会员中心
搜索
登录
注册

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

孚盟软件：2024外贸B2B企业数字化营销白皮书130页

2023年，外贸B2B企业面临数字化转型带来巨大的快速机遇和挑战。随着全球经济的不断发展和互联网技术的进步步，数字化营销已经成为外贸企业提升竞争力和拓展市场的关键手段。然而，许多传统的外贸B2B企业在数字化营销方面面临知识和资源不足，缺乏有效的策略和方法

  • 2024-10-16
  • 阅读484
  • 下载1
  • 130页
  • pdf

电力部门碳减排技术经济管理（92页 PPT）

源”主要指可控且连续出力的大电源（煤电、水电、核电等）发电厂、站 ，通过各种设备做功形式将一次能源转换成电能 ，然后通过升压接入“网”即电网。

  • 2024-10-16
  • 阅读417
  • 下载0
  • 92页
  • pptx

埃森哲业务流程再造BPR方法论

“对企业的业务流程进行根本性的再思考和彻底性的再设计，从而获得在成本、质量、服务和速度等方面业绩的根本性改善”

  • 2024-10-16
  • 阅读249
  • 下载1
  • 56页
  • pptx

埃森哲业务流程BPM能力框架体系（83页 PPT）

业务流程管理是将那些可预见、可规范、会重复且留有管理痕迹的业务流程“理清楚”、“管起来”并进行“持续优化”的过程。业务流程管理的最终目的是支持公司战略目标的实现

  • 2024-10-16
  • 阅读277
  • 下载2
  • 83页
  • pptx

埃森哲——流程优化方法论（109页）

流程是以完成某一个业务目标而进行的一系列顺序执行或并行活动或任务的集合。 流程必须包括明确清晰的目标定义、工作描述、输入、输出、考核指标、流程负责 人和参与岗位等内容。

  • 2024-10-16
  • 阅读288
  • 下载1
  • 109页
  • pptx

【IEEE/CAAJOURNALOFAUTOMATICASINICA】工业过程数据驱动质量预测建模的深度残差PLS

偏最小二乘（PLS）模型是软测量等质量相关工业任务中最典型的数据驱动方法。然而，在PLS中，输入和输出数据之间只捕获了线性关系。在残差子空间中很难获得剩余的非线性信息，这可能会降低复杂工业过程中的预测性能。为了充分利用PLS残差子空间中的数据信息，本文提出了一种用于质量预测的深度残差PLS（DRPLS）框架。受深度学习的启发，DRPLS是通过连续堆叠多个PLS来设计的，其中前一个PLS的输入残差被用作层连接。为了增强表示，在使用它们堆叠高级PLS之前，对输入残差应用非线性函数。对于每个PLS，输出部分只是其先前PLS的输出残差。最后，通过将每个PLS的结果相加得到输出预测。在工业加氢裂化过程中验证了所提出的DRPLS的有效性。 关键词：深度残差偏最小二乘（DRPLS）、非线性函数、质量预测、软测量。

  • 2024-10-13
  • 阅读553

【IEEESENSORSJOURNAL】KSLDTNet：工业过程多步预测的关键样本定位和蒸馏变压器网络

关键质量指标的多步提前预测是优化和控制工业过程的基石。在长期预测范围内进行精确的多步预测，在提高工业过程的生产性能方面具有巨大的潜力。然而，提取历史特征对于实现这一目标具有重要意义。最近的进展表明，变压器网络为这一挑战提供了一种有前景的技术解决方案。然而，缺乏样本简化机制使得深度特征提取变得困难。它需要大量的计算成本，这使得传统的变压器网络在工业过程中不太适用。为了探索克服这些障碍的策略，并提高变压器网络对有效多步预测的适用性，本文提出了一种新的关键样本定位和分解变压器网络（KSLD-TNet）。具体来说，它首先使用注意力得分矩阵定位具有强交互作用的关键样本。然后，在KSLD TNet编解码器结构中逐层过滤非关键样本。这样，每层的输入样本数量可以呈指数级下降，显著降低了深度特征提取的难度和计算量。值得注意的是，本文还设计了一种信息存储结构，以避免样本分离过程中的信息丢失。利用两个工业过程数据集构建了广泛的实验，以证明所提出方法的有效性。关键词：深度学习、工业过程、关键样本定位（KSL）和蒸馏变压器、多步预测

  • 2024-10-13
  • 阅读705

【IEEETC】基于多尺度注意力卷积神经网络的工业过程质量预测建模

软传感器在复杂工业过程的质量预测中得到了越来越多的应用，这些过程通常具有不同的拓扑规模和高度耦合的时空特征。然而，现有的软测量模型在提取多耦合复杂过程数据中的多尺度局部时空特征并充分利用它们来提高预测性能方面通常面临困难。因此，本文提出了一种基于多尺度注意力的CNN（MSACNN）来缓解这些问题。在MSACNN中，不同大小的卷积核首先在卷积层中并行设计，可以生成包含不同尺度局部时空特征的特征图。同时，在特征图上并行设计了一种通道式注意力机制，以获得它们的注意力权重，代表不同尺度下局部时空特征的重要性。通过两个实际工业过程的性能评估，验证了所提出的MSACNNover方法相对于其他最先进方法的优越性。关键词：卷积神经网络（CNN）、基于多尺度注意力的CNN（MSACNN）、质量预测、软传感器。

  • 2024-10-13
  • 阅读849