机械制造业主要是通过对金属原材料物理形状的改变、组装,成为产品,使其增值。它主要包括机械加工机床等加工、组装性行业。机械制造业涉及的工业领域主要有机械设备、汽车和造船及其配件加工生产日用器具...等总之,只要是以一个个零部件组装为主要工序的工业领域都是属于机械制造业的范畴。
在现在变化超快的物流行业里,谁能把效率和精准度做得更好,谁就更有竞争力。以前靠人管的老办法,早就跟不上越来越多的业务需求了。而 AI 智能体就像给物流行业安上了 “智能大脑”,正在帮行业实现大变革。顺丰在这方面做了很多探索,就是想靠智能化把物流从接单到派件的全流程管得更细、优化得更好。
多形态、多协作将成为具身智能发展的重要方向。在自动驾驶和人形机器人研发及应用的推动下,具身智能算力模型、数据集和工具集正在快速丰富完善并具备通用泛化能力。这为机器狗、轮式底盘机器人、无人机、工业和农业机械等各种形态机器人的智能化升级提供了技术基础。而各类具身智能机器人应用场景也将持续拓展。
信息提供智能工厂两大体系一体化解决方案服务信息提供智能工厂两大体系一体化解决方案服务信息提供智能工厂两大体系一体化解决方案服务信息提供智能工厂两大体系一体化解决方案服务
同济大学 林济铿等|基于模型预测控制的区域电网频率控制方法同济大学 林济铿等|基于模型预测控制的区域电网频率控制方法同济大学 林济铿等|基于模型预测控制的区域电网频率控制方法
大的背景: 智慧城市建设全面启动 目前,我国围绕城市的智能运转、企业智能运营、生活智能便捷、政府智能办公等方面,已经全面启动“智慧城市建设工程。
本文重点考虑新能源微电网有功无功动态耦合,构建了含构网型储能、分布式光伏和微电网网络的系统电压动态模型,分析了不同阻感比下,构网型储能控制参数配置对电压动态控制性能的影响。与现有未考虑线路阻感比的分析方法相比,本文所提方法揭示了不同阻感比下构网型储能惯量、刚度控制参数之间的协同与制约关系,并提出了面向电压动态控制性能提升的构网型储能参数设计方法,主要结论如下。
国网河南省电力公司 王世谦等|基于双层主从博弈的主动配电网协同调度国网河南省电力公司 王世谦等|基于双层主从博弈的主动配电网协同调度国网河南省电力公司 王世谦等|基于双层主从博弈的主动配电网协同调度
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