实例探究.

添加案例

我们的案例数据库覆盖了全球物联网生态系统中的 19,090 家解决方案供应商。
您可以通过筛选条件进行快速浏览。

Download Excel
筛选条件
  • (5,807)
    • (2,609)
    • (1,767)
    • (765)
    • (625)
    • (301)
    • (237)
    • (163)
    • (155)
    • (101)
    • (94)
    • (87)
    • (49)
    • (28)
    • (14)
    • (2)
    • 查看全部
  • (5,166)
    • (2,533)
    • (1,338)
    • (761)
    • (490)
    • (437)
    • (345)
    • (86)
    • (1)
    • 查看全部
  • (4,457)
    • (1,809)
    • (1,307)
    • (480)
    • (428)
    • (424)
    • (361)
    • (272)
    • (211)
    • (199)
    • (195)
    • (41)
    • (8)
    • (8)
    • (5)
    • (1)
    • 查看全部
  • (4,164)
    • (2,055)
    • (1,256)
    • (926)
    • (169)
    • (9)
    • 查看全部
  • (2,495)
    • (1,263)
    • (472)
    • (342)
    • (227)
    • (181)
    • (150)
    • (142)
    • (140)
    • (129)
    • (99)
    • 查看全部
  • 查看全部 15 技术
  • (1,744)
  • (1,638)
  • (1,622)
  • (1,463)
  • (1,443)
  • (1,412)
  • (1,316)
  • (1,178)
  • (1,061)
  • (1,023)
  • (838)
  • (815)
  • (799)
  • (721)
  • (633)
  • (607)
  • (600)
  • (552)
  • (507)
  • (443)
  • (383)
  • (351)
  • (316)
  • (306)
  • (299)
  • (265)
  • (237)
  • (193)
  • (193)
  • (184)
  • (168)
  • (165)
  • (127)
  • (117)
  • (116)
  • (81)
  • (80)
  • (64)
  • (58)
  • (56)
  • (23)
  • (9)
  • 查看全部 42 行业
  • (5,826)
  • (4,167)
  • (3,100)
  • (2,784)
  • (2,671)
  • (1,598)
  • (1,477)
  • (1,301)
  • (1,024)
  • (970)
  • (804)
  • (253)
  • (203)
  • 查看全部 13 功能区
  • (2,573)
  • (2,489)
  • (1,873)
  • (1,561)
  • (1,553)
  • (1,531)
  • (1,128)
  • (1,029)
  • (910)
  • (696)
  • (647)
  • (624)
  • (610)
  • (537)
  • (521)
  • (515)
  • (493)
  • (425)
  • (405)
  • (365)
  • (351)
  • (348)
  • (345)
  • (317)
  • (313)
  • (293)
  • (272)
  • (244)
  • (241)
  • (238)
  • (237)
  • (217)
  • (214)
  • (211)
  • (207)
  • (207)
  • (202)
  • (191)
  • (188)
  • (182)
  • (181)
  • (175)
  • (160)
  • (156)
  • (144)
  • (143)
  • (142)
  • (142)
  • (141)
