• 首页

  • 方案库

  • 工业品库

  • 招标项目库

  • 专家库

  • 人才库

会员中心
搜索
登录
注册
  • 方案名称

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文
  • 全部
  • 人气排行
  • 下载排行
  • 页数排行
  • 最新排行

大跨度薄璧拱板屋面施工

园区已成为践行“两化融合及四化同步”的重要载体。因此,发挥信息化在资源优化配置、生产方式变革、管理创新等方面的引擎作用,建设智慧型现代园区,成为新时期园区建设及提档升级的重要任务。 伴随着各地区园区发展壮大,信息化对园区推动作用日益明显,园区信息化水平也在不断提升。信息化成为园区品牌推介的主要手段,也成为提高管理水平,提升企业运行效率有效途径。

  • 2024-06-25
  • 阅读251
  • 下载0
  • 2页
  • doc

巨量引擎:2023数字营销产业人才发展风向标

按地市统计监测装置数量 按地市统计监测装置在线率 按地市统计30天内告警数量 按地市统计监测装置消警率

  • 2024-08-04
  • 阅读219
  • 下载0
  • 28页
  • pdf

用于工业设备剩余使用寿命预测的预训练增强无监督对比域自适应摘要

工业智能的一项重要任务是准确预测工业设备的剩余使用寿命(RUl),基于数据驱动方法的RUl预测取得了巨大进展。然而,这些方法在很大程度上依赖于模型的数据表示能力和数据分布的一致性假设。在实际的工业环境中,由于不同的工作条件,工业时间序列数据表现出高维、动态和噪声的特征,这往往导致训练模型从一个环境到类似但未标记的新环境的无效转移。为了解决上述问题,本文首先设计了一个双并行时频特征提取网络,用于提取具有不同维度和重要性水平的有效时间序列特征。然后,提出了一种增强的预训练框架,该框架采用相似性对比学习来挖掘工业时间序列数据中的潜在表示信息。最后,提出了基于矩对比对抗学习的领域自适应方法,该方法在对抗学习领域不变特征的过程中保留了目标领域特有的结构信息,减轻了负迁移效应。在两个广泛认可的工业基准数据集上进行了一系列严格的实验,重点关注跨领域场景。结果表明,我们的方法在工业跨领域预测场景中取得了最先进的性能。

  • 2024-08-30
  • 阅读388

一种全新滚动轴承局部缺陷扩展动态更新和实时映射的数字孪生模型

轴承局部缺陷扩展的研究对轴承健康监测和管理具有重要意义。然而,滚动轴承的局部缺陷尺寸难以实时监测。为了解决这个问题,本文提出了一种新的数字孪生(digital twin, DT)模型,用于滚动轴承局部缺陷扩展的动态更新和实时映射。新的数字孪生模型将机理模型和实时传感器数据相结合,而不是像传统的数字孪生模型那样仅依赖于测量数据。通过这种方式,可以利用新的数字孪生模型直接映射整个生命周期的缺陷尺寸。使用XJTU-SY轴承数据集评估所建立的全新的数字孪生模型,结果表明,该数字孪生模型可以准确地表征滚动轴承全寿命周期内的局部缺陷扩展。

  • 2024-08-30
  • 阅读488

基于混合注意力的多小波系数融合滚动轴承剩余寿命预测方法

小波变换是一种评估非平稳信号的时频分析方法,有助于表征设备在长时间使用过程中的退化。然而,单一的小波基函数很难适用于所有的周期瞬态波形。因此,本研究提出了一种基于混合注意力的多小波系数融合方法来评估轴承的剩余使用寿命。该方法首先利用多个小波得到原始信号的特性,然后将分解后的各个频带组织成二维映射;其次,设计了一种基于注意力的混合卷积长短期记忆网络(HA-ConvLSTM),自适应地对小波系数通道进行加权。学习到的特征被多层感知器用于评估剩余寿命(RUL)。最后,在PHM2012滚动轴承数据集上进行了测试,验证了所提方法的有效性。总体而言,该方法在性能指标上优于以前的方法,可选择性地解决周期瞬态波形的小波基函数匹配问题。

  • 2024-08-30
  • 阅读450

基于多通道融合的滚动轴承剩余寿命预测

针对工业生产中滚动轴承剩余使用寿命(RUL)预测任务中数据挖掘不足导致预测精度低的问题,提出了一种多通道融合的滚动轴承剩余寿命预测方法。

  • 2024-08-30
  • 阅读373

PPT分享|李德仁院士:论时空智能与数字孪生智慧城市

PPT分享|李德仁院士:论时空智能与数字孪生智慧城市

  • 2024-08-30
  • 阅读661

2024网络安全十大创新方向报告

数据安全治理包括数据分类分级、数据脱敏、数据防泄漏等工作,通常基于特征、正则表达式以及机器学习方式对大规模的数据进行识别标注,但大多面临规则引擎能力受限、误报高、重人力等问题,无论对于用户还是数据安全服务商来说,都带来了极大挑战。生成式人工智能的出现,已经在数据分类分级、敏感数据识别、数据防泄漏等方面带来革命性改变,包括通过自然语言处理实现自动化数据分类与标签生成,使用多模态技术识别图像、音频等非结构化数据,以及利用类人脑思维链和推理能力理解复杂的语言结构和上下文,高精度识别敏感内容和异常行为。通过大模型处理数据分类、数据脱敏和数据防泄漏等任务,在既保证很好效果的同时,也对数据安全治理工作的效率带来数十倍以上提升,将成为未来数据安全技术发展的重要方向。

