• 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

GPRS电力远程自动抄表系统解决方案

随着工业自动化的发展,在原有的人工手动抄表中已经发展到远程智能抄表,通过现有的网络智能化的从远端把需要的数据采集到起,那么,在很多必须无人值守的设备或监测点,不适合搭建有线通讯网络。若采用光纤或电台的方式实现无线通讯,不仅设备投入耗资巨大,而且不适应移动的需要。

  • 2021-04-20
  • 阅读298
  • 下载0
  • 10页
  • pdf

道康宁石油和天然气行业解决方案

自20世纪70年代早期,道康宁便开始全心致力于石油和天然气工业,开发出许多产品和应用创新成果。例如,最近道康宁又进步扩大其有机硅产品应用,从传统的消泡剂应用扩展到破乳剂及井下密封。道康宁拥有品种繁多的石油工业产品,适于油气开采和精练。

  • 2021-04-20
  • 阅读324
  • 下载0
  • 20页
  • pdf

工业大数据的技术、实践及展望

从工业大数据的应用视角来看,我们首先要回答一个问题“工业大数据的应用场景到底是什么?”或者说“如何识别出工业大数据场景呢?”,这就需要剖析和理解工业大数据的典型特征,看看它跟标准大数据特征是否一致?又有哪些区别与联系?众所周知,大数据的数据特征一般具备4V,即数据量巨大(Volume)、数据类型多样(Variety)、数据处理速度快(Velocity)和数据价值密度低(Value)。而工业大数据除了具备以上特征外,还具有时序性(Sequence)、强关联性(Strong-Relevance)、准确性(Accuracy)和闭环性(Closed-loop)等特征。比如生产车间设备的状态信息就是一组强时序性数据列,其与订单、工况、维修情况等信息又组成了一组强关联性的数据集,这些数据为了支撑设备故障诊断、预测预警等典型场景又需要有较强的准确性,同时这些数据和业务流程都要形成完整闭环。这组特征及其反映的典型应用场景恰恰体现了工业大数据的独特性。

  • 2021-04-20
  • 阅读351
  • 下载0
  • 17页
  • pdf

电力行业调度大屏幕显示系统应用解决方案

国家信息产业部最新数统计数据称,中国电子信息产业2010年实现销售收入预计达到15.6万亿元,同比增长20%。产业规模跃居世界第二。中国信息产业的持续增长,同样带动了大屏幕产品的市场需求。

  • 2021-04-20
  • 阅读331
  • 下载0
  • 46页
  • pdf

基于工业大数据的钢铁全流程一体化质量管控系统

新一轮制造业的变革,其根源是新一代信息通讯技术尤其是大数据技术的快速发展,促使了制造业向数据驱动阶段转型。随着钢铁企业经营业务的逐步深入,现有的信息化系统在小批量柔性生产、快速响应市场变化、协同供应链管理、保证产品质量一贯制方面主要还存在如下痛点问题:

  • 2021-04-20
  • 阅读336
  • 下载0
  • 9页
  • pdf

Maven教程-极客

Apache Maven 是一套软件工程管理和整合工具。基于工程对象模型(POM)的概念,通过一个中央信息管理 模块,Maven 能够管理项目的构建、报告和文档。 本教程将教你如何在使用 Java 开发的工程中,或者任何其他编程语言中使用 Maven。 适合人群 本教程主要针对初学者,帮助他们学习 Maven 工具的基本功能。完成本教程的学习后你的 Apache Maven 的 专业知识将达到中等水平,随后你可以学习更高级的知识了。 学习前提 我们假定你将使用 Maven 来管理企业级的 Java 项目开发。所以,如果你掌握软件开发、Java SE、Java EE 开发框架和开发流程,对学习本教程会更有帮助。

  • 2021-04-20
  • 阅读1043
  • 下载1
  • 119页
  • pdf

Spring-IoC容器-极客

控制反转(Inversion of Control,英文缩写为 IoC )是一个重要的面向对象编程的法则来削减计算机程序的耦 合问题,也是轻量级的 Spring 框架的核心(所谓 IoC 就是一个用 XML 来定义生成对象的模式)。Spring 的模 块化是很强的,各个功能模块都是独立的,因为大多数应用程序都是由两个或是更多的类通过彼此的合作来实现 业务逻辑,这使得每个对象都需要获取与其合作的对象(也就是它所依赖的对象)的引用。如果这个获取过程要 靠自身实现,那么这将导致代码高度耦合并且难以维护和调试,本教程将通过示例代码,像你展示控制反转及依 赖注入的实现方法及 Spring BeanFactory 实例化 Bean 的过程。

  • 2021-04-20
  • 阅读1031
  • 下载0
  • 40页
  • pdf

物联网产业链

●经济发展、社会进步催生应用需求,传统手段功能单一、性能差和价格高难于推广,物联网带来新的产业机遇 ●用户需求牵引,初期用户壁垒(管理)为明显特征 产业链长,涉及通信网络、信息系统集成、自动控制多个领域 ●渗透性强,渗透到经济的各个领域,生活的方方面面●带动性强,带动信息技术的诸多领域发展

  • 2021-04-20
  • 阅读799
  • 下载1
  • 21页
  • pptx
上一页 1 …… 1627216273162741627516276162771627816279162801628116282 …… 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102
  • 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939
  • 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2744
  • 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3174
  • 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32
  • 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56
  • 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63
  • 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58
  • 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