  • (138)
  • (120)
  • (119)
  • (118)
  • (116)
  • (114)
  • (108)
  • (107)
  • (99)
  • (97)
  • (96)
  • (96)
  • (90)
  • (88)
  • (87)
  • (85)
  • (83)
  • (82)
  • (81)
  • (80)
  • (73)
  • (67)
  • (66)
  • (64)
  • (61)
  • (61)
  • (59)
  • (59)
  • (59)
  • (57)
  • (53)
  • (53)
  • (50)
  • (49)
  • (48)
  • (44)
  • (39)
  • (36)
  • (36)
  • (35)
  • (32)
  • (31)
  • (30)
  • (29)
  • (27)
  • (27)
  • (26)
  • (26)
  • (26)
  • (22)
  • (22)
  • (21)
  • (19)
  • (19)
  • (19)
  • (18)
  • (17)
  • (17)
  • (16)
  • (14)
  • (13)
  • (13)
  • (12)
  • (11)
  • (11)
  • (11)
  • (9)
  • (7)
  • (6)
  • (5)
  • (4)
  • (4)
  • (3)
  • (2)
  • (2)
  • (2)
  • (2)
  • (1)
  • 查看全部 127 用例
  • (10,416)
  • (3,525)
  • (3,404)
  • (2,998)
  • (2,615)
  • (1,261)
  • (932)
  • (347)
  • (10)
  • 查看全部 9 服务
  • (507)
  • (432)
  • (382)
  • (304)
  • (246)
  • (143)
  • (116)
  • (112)
  • (106)
  • (87)
  • (85)
  • (78)
  • (75)
  • (73)
  • (72)
  • (69)
  • (69)
  • (67)
  • (65)
  • (65)
  • (64)
  • (62)
  • (58)
  • (55)
  • (54)
  • (54)
  • (53)
  • (53)
  • (52)
  • (52)
  • (51)
  • (50)
  • (50)
  • (49)
  • (47)
  • (46)
  • (43)
  • (42)
  • (37)
  • (35)
  • (32)
  • (31)
  • (31)
  • (30)
  • (30)
  • (28)
  • (27)
  • (24)
  • (24)
  • (23)
  • (23)
  • (22)
  • (22)
  • (21)
  • (20)
  • (20)
  • (19)
  • (19)
  • (19)
  • (19)
  • (18)
  • (18)
  • (18)
  • (18)
  • (17)
  • (17)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (15)
  • (15)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (10)
  • (10)
  • (10)
  • (10)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • 查看全部 731 供应商
Selected Filters
19,090 实例探究
排序方式:
Daylight Transport Enhances Cybersecurity with Expel’s Managed Detection and Response -  Industrial IoT Case Study
日光传输通过 Expel 的托管检测和响应增强网络安全
