• 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

2024年全球人工智能现状报告

人工智能(AI)是一个科学和工程的多学科领域,其目标是创造智能机器。我们相信,在我们日益数字化、数据驱动的世界中,人工智能将成为技术进步的力量倍增器。这是因为今天我们周围的一切,从文化到消费品,都是智慧的产物。

  • 2024-10-28
  • 阅读350

基于负荷转移的售电公司分时电价优化策略

1)在分析高能耗工业用户用电特性的基础上,综合考虑了售电公司、工业用户成本及收益,构建了分时电价双层优化模型,该模型极大优化了售电公司的分时电价定价方法。2)运用KKT最优条件法求解最优电价、用电量,该方法简化了寻优问题的求解过程,拥有更小的误差以及更快的计算速度。

  • 2024-10-28
  • 阅读531

中服云产品远程运维系统-产品介绍(24.11折页)

中服云产品远程运维系统主要针对设备售后市场服务的管理。利用工业物联网技术,一方面面向设备生产厂商,将分散的经销商、客户、销售出去的设备统一管理;另一方面面向设备使用厂家,实现设备实时运行监控。 系统充分利用物联网、大数据、人工智能等技术,实现设备数据实时采集、汇聚、分析,故障实时上报、动态预测预警、设备台账管理、设备地理分布、运维工单快速生成,配合移动端进行工单派发、执行、反馈等形成闭环管理,全面提升设备厂商企业服务质量,提高企业与客户的粘性。

  • 2024-11-04
  • 阅读912
  • 下载0
  • 2页
  • pdf

中服云机床生产监控系统-产品介绍(24.11折页)

中服云机加生产监控系统CServer MDC基干中服云物联网开发平台,实现机床设备监控、生产数据采集、生产过程管理、智能统计分析、设备运维管理等几大功能。用于安全生产、提高生产效率、设备利用率、产品质量、生产过程管理、数据自动统计分析、管理决策。解决材料浪费、能源浪费、产品自动计件、生产怠工、减少人工成本、质量控制、设备故障实时报警、设备诊断、订单排产、生产进度可视化等问题。解决老板、管理者、工人遇到的不同问题。

  • 2024-11-04
  • 阅读946
  • 下载0
  • 2页
  • pdf

中服云物联网平台4.0版-产品介绍(24.11折页)

中服云物联网平台主要为开发者、使用者、管理员提供了设备工艺环境的数据采集能力、监控能力、数据存储能力、数据分析能力、数据可视化能力以及支持快速开发的低代码工具集,于一身的开发、配置、运行支撑的设备数智化基础设施。主要由数据采集与控制、设备诊断、报表工具、组态工具、数据模拟工具、数据批处理工具、劣化分析、DataV数据大屏、AI0X模型训练工具、流数据处理工具、自动化流程调度工具等功能组成。满足设备数智化对于物联网平台基础架构高性能、高可靠、可扩展、简单易用的需求,实现物理层和业务应用层的高度配合。为企业数字化转型提供必不可少的核心支撑平台,平台支持云架构两层部署和分布式三层部署。

  • 2024-11-04
  • 阅读960
  • 下载0
  • 2页
  • pdf

中服云智能楼宇系统-产品介绍(24.11折页)

中服云智能楼宇管理系统CServer IBMS以三维仿真模型为载体,整合楼控各子系统,提供集园区安全管控、园区决策于一体的智能运维平台。支持从便捷通行、安防管理、设施管理、水电供应、智能照明、空调新风、能耗环境检测和故障预警等多维度日常运行监测与管理,满足设备异常自动预警、故障快速定位、远程巡检等智能运维需求,提升管理人员对园区安全防范、事件快速处置效率。

  • 2024-11-04
  • 阅读931
  • 下载0
  • 2页
  • pdf

央国企数字化转型方法论与案例

央国企数字化转型方法论与案例

  • 2025-02-04
  • 阅读463

Energy基于自关注机制的CNN-LSTM模型的油井产量预测

为了克服目前油井产量预测研究中的不足,我们提出了一种结合卷积神经网络(CNN)、长短期记忆(LSTM)神经网络和自我注意机制(SA)的组合模型(CNN-LSTM-SA)。CNN-LST’M-SA模型由五个部分组成:输入层、CNN模块、LS’T’M层、自我关注层和输出层。在该模型中,CNN用于提取输入数据的时空特征,LSTM用于提取相关信息,SA用于捕获内部相关性。与传统的机器学习方法相比,如线性回归(LR)支持向量机(SVM)、随机森林(RF)、XGBoost和反向传播(BP)神经网络;以及LSTM、LST'M-SA和CNN-LSTM等深度学习方法,CNN-LSTM-SA模型可以更全面地提取油井生产数据中隐藏的时空特征。它能够更精确地挖掘油井生产数据中的内部相关性,从而提高油井生产预测的准确性。更具体地说,在现有的方法中,CNN-LSTM-SA模型在适应油井生产的基本趋势和预测油井生产的具体值方面表现最佳。卷积神经网络、长短期记忆、自我注意机制、油井生产、预测

  • 2025-02-05
  • 阅读935
上一页 1 …… 1646616467164681646916470164711647216473164741647516476 …… 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101
  • 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936
  • 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2738
  • 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3173
  • 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31
  • 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54
  • 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59
  • 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57
  • 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