XiaoMi-AI文件搜索系统
World File Search System节省
AI 可节省时间并提高 CT 患者定位的精度
6.疾病控制和预防中心。2019 年冠状病毒病 (COVID-19) 大流行期间针对医护人员的临时感染预防和控制建议。2021 年 2 月 23 日更新。 https://www.cdc.gov/coronavirus/2019-ncov/hcp/infection-control-recommendations。html。2021 年 3 月 5 日访问。
PETRONAS 节省了 1740 万美元，实现了 14 倍的投资回报
AVEVA Predictive Analytics 是一种资产绩效管理解决方案，可在设备故障发生前几天、几周甚至几个月提供预警通知和诊断。这有助于 PETRONAS 等资产密集型组织减少设备停机时间、提高可靠性、提高性能和安全性，并减少运营和维护支出。在 PETRONAS，该解决方案与 OSIsoft（现为 AVEVA 的一部分）的 PI System 配合使用，后者收集工厂中关键资产的数据。PI System 收集并构建这些数据以进行历史化和分析。基于 AI 的 AVEVA Predictive Analytics 模型使用这些数据来突出显示任何异常、趋势、潜在事件或故障，并使团队能够根据需要进行改进。
比较计划可以节省您的钱
现在是时候将您当前的覆盖范围与2022年的所有选择进行比较，并选择最适合您的医疗保健需求的计划。Medicare的开放式入学期限为所有人提供Medicare的每个人都有机会对其健康计划或处方药计划进行更改，从2022年1月1日开始。但不要延迟，公开注册期在12月7日结束。
Microsoft Windows PC的总经济影响™可节省业务成本和业务福利，该公司为业务提供了9月20日
Microsoft Office（包括Microsoft 365）的行政摘要Windows PC是全球的主要操作系统和生产力套件组合。1具有最新的选择设备政策的趋势，以及云和远程工作，一些组织正在考虑为员工提供替代的终点PC和设备。Microsoft委托Forrester Consulting进行以下全面经济影响™（TEI）研究，并检查企业可能通过部署Windows PC而不是替代端点设备来实现的潜在收益。2这些研究的目的是为读者提供一个框架，以评估Windows PC对组织的潜在财务影响与使用替代性终点PC和设备的刷新相比。第一种情况考虑了一个复合组织，其中有2500名员工使用Windows PC进行业务。复合组织正在考虑转移到企业的非窗口设备，该研究通过维护Windows PC来评估其将实现的价值。在第二种情况下，复合组织正在考虑使用基于替代浏览器的业务套件部署基于浏览器的PC。该研究评估了通过Microsoft Office维护Windows PC的收益和机会成本。下面列出了调查结果的摘要。
混合风能加太阳能光伏电站的潜在基础设施成本节省
混合发电厂 (HPP) 有可能通过共享开发（例如许可）和基础设施（例如收集系统）来提高可再生能源系统的价值并降低其成本。先前的研究已经确定了太阳能加储能发电厂的潜在成本节约以及技术和经济性能改进；然而，需要进一步研究来了解特定于风力发电厂的成本驱动因素。在这里，我们分析了一种混合发电厂共享基础设施成本节约的潜力：风能加太阳能光伏 (PV)。其中的基线比较考虑了共置 HPP 与“虚拟”HPP。在这次比较中，我们只考虑成本，而不考虑运营能力；因此，虚拟 HPP 在成本方面可以被认为在功能上等同于单一发电（风能加太阳能光伏）技术的组合，因此这些发现适用于混合发电厂与非混合发电厂的比较。我们进一步研究了风能和太阳能光伏系统平衡 (BOS) 组件本身的成本扩展，以及在 HPP 场景中的成本扩展。为了进行此分析，我们开发了一个新的开源 Python 成本建模工具：混合系统平衡 (BOS) 系统工程模型 (HybridBOSSE)。我们的基准成本假设显示，对于共置的 200 兆瓦风能加太阳能光伏混合电厂（100 兆瓦风能加 100 兆瓦太阳能光伏），与“虚拟”（非共置）200 兆瓦风能加太阳能光伏电厂相比，BOS 成本可能节省 11.8%（反映风能 + 太阳能电厂总成本的约 4%）。在某些电厂规模（50 兆瓦）下，BOS 的节省可以达到 16%。我们还表明，共享物理组件的最大成本降低来自变电站和电网连接，而成本节约的潜力在很大程度上取决于项目规模（影响项目总成本和百分比成本节约）。我们根据早期的行业反馈，对软成本（如管理、开发、许可）的降低做出了一些假设，并模拟了这些假设对 HPP 的成本节约机会的影响。我们希望这将为围绕 HPP 可能的成本节约进行更广泛的行业讨论提供一个起点，我们鼓励随着行业的成熟，进一步反馈以完善和更新这些假设。这项工作表明，从节约成本的角度来看，HPP 提供了额外的价值，并为开发人员和学术界提供了工具，用于分析他们自己对 HPP 成本的假设对成本的影响。本文介绍的方法和结果展示了一种新功能，可以确定哪些 HPP 方案可以提供最大的成本降低机会，并为更广泛的开发人员和研究人员社区提供开源建模功能。
基于强化学习的城市轨道交通储能系统优化充放电调度算法节省电价
摘要 为节省韩国城市铁路电价，本文提出了基于强化学习的储能系统充放电优化算法。通过强化学习，按照电价单位对储能系统充放电计划进行优化，降低峰值电力需求，以节省电价。为此，对包括储能系统、电价以及根据储能系统运行而变化的电价的城市铁路系统进行了建模。还通过DQN算法对代理进行强化学习，以降低峰值电力需求。利用配备储能系统的城市铁路实际线路运行数据进行学习。在这次强化学习中，大约399个（45.3%）错误数据被删除，481个（54.7%）正常数据被提取。通过强化学习，最大峰值电力需求从2,982.4 kW降低了100 kW，达到目标值当峰值电力需求在2600kW以下时，在电价便宜的时候充电，在电价昂贵的时候放电，从而节省总电价。
AI 可节省时间并提高 CT 患者定位的精度
* 我们接受以下 AI 的正式定义（来源：HLEG 定义 AI）。人工智能 (AI) 系统是由人类设计的软件（也可能是硬件）系统，给定一个复杂目标，通过数据采集感知其环境、解释收集的结构化或非结构化数据、推理知识或处理从这些数据中得出的信息并决定为实现给定目标而采取的最佳行动，在物理或数字维度上采取行动。AI 系统可以使用符号规则或学习数字模型，它们还可以通过分析环境如何受到其先前行为的影响来调整其行为。作为一门科学学科，AI 包括多种方法和技术，例如机器学习（其中深度学习和强化学习是具体示例）、机器推理（包括规划、调度、知识表示和推理、搜索和优化）和机器人技术（包括控制、感知、传感器和执行器，以及将所有其他技术集成到网络物理系统中）。
通过 AI 辅助的就诊前规划节省时间并改善护理
改善医疗保健结果需要在正确的时间访问正确的数据。Apixio 正在通过数据驱动的智能和分析来推进基于价值的护理。我们的 AI 解决方案从管理数据和非结构化临床信息中解锁可操作的信息。结果推动了更好的决策和更智能的医疗保健方法。
东南亚国家半导体铸造厂的成本节省分析
允许将本工作的全部或一部分供个人或课堂使用的数字或硬副本授予，而没有费用，只要副本不是盈利或商业优势，并且副本带有此通知和首页上的完整引用。否则要复制，重新发布，在服务器上发布或重新分配到列表，需要事先具体许可。