Daylight Transport 是一家领先的运输和物流公司,多年来经历了快速增长,导致更多地向云基础设施过渡。该公司已经具有安全意识,了解该行业面临的主要风险,特别是勒索软件攻击的破坏性潜力。然而,他们认为现有的托管安全服务提供商 (MSSP) 过于被动,无法提供必要的信息和可见性。他们收到警报但没有得到答复,导致需要花费数小时来调查这些警报。有时,由三名员工组成的团队必须处理每周从 MSSP 发回的 1,000 多个警报。 MSSP 也没有提供对 Daylight Transport 环境(尤其是云端)的监控和可见性。为了获得更多的覆盖范围,他们需要从安全信息和事件管理 (SIEM) 发送额外的日志,从而增加了 MSSP 和数据传输成本。因此,该公司决定是时候进行变革,以符合其更主动的安全目标。
下载PDF
FIA Tech Enhances Security with Expel’s Managed Detection and Response -  Industrial IoT Case Study
FIA Tech 通过 Expel 的托管检测和响应增强安全性
FIA Tech 是交易所交易衍生品行业的领先技术提供商,在 2021 年面临着重大挑战。在宣布十家领先银行投资 4400 万美元为其战略增长提供资金后,该公司不得不应对日益增长的安全要求。风险和信息安全高级副总裁 Pat Lefler 和他的团队开发了一种三管齐下的方法来提高端点、网络和云服务的可见性。他们使用 Carbon Black、SIEM 和 Sumo Logic 日志文件聚合建立了新的端点保护,并通过 Panorama 集成了 Palo Alto 的 Prisma,以及来自 Microsoft 和 Amazon Web Services (AWS) 的云安全信号。然而,他们缺乏资源来监控收到的无数警报。鉴于组织的快速发展,他们需要一个能够与 FIA Tech 现有技术良好集成并能够快速开始监控的安全运营中心 (SOC)。
下载PDF
GreenSky Leverages Expel for Efficient Anti-Phishing Management -  Industrial IoT Case Study
GreenSky 利用 Expel 进行高效的反网络钓鱼管理
GreenSky 是一家领先的金融科技公司,正在应对网络钓鱼的挑战,这是该组织最紧迫的安全问题之一。尽管制定了广泛的网络钓鱼教育和意识计划,该公司仍然容易受到潜在的网络钓鱼攻击。该公司负责 IT 安全和业务连续性的副总裁 Lori Temples 和她的团队不得不将工作日的大部分时间用于网络钓鱼,这使得他们专注于更具战略性的项目的时间更少。他们投资了一种工具来自动分析潜在的网络钓鱼电子邮件,但该工具缺乏人性化,需要 GreenSky 团队在日常反网络钓鱼工作中发挥积极作用。该团队需要一种能够有效管理网络钓鱼调查的解决方案,使他们能够专注于其他战略计划。
下载PDF
Sappi: Enhancing Supply Chain Efficiency and Customer Satisfaction with IoT - Shippeo Industrial IoT Case Study
Sappi:通过物联网提高供应链效率和客户满意度
Sappi Europe 是 Sappi Limited 的子公司,是全球领先的纸浆、纸张、包装和可持续木纤维产品和解决方案供应商。尽管在市场上占据主导地位,但该公司在优化供应链和改善客户服务方面面临着重大挑战。市场供应的增加导致产能过剩,需要降低成本并更加关注客户。 Sappi 还面临着越来越大的数字化运营压力,其供应链是重点关注的领域。一个重大挑战是,50% 的客户服务查询与发货状态相关,需要大量时间和管理工作。
下载PDF
World Oil Corp's Successful Integration with Wastebits' RCRAInfo -  Industrial IoT Case Study
世界石油公司与 Wastebits 的 RCRAInfo 成功整合
世界石油公司是一家在加利福尼亚州和整个美国西部回收、生产和运输重要石油产品并提供重要环境服务的公司,该公司在 2018 年面临着重大挑战。联邦环保局提出了一项要求,要求提交所有危险废物清单通过 RCRAInfo 网站。对于通过邮件或扫描图像提交的清单,向在线数据库的过渡需要支付高额费用。世界石油公司发现自己陷入了时间紧迫的境地,需要一个能够处理数千份积压清单的技术合作伙伴,以满足 EPA 的最后期限。如果未能在截止日期前完成任务,该公司将面临巨额成本以及美国环保局可能支付的罚款的风险。
下载PDF
YES Management, Inc. Streamlines Waste Management with Wastebits’ RCRAInfo Integration -  Industrial IoT Case Study