  • 2024-09-02
  • 阅读712
上一页 1 …… 1565115652156531565415655156561565715658156591566015661 …… 16664 下一页 共 133305 条


立即登录

没有账户,需要注册

登录用户可享受以下权益
  • 免费下载方案
  • 服币提现
  • 发布方案得服币
  • 交易分成

精品推荐

人工智能大模型分类体系、技术特点及主流厂商概览

语言模型、视觉模型、语音模型、视频模型、时序模型,分别对应文字、图像、声音、视频、连续传感器数值,通用大模型,垂类大模型,AI

  • 阅读108
  • 下载2

工业时序基础大模型技术发展综述

时序大模型是面向时间序列数据的基础大模型,以 Transformer 等架构为核心,通过在海量多领域时序数据上进行预训练,学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练,时序大模型具备强大的迁移能力,只需少量样本微调或零样本提示,即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中,它能够直接处理传感器、设备测点产生的海量时序信号,挖掘设备状态演变规律,支撑设备故障预警、工况识别与生产趋势预判,为工业智能落地提供底层模型能力。如:中服云的CServerAIR

  • 阅读943
  • 下载8

2026“人工智能+”行业发展蓝皮书

2025年,全球人工智能市场规模达到3909亿美元,中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张,制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初,中国日均词元(Token)调用量为1000亿;至2025年底,跃升至100万亿;2026年3月,已突破140万亿,两年增长超千倍。这些数字背后,是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。

  • 阅读2751
  • 下载8

中服云能碳管理平台V5.0

中服云能碳管理系统依托中服云工业物联网底座打造,聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据,实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量,助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送,有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型,筑牢安全生产与节能减排双重发展防线。

  • 阅读3176
  • 下载14

最新上线

超硬材料智慧园区方案

超硬材料制品是典型的“材料—工具”型制造:金刚石刀头、锯片、工程钻、磨轮,最终用在石材与建材加工、路面与混凝土切割、玻璃与陶瓷、半导体与蓝宝石加工。产品小批量、多品种,工艺链却很长。 这条工艺链把同一道围墙切成几段:压制、烧结、焊接、磨削与检测分散在不同厂房,一段停摆,整批报废。以下痛点与解法取自一座已投运的园区平台,数据为界面实测值,企业名称脱敏。

  • 阅读43
  • 下载0

中服云工业物联网平台在印刷装备制造行业的应用

印刷机械是装备制造中比较典型的一类产品:单机价值高、定制化程度高、客户分散在全国各地的包装与印刷车间,一台凹版印刷机开机就是十几年。设备卖出去了,服务却要跟十几年——这是行业共同的结构性难题,也是工业物联网在装备制造领域最容易见效的地方。 本文以一个真实的落地样本为观察对象:一家印刷机械制造企业把 178 台在役设备接进了自己的远程运维系统,系统的底座选用中服云工业物联网平台的设备版。下文按“行业之困、平台解法、落地成效、可复制经验”四步展开。

  • 阅读62
  • 下载0

中服云数字孪生系统在石油和天然气开采业的应用案例(痛点·方案·成效)

石油和天然气开采业的生产对象在地下,管理的关键环节在地面。从井口到计量间,从转油站、联合站到外输与处理装置,油气田用“井—站—管网”的骨架把分散的资源汇集起来,联合站是这条骨架上设备最密集、工艺最连续、安全要求最高的节点。 这类站场大多已经上了SCADA,数据并不缺。问题在于数据上来之后,新的麻烦更清楚了:设备家底说不清,画面说不清位置,报警说不清先后。本文按“痛点—解决方案—成效”的顺序,说明中服云物联网平台与数字孪生平台如何分工配合,逐条解决这些问题。

  • 阅读67
  • 下载0

中服云物联网与数字孪生平台在油气作业现场的应用

油气田的地面作业现场有一个共同特征:设备搬着走、电源跟着换、负荷忽高忽低。钻修井井场靠网电、柴油发电机组、储能、光伏凑出一套临时电力系统;压裂井场更极端,几十台电驱压裂泵并联运行,瞬时功率爬升快,砂罐、混砂、供液、仪表车密集停放,作业段集中、单段时长以小时计。 这两类现场的管理难题是同一类:能耗与碳排放算不清、设备状态看不见、峰值容量报不准、多能协同靠经验。中服云用同一套工业物联网平台加数字孪生平台,把这两类现场做成了可以被“看懂、算清、考核”的对象。本文以已投运的钻修井现场为实测样本,说明平台在野外作业领域的典型应用,并给出向压裂井场复制的路径。

  • 阅读62
  • 下载0
  • 关于我们

    电话:029-8838-6725

  • 新闻资讯

    企业简介 新闻动态 品牌实力 代理合作 诚聘英才 联系我们

  • 中服云

  • 工业互联网风向标

  • 在线咨询

西安/北京/南京/重庆/合肥/厦门/甘肃 地址:陕西省西安市雁塔区鱼跃工业园慧康生物科技产业园7楼 电话: 029-8838-6725

版权所有 @ 中服云 陕ICP备11002812号
  • 扫码咨询

    或

    点击立即咨询
  • 客服咨询

  • 用手机扫二维码

    或

    复制当前地址

  • 问题反馈 中服大讲堂 客服电话

方案库赚钱指南