5G基站能耗高,对运营商的网络运营成本带来较大的压力。优化了5G基站能耗测试方法和业务加载方法,获取了大量现网5G基站能耗和无线利用率关系的实测基础数据。基于多元线性回归算法,构建了不同场景下的5G基站能耗模型,能耗模型拟合优度达到0.99以上。
智能光伏电站管理系统通过“专业化”+“信息化”的服务方式全方位、多渠道支撑电站运维管理,最大限度为光伏电站提高电站的运维水平。系统融合3大现代技术(即现代数字信息技术、通信技术及大数据挖掘技术),保障发电量与高效运维。系统将互联网式的系统操作体验设计与传统电力设计人机交互界面相结合,通过拓扑结构组织来提升管理效率,帮助使用者更加便捷地融入运维活动中。
人工智能(能力)是智能机器所执行的通常与人类智能有关的智能行为,如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。
满足客户定制化需求优化资源,提升产能跨区域、产业协同制造与设计 产品销售到服务转型优化售后服务平台掌握区域产业结构
与中国电子携手在当地落地物联网创新中心,以智慧城市项目为驱动力,形成产业集群效应,带动当地物 联网产业链上下游众多具有千亿级规模产业的发展,并帮助城市在这些产业上取得领先优势。
通过公共场所管理、只能楼宇、交通管制、学校、鉴于、个人视频设备等终端用户搭建起“智能视觉物联网”能够实现对资源的统一监控、管理和调度,因此智能视觉物联网具有广泛的应用前景
两大主题建设内容: 1.专业群(包括信息技术专业群和其他优势专业群)建设。 2.产业学院建设(包括引入华为载体资源平台和服务):人才培养高地建设、技术服务高地建设; 打底座、插板卡、跨界融合、提供社会化服务。 1、通过信息技术专业群建设打造全校新一代信息技术底座; 2、通过产教融合,将全校专业群融合到信息技术底座上; 3、整合全校专业群资源,以产教融合方式建设校级产业学院提供社会化人才培养和工程项目服务; 4、整合产业学院及专业群的资源,以产教融合的方式建设创新研究院;
数字化工厂是迈向智能工厂的基础,数字化工厂是指以产品全生命周期的相关数据为基础,在计算机虚拟环境中,对整个生产过程进行仿真、评估和优化,并进一步扩展到整个产品生命周期的新型生产组织方式。是现代数字制造技术与计算机仿真技术相结合的产物,同时具有其鲜明的特征。它的出现给基础制造业注入了新的活力,主要作为沟通产品设计和产品制造之间的桥梁。
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