YES Management, Inc. 通过 Wastebits 的 RCRAInfo 集成简化废物管理
尤马环境服务公司 (YES Management, Inc.) 是一家获得完全许可的废物转运设施,当联邦 EPA 于 2018 年 7 月强制要求所有危险废物清单通过 RCRAInfo 网站提交时,尤马环境服务公司 (YES Management, Inc.) 面临着重大挑战。这种向在线数据库的过渡通过邮件或扫描图像提交的清单需要缴纳大量费用。 YES Management, Inc. 为各种非 RCRA 和无害废物流提供简单、经济高效的解决方案。然而,新要求给该公司带来了巨大的财务负担和运营挑战,因为它需要格式化客户的舱单数据,以确保 EPA 收取尽可能低的费用。
下载PDF
AccuWeather's Tornado Warning Saves Lives and Ensures Business Continuity for Equipment Manufacturer -  Industrial IoT Case Study
AccuWeather 的龙卷风警报拯救了生命并确保设备制造商的业务连续性
世界上最大的建筑设备制造商,其最重要的工厂之一位于密西西比州牛津,当一场毁灭性的龙卷风袭击该工厂时,该工厂面临着潜在的灾难性局面。该工厂位于龙卷风的直接路径上,每月生产 110 万个工业联轴器,几乎用于该公司生产的每台推土机、自卸卡车和挖掘机。这场灾难不仅威胁到员工的生命,还威胁到全公司的生产,使该组织面临有史以来最严重的生产危机。面临的挑战是确保员工的安全并尽量减少对公司运营的影响。
下载PDF
Embark's Autonomous Trucks Overcome Weather Challenges with Advanced On-Road Testing -  Industrial IoT Case Study
Embark 的自动驾驶卡车通过先进的道路测试克服了天气挑战
美国的公路物流运营商经常因无法在恶劣天气条件下运营而面临收入损失,特别是在北部各州。自动卡车(例如 Embark Trucks 开发的卡车)具有改变行业的潜力,但它们也面临着自己的挑战。自动驾驶汽车 (AV) 依靠激光雷达、雷达和光学摄像头等传感技术从周围环境收集视觉数据,然后将其与地图和算法结合起来做出决策。然而,即使是最先进的传感技术也难以在恶劣天气下准确检测和解释路况。 Embark 不仅需要道路测试,还需要准确、完整的历史天气数据集,以充分了解此类条件对其自动驾驶解决方案的影响。
下载PDF
Enhancing KUBRA's Storm Center Outage Mapping with AerisWeather -  Industrial IoT Case Study
使用 AerisWeather 增强 KUBRA 的风暴中心中断地图
KUBRA 是基于云的客户体验管理解决方案的领先提供商,其 Storm Center 断电地图解决方案面临着挑战。 Storm Center 是一个适合移动设备的平台,允许用户可视化恶劣天气对其当地公用事业或电信提供商的影响。然而,随着该功能越来越受欢迎,KUBRA 需要一个气象数据提供商,既可以增强断电测绘体验,又可以处理他们所服务的大量客户(客户数量超过 6100 万米,并且还在不断增长)。该提供商需要提供开发人员友好的雷达层集成,以改善视觉效果、扩展层选项(例如闪电、热带气旋、预报降水、风暴跟踪和风暴单元)以及可扩展性,以允许因极端天气而导致的流量/需求大幅波动事件。
下载PDF
Assessing Current and Future Climate Risks–at a Fraction of the Time and Cost -  Industrial IoT Case Study
评估当前和未来的气候风险——只需一小部分时间和成本
一家拥有 11 个部门(包括农业解决方案部门)的大型跨国公司正在努力应对日益加剧的气候波动,特别是极端天气事件和持续干旱状况。这些引发了新的担忧,并给战略规划带来了挑战。该公司正在寻找更好的工具来应对更加不确定的世界,并寻求一种能够共同为战略决策提供信息的合作伙伴关系。第一个挑战是提高买家种子和农作物供应的弹性,同时提高大规模生产新农作物品种的效率。第二个挑战是评估印度番茄种子和意大利韭葱种子这两个选定作物地点的气候在未来 10-20 年内将如何变化,并确定替代扩张地点。第三个挑战是确定公司投资组合的“临界点”。
下载PDF
