探索构建私有云平台,采用成熟度高、开放性强的计算虚拟化、容器虚拟化、分布式存储、网络虚拟化等技术,建立资源池,形成资源弹性供给、灵活调度和动态计量的私有云平台。
早期计算机系统体积非常大,本身占用很大的空间,运行和维护也都很复杂,需要在一个特殊的环境中运行,因此需要许多电缆连接所有的组件,如标准机架安装设备,高架地板和电缆盘。过去的计算机也需要大量的电力,会产生大量的热量,通过专用的计算机房和冷却系统可以对散热效果进行较好的控制。
归纳分析了物联网的系统模型和网络模型、物联网的安全需求,提出了针对物联网的自治安全 适配层模型,指出了物联网中一个新安全问题:在T2ToI中的物体间的匿名T2T认证问题,并给出相 应匿名认证协议.
针对多车道路复杂的车辆行驶状况,文章借助无线传感网络的相关技术来设计车辆运行中的 物联网络(The Intemet of Things,IOT)方案,并分析了运行中车辆间产生的威胁关系,提出一种利用 改进边缘势场函数来描述车辆行驶中动态产生的威胁关系的方法。并在预判威胁发生的估计区域的 基础上,引入微分进化算法,给出了规避路径的规划算法。实验表明,相对于传统势场法,改进的边缘 势场函数更适用于描述道路车辆间相互威胁的动态关系;微分进化算法在路径规划过程中,相对传统 群算法,具有更好的全局优化能力及更短的收敛时间。
泛在电力物联网是建设能源互联网的重要支撑,对促进国家能源结构变革、实现源网荷储的智能协调 优化、提升用户用能体验至关重要。而当前泛在电力物联网刚刚起步,处于初步布局阶段,发展还不够成 熟,相关研究较为零散。基于以上现状,分别从概念、体系架构、关键技术、应用场景以及商业模式等几个 方面对泛在电力物联网展开全面综述。首先简要介绍其基本概念和体系架构,进而细致讨论其中涉及的信息 技术,随后归纳泛在电力物联网的应用场景,并在此基础上分析商业模式,最后总结建设过程中的问题以及 展望其今后的发展方向,以期为后续泛在电力物联网的深入研究提供有益的参考。
基于文献资料法、实地考察法、访谈法等研究方法,对大数据时代构建一个集数据采集、数据分析、个性化方案设计、资源匹配为一体的大开放式体育公共服务移动平台进行了论证;认为该平台的建立,可以促进全民健身运动,推动体育产业的发展,为国家制订体育公共服务政策提供咨询.
由于农业和林业传感器种类繁多、数据传输协议多样,在各个物联网数据应用系统之间形成了信息孤单现象, 难以实现物联网传感器数据的交互共享。因此,该文以农林领域常见传感器数据为研究对象,针对不同类型传感器节点 及采集数据差异性等特点,采用符号表示法表达传感器节点数据,设计了通用数据交互格式;针对其海量性特点,采用 分布式面向服务的结构方法及成熟的开发技术,设计了分布式多源农林物联网感知数据共享平台。该平台由数据中心子 系统、数据适配子系统、数据存储子系统、数据发布子系统及数据传输总线 5 部分组成,分别实现了传感器节点注册、 多源差异数据的接入适配、数据的分布式存储、数据标准化发布及数据传输等功能,为农林领域不同物联网设备与数据 应用系统之间架起了数据桥梁,实现了农业和林业物联网感知数据的统一管理。目前,平台分别接入了顺义、新疆、杨 凌、通州等 17 个合作单位的 550 个传感器节点数据,接入数据量每天超过 10 000 条,运行状态良好
:利用142家企业问卷数据,研究物联网应用模式及其通过供应链集成的中介作用影响企业绩效的机制。研究 发现:物联网应用是个双元构思,包括两种具有不同行为逻辑和预期价值且又互补的模式——物联网应用于利用与 探索;物联网应用于利用与探索能够通过供应商集成的完全中介作用和顾客集成的部分中介作用影响企业绩效。
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