• 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

IEEESENSORSJOURNAL基于深空时网络和典型变量分析的工业过程质量相关故障检测方法

现代制造过程通常包含多个子过程,过程变量的时空特征难以提取,这给传统的质量相关故障诊断带来了重大挑战。为了解决这个问题,我们提出了一种由图注意力网络驱动的故障检测模型——集成门控递归单元规范变量分析(GATRU-CVA)。首先,利用领域专家的知识和历史数据构建子块知识图。接下来,为全局变量构建了图注意力网络(GAT)的空间特征提取器。此外,使用子块知识图将全局空间特征划分为子块,并构建相应的时间特征提取器。然后,考虑到过程动态特性,使用CVA基于时空特征对过程进行建模,并计算相应的统计数据。阈值由核密度估计器(KDE)方法确定。最后,使用热轧带钢机过程(HSMP)的实际生产数据来验证所提出的模型。结果表明,该方法对HSMP的正确监测率(CMR)为97%与其他比较故障检测方法相比。关键词:规范变量分析、故障检测、门控递归单元(GRU)、图注意力网络(GAT)知识图。

  • 2025-01-11
  • 阅读776

IEEETASE基于质量相关时空信息分析的全厂工业过程多单元协同监测

现代工业装置普遍表现出规模大、过程长、多单元协同作业的特点,这使得时空分布具有内在性,质量稳定性通常难以保证。本文提出了一种基于质量相关时空信息分析的多单元协同监控框架。在该框架中,分别从单元级和过程级分析时空属性。首先,对于每个操作单元,采用当前特征提取策略构建质量监督时空支持区域。在该策略中,时间动态特征由具有注意力机制的长短期记忆(LSTM)网络提取。同时,利用互信息核主成分分析方法提取空间特征。其次,对于全厂过程,构建了一个三阶多单元时空特征张量进行特征融合。通过张量分解位置,探索了单元之间的相互关联和过程中的质量继承,并将原始特征空间分解为几个子空间。最后,在子空间上开发了一个多单元协同监测模型,并通过贝叶斯融合给出了综合监测结果,可以对监测结果进行合理的解释。所提出的框架在实际的热轧带钢生产过程中得到了验证。

  • 2025-01-11
  • 阅读899

IJMMMLF精炼过程钢水温度预测的可解释机器学习模型

钢包炉气精炼、钢水温度、极梯度升压;光梯度增强机;灰狼优化:SHapley加法运算

  • 2025-01-11
  • 阅读600

PSEP基于平稳特征的协整堆叠式自动编码器模型用于非平稳过程监测

在工业过程监测中,长期平稳特征在表示基本统计信息方面起着重要作用。然而,基于自编码器的方法通过实现原始数据的数值近似来提取深度特征,这可能会导致隐藏的平稳信息的破坏。为了解决这个问题,本文提出了一种基于平稳特征重构的协整堆叠自编码器模型,以在模型训练过程中保持长期均衡关系。推理标准。通过重构平稳特征,所提出的网络能够保留非平稳变量之间的有益关系。最后,在两种情况下验证了所提出方法的故障检测性能。

  • 2025-01-11
  • 阅读663

中国移动-智慧园区项目安装集成指导手册(60页 WORD)

为满足园区智能化的需求,在建设各智能化子系统的基础上,从顶层设计整体规划出发,建设部署智慧园区管理系统,目标是将所有智能物业终端设备融为一体,进行全局化管理。系统通过接口和协议与各个智能终端设备对接实现数据和功能在系统层进行集成和有机整合。

  • 2025-03-05
  • 阅读952
  • 下载0
  • 60页
  • docx

中银证券-人工智能行业深度报告:“元年”之后,再看大模型应用商业化进展

市场在等待大模型顺利商业化。以 2022 年 11 月 30 日 OpenAI 发布 ChatGPT 为标志,生成式人工智能(AI 大模型)一跃进入新的时代,随后的 2023 年也被认为是生成式 AI 的“元年”,市场深刻体会了这波创新概念与技术的早期冲击。我们认为,一项新技术如果顺利发展,一般会经历“技术突破—早期商业化试点—商业化范围扩大—全面发展成熟”的过程。目前 2024 年大致过半,在二级市场相应概念股价大起大落之后,业界普遍正处于对 AI 大模型广泛商业化的深入期待之中。

  • 2025-03-05
  • 阅读478
  • 下载0
  • 21页
  • pdf

主要国家推动制造业数字化转型政策研究报告

主要国家推动制造业数字化转型政策研究报告,主要国家推动制造业数字化转型政策研究报告,主要国家推动制造业数字化转型政策研究报告

  • 2025-03-06
  • 阅读247
  • 下载0
  • 49页
  • pdf

智慧医院建设解决方案

主要面向来院就医的患者以及医院辐射范围内的居民群众。以线上+线下的模式,将医院对外服务(预约、咨询、院内导航智能排队、诊疗、送药、访视、随访、回访、康复等)以及医院周边服务(院外导航、停车、饮食等)相结合,优化服务(院内、院外)流程,构建以患者为中心提供“诊前-诊中-诊后一体化的智能服务,实现“智慧服务”。

  • 2025-03-31
  • 阅读271
  • 下载0
  • 50页
  • pdf
上一页 1 …… 1612616127161281612916130161311613216133161341613516136 …… 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104
  • 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940
  • 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2745
  • 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3175
  • 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36
  • 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57
  • 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64
  • 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60
  • 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