Global Investment Manager Optimizes Portfolio with ClimateLens -  Industrial IoT Case Study
全球投资经理利用 ClimateLens 优化投资组合
一家全球领先的投资管理公司在 10 个国家管理着 97 亿美元的资产和 300 万英亩的 600 处房产,面临着评估其以土地为重点的投资组合的气候和水风险的挑战。该投资组合主要包括开心果、杏仁和酿酒葡萄等永久性作物,这些作物的生命周期很长,需要广泛的规划。该团队需要一个可靠的平台,可以提供有关作物特性和潜在威胁的详细见解,并进行整个投资组合的分析。该公司还试图了解气候变化将如何影响全球及其他地区超过 200 万英亩土地的风险和新的潜在投资机会。
下载PDF
Accurate Hurricane Forecasting Boosts Sales for Roofing Materials Producer -  Industrial IoT Case Study
准确的飓风预报促进了屋顶材料生产商的销售
一家领先的屋顶材料生产商在了解飓风季节即将到来的需求方面面临着挑战。该公司的需求主要取决于天气,在大风暴过后,随着人们、公司和政府寻求重建家园和生计,对屋顶材料的需求激增。该公司需要更详细的信息来为其制造决策提供信息,包括要生产的屋顶材料的数量和类型。面临的挑战是准确预测 2022 年飓风季节对建筑材料需求的影响,以便根据预期需求制定更好的供应计划。
下载PDF
Meteomatics Data Enhances ABS Wavesight's Navigational Safety and Sustainable Shipping -  Industrial IoT Case Study
气象数据增强了 ABS Wavesight 的导航安全和可持续航运
ABS Wavesight 是一家海事软件即服务 (SaaS) 公司,正在寻求通过集成高分辨率历史和预报天气数据来改进其风险管理平台 ABS My Digital Fleet™。该公司旨在为其用户提供可行的见解,帮助他们了解和降低燃料消耗、提高燃油成本并降低碳强度水平。此外,ABS Wavesight 希望强调船舶航行期间天气暴露对结构的潜在影响,以更好地了解和减轻风险。我们面临的挑战是找到一个合适的合作伙伴,能够提供准确、超本地化的天气数据,并可以无缝集成到他们现有的平台中。
下载PDF
Meteomatics' Weather Data Enhances Anglian Water's Infrastructure Management -  Industrial IoT Case Study
Meteomatics 的天气数据增强了 Anglian Water 的基础设施管理
Anglian Water 是英格兰和威尔士最大的水和水回收公司,在管理天气数据方面面临着重大挑战。该公司的运营需要大量的天气数据集来为决策提供信息,但他们所依赖的多个天气数据提供商既复杂又不一致。这导致了数据差异,影响了决策过程并带来了财务和管理挑战。此外,不同的提供商需要以不同的方式收集数据,这在技术上要求很高且耗时。这些问题促使该公司通过更换大部分以前的供应商来简化其运营。
下载PDF
Meteomatics' Weather Data: Aiding Swiss Aerospace Engineers in Rocket Launch and Recovery -  Industrial IoT Case Study
Meteomatics 的天气数据:帮助瑞士航空航天工程师进行火箭发射和回收
瑞士学术空间计划 (ARIS) 是一个教育协会,由苏黎世瑞士联邦理工学院 (ETH-Zurich) 的学生于 2017 年创立,正在为不断增长的航空航天市场培训未来的工程师和项目经理。该协会目前包括来自瑞士六所不同大学的学生,其目标是在未来十年内使用内部开发的双液体发射器将一颗小型卫星送入轨道。为了实现这一目标,ARIS需要进行在轨实验和研究,并定期与其他航空航天工程学生组织一起参加国际比赛。然而,航天器的发射和回收受到地球天气条件的显着影响,包括温度、风速和风向、降雨、冰雹、闪电、云层和电场。 ARIS 需要准确的天气数据来进行飞行模拟、评估发射区域的初始条件并估计火箭的最高高度、着陆位置以及地面人员的危险区域。
下载PDF
ETH Zurich’s Researchers Utilize Meteomatics’ Weather Drones for Cloud Seeding Experiments -  Industrial IoT Case Study
