案例2
疲劳科学为北美两个矿山带来600万美元的产出收益
概况：
操作人员的疲劳状态不利于重工业的成本控制和安全维护。预测性疲劳管理的工作原理与许多公司目前用于资产健康的预测性维护原理类似。通过对收集到的性能数据进行推断，可以预见到必要的干预措施，并在出现负面后果之前采取先发制人的行动。 例如，预测性方法可能会安排任务分配，让睡眠时间超过一定小时的工人不能操作重型机械，而不是采用传统的被动方法，如在司机睡着后摇晃他的座椅。
云端赋能：
Fatigue Science 的 “Readi 疲劳管理信息系统 (FMIS) ”可监测人员疲劳情况、分析数据并实现更智能的任务分配和调度，从而达到最佳生产效率和安全性。此外，还包括改善睡眠条件的建议和实时疲劳警报。睡眠数据可由可穿戴设备捕获，Readi的机器学习引擎可分析工人过去十天的睡眠和工作时间。
向云计算的过渡显著提高了Readi的效率。以往，每年最多收集四次数据并向客户提交报告。而如今，每天轮班开始时都会提供自动报告。除此之外，公司的每个人都可以获得这些信息数据。
这两座矿山通过利用Readi FMIS系统凸显两方面优势：一是减少疲劳，使工人能够以更高的标准执行任务，从而提高工作效率。第二个是任务分配优化，为工人分配更适合他们的任务。
这两座矿山中，该系统为其分别带来330万和230万美元的产出收益。
案例3
Metso Outotec借助Rescale实现高性能计算
概况：
Metso Outotec向工业公司提供设备和机械。其客户需要有效且可靠的产品。在料斗、破碎机、筛分机和输送机的开发中，Metso Outotec 之前使用 Ansys模拟各种结构条件来测试机械。在这些模拟中，岩石载荷行为成为了严重的阻碍。
结果是往往无法评估整个过程，因为模拟是黑盒状态：即输入后返回输出，但其间发生的计算是未知的。不准确的结果意味着设计必须多次迭代和测试，这就会消耗大量的人力财力。
云端赋能：
Metso Outotec公司决定在其Ansys中引入 Rocky DEM 软件，以便更直观地观察岩石载荷的模拟行为。一旦计算得到验证或纠正，建模就会得到改进，产品上市前所需的原型数量也会大幅减少。
通常，此类资源密集型程序将在高性能计算（HPC）系统上运行。Metso Outotec拥有一定的内部计算能力，但如果有更强的超算能力会更有帮助。工程师们选择将计算外包给云端，而不是安装更多本地计算机，因为只有在使用 Rocky DEM 时才需要额外的计算能力。
Rescale是一个让客户在云中访问和使用HPC的平台。Rescale支持访问 Microsoft Azure、Google Cloud 和 AWS。Metso Outotec使用 Rescale 进行 Rocky DEM 仿真模拟，借助 Rescale 和云计算，可以进行更多的模拟，从而节省更多时间，成本随之大幅降低。
案例4
Newcrest 使用Microsoft Azure 工具优化矿石流管理
Newcrest 在四个国家的六个省份运营项目，重点聚焦于Cadia East（澳大利亚）和Lihir MOPU（巴布亚新几内亚）的扩建项目，以及 Wafi Golpu（巴布亚新几内亚）和 Namosi（斐济）绿地项目。
Newcrest 面临的一项挑战是保证采矿设备的持续运行，并维持澳大利亚最大地下矿山卡迪亚谷金矿的连续生产。该过程的一个关键要素是调节位于破碎机下游的矿仓中的碎矿石水平。矿石仓装载不足会导致收集输送机无法有效填充，而装得过满的矿仓则需要手动清空，导致安全问题。
最初，用于监测的传感器在充满挑战的地下环境中并不可靠，每月会出现两到三次故障，迫使该公司不得不使用目视检查。频繁的故障导致六个月内停机4780分钟，并且由于需要人工维修，大大增加了安全风险。
