西门子推出软件即服务解决方案Teamcenter X,能够帮助企业快速实施、扩展和集成行业领先的PLM技术
通过访问云端Teamcenter,加快完整数字化双胞胎的创建与交付,整合多学科设计和物料清单
西门子数字化工业软件近期推出全新的Teamcenter X,使其产品生命周期管理(PLM)解决方案能够以服务的形式进行交付。Teamcenter是一款现代化、可扩展的PLM套件,专为产品创新者而设计,能够实现人员与流程的跨学科连接。
此次发布的Teamcenter X为软件即服务(SaaS)解决方案,可以帮助任何规模的企业快速实现价值,而无需传统现场PLM部署时所需的IT资源。用户可以通过Teamcenter X从提供即时价值的预配置工程和业务解决方案中进行选择,并根据业务发展需要灵活添加更多功能。在Teamcenter X的帮助下,所有用户都可以从“云端”获益,缩短上市时间,在分布于不同地区的跨学科团队之间实现协同,进而提高效能与效率。
CIMdata总裁兼首席执行官Peter Bilello表示:“对于西门子已经获得成功的企业数据和流程管理解决方案来说,Teamcenter X的发布标志着西门子在该领域向前迈出了重要的、具有革命性意义的一步。Teamcenter X具备内置最佳实践的现代化云平台,加上西门子领先的PLM业务模型,势必会对各行各业的企业产生极大吸引力。”
随着西门子Xcelerator解决方案组合对SaaS的进一步扩展,Teamcenter X可以帮助客户快速实现PLM效益,简化产品开发流程。企业能够轻松地将PLM与其所熟悉的应用程序连接起来,以实现跨企业和跨功能域的安全性、敏捷性及协同性。通过与世界领先的软件工具(如NX和Solid EdgeCAD软件、Mentor电子CAD软件以及PolarionX应用生命周期管理软件)进行集成,Teamcenter X可以创建多领域物料清单(BOM),将包括机械、电气和软件组件在内的完整数字化双胞胎可视化。
Teamcenter X的界面简洁易用,同时集成有预测性人工智能(AI)元素,企业用户可以快速上手操作,以更加智能的方式进行工作。通过预配置的解决方案,如工程变更、发布管理等,用户能够大幅提高工作效率。Teamcenter X中所包含的知识可在Mendix软件应用平台的基础上在整个企业范围内进行整合和扩展。
“Teamcenter X将领先的PLM解决方案和服务与先进的低代码应用平台Mendix相结合,帮助客户超预期地按时、按预算交付高质量的跨领域产品。Teamcenter X是一款真正意义上的SaaS解决方案,它基于我们的PLM专业知识,通过微服务、人工智能和低代码开发等充分发挥未来科技的作用,” 西门子数字化工业软件Teamcenter高级副总裁Joe Bohman表示:“Teamcenter这一革命性进展能够惠及各种规模的企业,我们迫切期待与更多新客户达成合作,帮助他们提高产品生命周期管理能力,为未来创新贡献力量。”
西门子还同时宣布推出Teamcenter Share,这是一项基于云计算、以设计为中心的项目协作服务,专为希望从本地和网络硬盘驱动器或通用云存储解决方案转向以工程为中心的协作工具的公司而设计。Teamcenter Share能够帮助产品开发的相关人员将桌面文件同步到安全的云存储中,他们可以在云端查看和标记所有设备上的通用CAD格式,并轻松地与其他负责人共享项目工作,以促进产品开发项目的协作。Teamcenter Share还提供增强现实(AR)功能,用户可以从平板电脑或智能手机轻松访问,以便更好地了解其设计在预期环境中可以实现的功能。
 0赞
0赞好文章,需要你的鼓励
 推荐文章
                    推荐文章
                  杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。
 
             
                 
                     
                     
                    