苏黎世联邦理工学院的研究人员利用 Meteomatics 的气象无人机进行播云实验
云在调节地球气候方面发挥着至关重要的作用,了解其微物理是更准确气候预测的关键。然而,云和云-气溶胶相互作用是这些预测不确定性的主要来源。诸如云在气候变暖时如何变化及其对地球辐射预算的影响等问题尚未得到充分解答。苏黎世瑞士联邦理工学院(ETH Zurich)的大气物理小组致力于研究云的形成和演化,特别是云与气溶胶的相互作用。他们的项目 CLOUDLAB 旨在提高对云微物理过程和降水形成的理解。然而,云粒子、风和气溶胶浓度的数据收集过程多年来一直在发展,每种方法都面临着自己的挑战。地面测量受到地面和吹雪的影响,而缆车和系留气球上的测量提供了有限的垂直结构和位置可能性。
下载PDF
Home Repair Network Leverages Meteomatics for Efficient Insurance Claims Management -  Industrial IoT Case Study
家庭维修网络利用气象学进行高效的保险索赔管理
恶劣天气事件经常对建筑物造成重大损害,约占英国家庭保险索赔的四分之一。挑战在于准确有效地验证这些说法。 Home Repair Network (HRN) 是英国财产损失行业的独立承包商管理公司,专门管理经批准的当地测量师、商人和建筑承包商网络。它们简化了保险公司和房主处理不太复杂的建筑损坏索赔的流程。然而,验证与天气相关的损害的过程可能复杂且耗时,需要对损害进行精确和可靠的评估。
下载PDF
Meteomatics' Weather Data: A Game Changer for Defence Applications -  Industrial IoT Case Study
Meteomatics 的天气数据:国防应用的游戏规则改变者
国防部门一直受到天气条件的显着影响,常常决定历史上关键战役的结果。如今,大多数军队密切监视天气以避免风险、确保武器和车辆性能并提高作战成功率。然而,来自国家气象部门的数据和传统的天气预报方法往往无法提供准确的数据,特别是来自危险事件形成的大气层最低部分的数据。卫星、地面站和雷达只能进行远程测量,而气球和飞机则仅限于短时间内和特定地点。此外,国家服务覆盖的领域有限,并且使用不同的天气模型,导致天气预报的不一致和不准确。军方需要更可靠、更准确的天气预报解决方案来确保其行动的成功。
下载PDF
Navily Enhances Maritime Safety with Meteomatics' Weather Data -  Industrial IoT Case Study
海军利用 Meteomatics 的天气数据增强海上安全
Navilly 是一个面向休闲划船者的数字平台,在向用户提供准确、及时的天气预报方面面临着挑战。该应用程序充当巡航指南、预订平台和帆船社区,依赖于一家天气数据提供商,该提供商由于依赖单一天气预报模型而无法提供精确的预报。这种精度的缺乏是一个重大问题,因为天气条件对于航行至关重要,决定了海上旅程的成功和安全。抛锚地点的决定在很大程度上受到天气条件的影响,不利或快速变化的条件可能会导致事故,从而可能使乘客面临生命危险。 Navilly 的目标是通过为每个锚地提供推荐分数来简化用户的决策过程,同时考虑到用户评分、天气预报和锚地提供的自然保护。然而,缺乏准确的天气数据阻碍了这一进程。
下载PDF
Schweizer Hagel Leverages Meteomatics' Weather Data for Agricultural Risk Assessment -  Industrial IoT Case Study
Schweizer Hagel 利用 Meteomatics 的天气数据进行农业风险评估
Schweizer Hagel 是瑞士、法国和意大利领先的农业保险提供商,面临着准确评估天气事件对农作物造成的环境风险的挑战。该公司需要确定对保单持有人公平且足以弥补保险损失的保险费。这需要精确的当地天气信息,包括长达 30 年的历史数据,以及与干旱、暴雨、冰雹、闪电和风暴相关的参数。该公司正在寻找一种可靠的天气数据解决方案,该解决方案能够提供灵活性、全面的天气参数以及对历史天气数据的访问。此外,Schweizer Hagel 需要一家能够提供可靠客户服务的提供商,以迅速、熟练地解决特定问题和查询。
下载PDF
Meteomatics and Spottitt Partnership: High-Resolution Weather Analytics for Infrastructure Monitoring -  Industrial IoT Case Study
