横河电机战略入股芬兰公司Sensire Ltd.以寻求在冷链监控领域的合作

横河电机与Sensire达成协议,投资600万欧元,共同开发冷链监控解决方案。结合横河电机的IIoT架构和Sensire的温度监控技术,为药品和食品行业提供精确温度控制。

东京--(美国商业资讯)--横河电机株式会社(Yokogawa Electric Corporation, TOKYO:6841)和总部位于芬兰的Sensire 公司宣布,双方已达成协议,由横河电机投资600万欧元入股Sensire,并开始在冷链监控领域开展合作。通过这项协议,两家公司将融合横河电机的工业物联网(IIoT)架构及其子公司amnimo Inc.开发的基于订阅的IIoT服务,以及Sensire的冷链温度监控解决方案,开发和提供新的服务。

为易腐产品从起始点到消费点的温控运输提供便利的解决方案的需求正在增加,而对于需要严格温度控制的药品和食品而言,这种需求尤为迫切。

Sensire 公司主要为冷链提供全方位的专业温度监控解决方案。Sensire的紧凑型高能效温度传感器可收集温度数据并将其传输到云端,以供PC和移动设备访问。Sensire的解决方案支持适用于陆、海、空运输应用的一系列无线通信协议,可确保能够访问连续的实时监控数据,从而在需要的时间和地点提供重要的质量与合规信息。

横河电机正与美国微软公司合作开发基于云的IIoT架构,并将在此基础上提供物理量的远程监控解决方案。此外,横河电机的amnimo Inc.业务部门正在开发使用该架构的IIoT服务,通过该服务不仅可以访问制造工厂的数据,还可以获得许多其他类型的设施和情况的数据,最终目标是提供基于订阅的测量即服务(MaaS)

在获得35.2%Sensire股权后,横河电机现已成为该公司的第一大股东。利用横河电机的专有技术和全球网络,两家公司将共同为冷链和其他物流服务开发新的温度监控解决方案,并拓展这项业务。

横河电机高级副总裁兼公司营销总部负责人Tsuyoshi Abe评论道:根据‘(Transformation 2020)中期经营转型计划,横河电机正在探索新的业务模式,如经常性收入,同时也希望扩大在制药和食品领域的业务。我确信Sensire的解决方案将加速我们的这些努力,而且我相信,通过结合两家公司的技术,我们将能够为需要精确温度控制的应用提供新的价值。

Sensire创始人兼首席执行官JP Asikainen补充道:我认为与横河电机的合作将让我们有机会在全球拓展业务并确保向下一代云架构过渡。我们期待着为更广泛行业和应用的客户提供最新、最好的冷链解决方案。

相关链接
amnimo Inc.

关于横河电机
横河电机(Yokogawa)成立于1915年,在测量、控制和信息领域从事范围广泛的活动。其工业自动化业务为包括石油、化工、天然气、电力、钢铁、纸浆和造纸在内的各种流程行业提供至关重要的产品、服务和解决方案。公司的生命创新业务的目标是从根本上提高制药和食品行业价值链的生产率。测试与测量、航空和其他业务继续提供具有业界领先精度和可靠性的重要仪器和设备。横河电机通过遍布60个国家的113家公司组成的全球网络,与客户共同创新。公司2018财年创造了36亿美元的销售额。垂询详情,请访问:www.yokogawa.com

关于Sensire
Sensire Ltd.由首席执行官JP Asikainen2007年创立,提供全面的无线和自动实时监控产品,服务于全球重要的温度控制供应链。作为物联网技术公司,Sensire的解决方案有助于为从食品工业应用到药品物流的各种冷链操作,以及许多温度敏感的医疗保健场所提供更好的安全性和质量。Sensire致力于成为冷链物联网技术的创新领导者,以便为客户提供一流的产品和服务。公司总部位于芬兰约恩苏,2018财年的营业额为150万欧元。垂询详情,请访问www.sensire.com

本新闻稿中的公司、组织和产品、服务和标识的名称是横河电机株式会社、Sensire Ltd.或其各自所有者的注册商标或商标。

免责声明:本公告之原文版本乃官方授权版本。译文仅供方便了解之用,烦请参照原文,原文版本乃唯一具法律效力之版本。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值