工业园,是建立在一块固定地域上的由制造企业和服务企业形成的企业社区。在该社区内,各成员单位通过共同管理环境事宜和经济事宜来获取更大的环境效益、经济效益和社会效益。
【技术规范】DLT1874-2018 智能变电站系统配置描述文件建模技术规范,【技术规范】DLT1874-2018 智能变电站系统配置描述文件建模技术规范,【技术规范】DLT1874-2018 智能变电站系统配置描述文件建模技术规范
【技术规范】智能变电站继电保护在线监视和智能诊断技术导则-2023,【技术规范】智能变电站继电保护在线监视和智能诊断技术导则-2023,【技术规范】智能变电站继电保护在线监视和智能诊断技术导则-2023
【技术要求】DB12_T 1178-2023 智慧平安社区智能安防系统技术要求,【技术要求】DB12_T 1178-2023 智慧平安社区智能安防系统技术要求,【技术要求】DB12_T 1178-2023 智慧平安社区智能安防系统技术要求
所有现场人员都要加强精神文明建设,遵守职业道德,减少施工对周围环境的影响,由专人负责公共关系协调,听取有关方面提出意见和建议,虚心的接受检查和批评。并在可能的情况下加以整改,满足有关部门要求,使工程能顺 利进行。
数据治理相关的技术与管理流程规范规定了数据中心与业务部门,以及各系统之间的数据归集、数据模型设计、数据模型开发、数据资产体系框架构建、部署规范、数据安全运维管理以及数据共享的相关要求,指导整个组织展开大数据的管理与应用。
基于模块化多电平换流器(modular multilevel converter,MMC)的电力电子变压器(power electronic transformer,PET)在非理想工况下易发生故障及扰动,严重影响系统电能质量。针对传统控制方法在非理想工况下存在的动稳态性能差等问题,在MMC-PET整流级提出了基于自适应自抗扰比例积分控制器的连续控制集模型预测控制策略。首先,设计了自适应自抗扰比例积分控制器用于电压外环,解决了电压外环信号跟踪及扰动抑制能力差等问题。其次,电流内环使用连续控制集模型预测控制方法以提高系统的响应速度及稳态性能,引入改进型载波移相调制策略解决桥臂电流畸变问题。最后,在网侧负载突变、网压不平衡、输出级负载投入等非理想工况下对MMC-PET系统进行对比仿真和实验,验证了所提控制策略的优越性。
变压器套管在红外巡检图像中占比较小,发热缺陷特征不明显,人工检测套管发热缺陷易受主观判断影响,且难以应对巡检产生的海量红外图像。为提高套管发热缺陷检测效率,提出了一种结合目标检测算法与图像偏斜矫正的变压器套管发热缺陷检测方法。首先,采用YOLOv7目标检测模型对套管目标进行识别与定位,引入SimAM注意力机制与高效解耦头对模型进行改进,提高套管目标的识别准确率与召回率。然后,对定位裁剪的套管目标进行图像偏斜矫正,提取中心区域温度特征信息进行发热缺陷诊断。实验结果表明:改进后模型对套管目标识别准确率为95.50%,召回率为97.14%,平均精度为98.30%,检测FPS为42帧/s,所提方法能精准定位套管目标并提取对应温度曲线,有效提高了套管发热缺陷检测效率。
没有账户,需要注册
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
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
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”。
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。
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。
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。
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。
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。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南