Meteomatics 与 Spottitt 合作:用于基础设施监控的高分辨率天气分析
Spottitt 是一家基于云的解决方案提供商,利用卫星数据和先进的人工智能模型为能源、公用事业和基础设施领域提供见解。该公司的服务对于识别输电网、管道和变电站等关键基础设施的潜在故障点,以及制定最大限度减少停机时间和降低灾难性损害风险的策略至关重要。然而,热浪、严寒、暴雨、风暴等极端天气事件对基础设施造成重大威胁,导致设备损坏、停电、山火以及电网和公用管道的安全风险。此外,可再生能源系统的性能和效率取决于天气条件。因此,需要一种能够提供高分辨率天气信息的解决方案,以监测关键基础设施周围快速变化的天气和气候条件。
下载PDF
Accurate Solar Power Forecasts for Stadtwerke Munich: A Case Study -  Industrial IoT Case Study
慕尼黑 Stadtwerke 的准确太阳能预测:案例研究
Stadtwerke München 是德国最大的能源和基础设施公司之一,在准确预测太阳能发电方面面临着挑战。太阳能和其他可再生能源的生产高度依赖于天气条件,因此很难预测可产生的电量。这种不可预测性给 Stadtwerke München 的日常电力交易业务以及太阳能发电融入电力市场带来了问题。不准确的预测可能会导致成本增加,因为如果公司可以提供的指定电量出现偏差,则必须使用通常以高价购买的平衡能源。此外,准确的电力预测对于可再生能源成功且经济地融入电力市场至关重要,特别是在太阳能和其他可再生能源不断扩张的情况下。
下载PDF
Optimizing Energy Consumption in Toyota's European Plants with Weather Data -  Industrial IoT Case Study
利用天气数据优化丰田欧洲工厂的能源消耗
丰田是一家领先的汽车公司,致力于减少碳足迹并保护环境。作为“丰田 2050 年环境挑战”的一部分,该公司的目标是减少二氧化碳排放、保护水资源、促进回收和保护生物多样性。重点关注领域之一是其欧洲工厂的运营部门,该公司的目标是消除二氧化碳排放并降低能源成本。挑战在于管理这些工厂的能源消耗,这些工厂的能源消耗直接受到外部温度、湿度和风等天气条件的影响。这些因素都会影响设施内的环境温度,必须保持环境温度稳定才能使设备正常运行。此外,随着工厂转向可再生能源,它们的供应能力对天气变化变得敏感。因此,准确的天气预报对于能源系统的有效规划至关重要。
下载PDF
Enhancing Drone and Air Taxi Flight Operations with Meteomatics' Weather Data -  Industrial IoT Case Study
利用 Meteomatics 的天气数据增强无人机和空中出租车的飞行运营
无人驾驶飞机和未来的自动空中出租车等无人驾驶飞行器缺乏能够直接响应天气变化和影响的机载飞行员。对天气变化的响应是由软件和自动驾驶仪控制的。这就需要飞行期间提供实时天气数据和天气预报数据,以便安全高效地进行飞行前计划。如果天气导致飞行风险增加或无法接受,则需要相应调整航线或起飞时间。由于农业、物流、交通管理和监控等缺乏航空专业知识的行业需要在商业环境中安全有效地操作无人机,这一挑战变得更加复杂。
下载PDF
AI-Powered CubeSat Development: A Partnership Between Australia ONI and Spire -  Industrial IoT Case Study
AI 驱动的 CubeSat 开发:澳大利亚 ONI 与 Spire 之间的合作
澳大利亚国家情报办公室 (ONI) 成立于 2018 年,旨在确保澳大利亚拥有敏捷、综合的情报机构,以应对不断变化的安全挑战。作为其创新承诺的一部分,ONI 与 Spire 合作开发和部署具有先进机器学习功能的 CubeSat。面临的挑战是如何有效地理解和处理从太空发送到地球的大量数据。事实证明,传统的数据处理方法效率低下且资源密集,给地面站和其他基础设施带来了负担。目标是开发一个可以自动确定下载优先级、引导传感器并提供可行见解的系统。
下载PDF
DeepSea: Leveraging AI and Weather Data for Optimal Maritime Fuel Consumption -  Industrial IoT Case Study
