IoT sensors: izmanto tādas tehnoloģijas kā sensori, RFID un rūpnieciskais IoT (IIoT), lai reāllaikā savāktu neapstrādātus datus, piemēram, aprīkojuma statusu, materiālu plūsmu un vides parametrus.
Datu apstrāde: izmantojiet lielo datu un mākoņdatošanas metodes, lai notīrītu, uzglabātu un analizētu milzīgu datu apjomu un iegūtu noderīgu informāciju.
Zināšanu ieguve: mākslīgā intelekta (piemēram, mašīnmācīšanās un dziļās mācīšanās) apvienošana ar ekspertu sistēmām, lai identificētu modeļus, prognozētu tendences un diagnosticētu datu kļūdas.
Pakalpojumu integrācija: pamatojoties uz zināšanu tīkliem un uz pakalpojumiem orientētu arhitektūru (SOA), ražošanas resursi (iekārtas, procesi, krājumi utt.) tiek iekapsulēti kā izsaucami pakalpojumi.
Cilvēka un mašīnas lēmumu pieņemšana sadarbībā: cilvēku eksperti un viedās sistēmas strādā kopā, lai izstrādātu optimālas ražošanas stratēģijas un reaģēšanas plānus.
Slēgtā cikla izpilde: izdodiet lēmumu instrukcijas izpildes slāņiem, piemēram, robotiem, MES un APS, lai automātiski pielāgotu ražošanas darbības un sniegtu atgriezenisko saiti modeļu optimizēšanai.