelung und Verbindungstechnik sind im Vergleich von einpaarigem zu vierpaarigem Ethernet recht unterschiedlich, wie dieser Beitrag zeigt.

Die Künstliche Intelligenz (KI) und das Machine Learning (ML) können zur Analyse von Maschinendaten eingesetzt werden. Aber was steckt hinter Data Science und dem „Automated Machine Learning“?