DeepSea:利用人工智能和天气数据优化海上燃油消耗
DeepSea 是一家领先的人工智能海事实体,面临着利用高度准确和详细的海洋天气数据源增强其船舶特定性能模型的挑战。目标是预测风、波浪、洋流和其他航海现象对燃料消耗的影响。然而,这项任务并非没有困难。世界上 80% 的海洋仍未绘制地图和观测,这使得准确预测所需的数据存在相当大的缺口。此外,现有的海洋风浪条件数据往往不一致。这是因为它是通过浮标和游船上部署的仪器收集的,导致风天气观测结果存在差异。
下载PDF
Innovative Battery Testing for U.S. Space Force SBIR Program with Spire and EnerSys® -  Industrial IoT Case Study
使用 Spire 和 EnerSys® 进行美国太空部队 SBIR 计划的创新电池测试
美国太空部队太空系统司令部 (SSC) 的太空技术开发组合面临着重大挑战。事实证明,在轨测试技术的传统方法既昂贵又耗时。然而,在轨演示是证明技术准备就绪的关键一步。 SSC 通过其科学技术理事会 (SSC/ZAD) 需要一种解决方案,为在轨测试技术提供低成本平台。他们需要一种能够快速集成和运行太空科学技术实验的解决方案。具体任务是在轨道上测试 EnerSys® ZeroVolt™ 18650 电池,这需要一个能够容纳这些电池集成并促进其在太空运行的平台。
下载PDF
Spire Space Services: Revolutionizing Space-Based Sensor Technology with Jacobs -  Industrial IoT Case Study
Spire Space Services:与 Jacobs 一起革新天基传感器技术
Jacobs 是一家领先的技术、专业和施工服务提供商,面临着在 Spire 3U 卫星上测试和演示新型商用天基有源电子扫描阵列 (AESA) 的挑战。事实证明,在轨测试技术的传统方法既昂贵又耗时。然而,在轨演示是证明技术准备就绪的关键一步。 Jacobs 看到了通过在 Spire 3U 卫星总线上托管有效负载来降低风险、保持控制、节省时间和降低成本的机会。我们面临的挑战是找到一条低风险、高度安全、具有成本效益且快速的入轨路径。
下载PDF
Reviving Email Marketing: From 0 to 67% Open Rates -  Industrial IoT Case Study
重振电子邮件营销:打开率从 0% 提高到 67%
该公司是一家总部位于美国的 IT 服务公司,严重依赖冷电子邮件外展作为其主要销售渠道。多年来,该公司将邮箱从 2 个扩大到 45 个,并开展了大量的电子邮件活动。然而,他们的电子邮件域开始遇到重大问题。他们的打开率和送达率开始迅速下降,大部分电子邮件最终进入垃圾邮件文件夹。该公司不确定这些问题的原因,并向电子邮件营销解决方案提供商Folderly 寻求帮助。面临的挑战是确定问题的根本原因,恢复现有域的健康状况,并确保电子邮件活动的顺利进行。
下载PDF
Innovative Geomagnetic Data Collection Solution: A Case Study on Spire and SBQuantum's Award-Winning CubeSat -  Industrial IoT Case Study
创新的地磁数据采集解决方案:Spire 和 SBQuantum 屡获殊荣的 CubeSat 案例研究
美国国家地理空间情报局 (NGA) 的各种重要公共和军事系统严重依赖世界磁模型 (WMM),包括移动导航应用、测量工具、天线、太阳能电池板和 GPS。 WMM 代表地球磁场,其准确性对于这些技术的发挥至关重要。 WMM 的数据由欧洲航天局 Swarm 任务收集,该任务于 2013 年启动,预计将于 2021 年结束。鉴于 Swarm 任务即将结束以及 WMM 的至关重要性,NGA 启动了 MagQuest为未来寻找可持续、可靠和准确的数据收集替代方案而开展的竞争。
下载PDF

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 IoT ONE 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 IoT ONE 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。