我为什么在单线程的这条路上越走越远？

当然，一切编程语言都需要一定的成熟时间，只有它比现有工具更适合编程，才会被广泛使用。Python在21世纪初期的第一个机遇就是，人们意识到Python的学习曲线比Perl简单，还能与其他语言互相操作。这种特性让大量开发者使用Python编程。Django的出现终结了Perl, Python势头更猛了，但仍然无法与其“后辈”Java和JavaScript相提并论。

快进到现在，2019年StackOverflow开发者年度调查报告显示，Python已超越Java成为第二受欢迎的语言。

Python还是10年来发展速度最快的编程语言。Python的普及很大程度上得益于2010年大数据的出现及机器学习、人工智能的发展。企业迫切需要发展迅速、门槛低的编程语言以管理大规模数据和科学计算任务，而Python能完美解决这些问题。

除了以上优势，Python还是一种动态类型的解释型语言。更重要的是，它得到了Google的支持，后者为Tensorflow购买了Python，这使其成为数据分析、可视化和机器学习的首选语言。

然而，尽管对机器学习和人工智能的需求在新十年也将不断增加，但Python的好景却不长了。如同其它编程语言一般，Python本身也有缺陷。这些缺陷让它能轻易被其它更适合完成企业常规任务的语言所取代。哪怕有R语言坐镇，Swift、Julia和Rust等新编程语言的出现也对数据科学的现任王者构成了极大威胁。

Rust仍在努力适配机器学习，所以我认为Swift和Julia是取代Python并最终统治数据科学的语言。一起来看看Python面临的困境吧。

Python缺乏类型安全性，运行速度非常慢
 

以下是工业物联网分析可以回答的一些问题：

可用性：

• 你知道工厂设备的实际产能利用率吗?
• 你如何预测设备的剩余寿命?
• 平均每年的停机时间是多少?

质量：

• 你有关于次品率和整体趋势的信息吗?你能定义那些导致缺陷的机器吗?
• 应更新哪些细节或机械软件以提高性能?
• 在生产的哪个阶段，工艺流程的中断会导致有缺陷的产品产生?

性能：

• 哪些机器很快需要维护?
• 哪些机器的能效较低?
• 最高的生产速度是什么?它与质量的关系如何?

下面我们将描述如何分析和改进这三个OEE指标，以及它如何影响整体投资回报。

一、质量

《哈佛商业评论》在发表的一篇详尽案例研究中描述了提高生产效率和质量的分析方法。文章指明应对操作数据进行统计分析，以确定异常值，并确定如何改进流程。

将工厂最初15%的缺陷减少到9%，结果是：

• 生产力的提升。工厂现在以同样的成本多生产6%的产品。
• 提高产品质量。现在只有9%的输出有缺陷，而不是15%。
• 单位成本更低。工厂以同样的成本生产更多产品。

  （编辑：惠州站长网）

  【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!