以三个已知点和距离作三个圆,他们交于同一个点,这个点的坐标就是测量点的坐标。然而这是一个理想情况,实际由于测量精度的限制,实际上他们通常 交不到一个点上 ,交出来的是一块有面积的东西。这块面积的大小就是定位精度。当然我们可以通过 更多组的测量 使得相交的面积进一步减小以提高精度。
随着物联网的发展,网易内部万物互联的需求井喷式爆发。边缘计算借助本地网关的计算能力,无延时采集处理数据,云边协同,缩短控制链路,告别设备“断网即失控”的尴尬。目前边缘计算已落地网易智慧养殖、智慧园区、智慧仓储等多个场景。本文将系统性介绍网易落地边缘计算的实践方法,总结应用过程中面临的挑战、风险与应对方法。
数据中心市场竞争激烈,其建设不仅要追求安全性、可靠性和高能效,还应以更高的视角来提升整个数据中心的综合效益、降低投资风险。以某数据中心采用的双层钢构、模块堆叠、室外厢式柴油发电机组及并机系统的建设方案为例,阐述在如何挖掘资源潜力、实现快速交付、降低投资风险、确保安全运行、最大限度提高综合效益等方面所采取的措施和取得的效果,为数据中心的建设和运营提供借鉴。
从技术角度看,5G是在4G通信技术基础上继续发展的产物,本质上只是技术的变革,而非革命。5G涉及的核心技术,主要包括无线技术和网络技术两大类。无线技术方面,主要包括Massive MIMO,超密集组网(UDN),D2D,灵活双工/全双工,新型多址技术,新型编码调制,高频段通信等。网络技术方面,主要包括网络切片(Network Slicing),移动边缘计算(MEC),SDN/NFV,C-RAN架构等。
立足于当前5G外场规模试点,总结发现5G无线网设备普遍功耗是现有4G系统的4~5倍;对CU/DU功能重构后的设备形态进行预估,结合C-RAN架构特点对5G分阶段无线网架构部署演进行分析,建议5G初期无线网需同时做好满足现有D-RAN架构下的快速部署和面向C-RAN演进需求的基础配套资源预埋准备。在此基础上,以某5G试验网建设为案例依托,研究总结了5G建设初期阶段涉及的配套改造方案,为后续5G快速部署奠定资源基础。
国际范围内电信企业均面临激烈竞争,包括同行业竞争以及其它创新型参与者均对电信核心市场不断蚕食。电信企业转变和创新运营商业模式刻不容缓。首先介绍了美国、法国和日本3家国际运营商运营战略的发展,叙述了通信智能时代电信企业运营模式的变革,阐述了电信业务运营支撑系统未来的建设方向;最后通过总结当前电信企业运营的特点,给出了以网络智能运营和用户智能运营为核心的智能运营体系建议。
目前我国新冠肺炎疫情防控阻击战取得重大战略成果,已进入常态化疫情防控阶段。由于新冠病毒存在14天以上的潜伏期且在潜伏期具有转染性,密切接触者的排查至关重要,而运营商大数据以其独特的优势在寻找隐性接触中发挥着重要作用。在传统k-means聚类算法的基础上,优化损失函数并提出基于多目标函数的簇头选择算法,形成多目标轨迹聚类优化算法。在此基础上,构建基于运营商大数据的新冠肺炎疫情防控的密切接触者排查方法体系,将该算法用于隐性密切接触者的排查。
近年来,共享经济为我国经济发展注入了新动力,成为推动供给侧结构性改革和高质量发展的重要途径,在5G建设大潮中,共建共享将也是主旋律。为了减少重复投资、重复建设,中国联通运营商与中国电信运营商签署合作协议,相约划定区域、分区建设、网络共享。联通运营商和电信运营商的5G频段相邻,共建共享有利于把5G自身优势和双方各自资源发挥最大效用,只需要一套设备就能实现5G覆盖。同时,两家企业的资源在南北方不同区域具有很大互补性,通过在全国范围内合作共建一张5G接入网络,能够高效地实现5G 网络覆盖,快速形成5G服务能力,增强5G网络和服务的市场竞争力,提升网络效益和资产运营效率,达到互利共赢。
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。
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。
持续改进与升级是配电室智慧整体解决方案成功的关键,通过定期评估和更新硬件设备、引入智能控制系统、加强数据分析和优化、提升人员培训和技能水平以及建立反馈机制等措施,可以不断提高系统的运行效率和可靠性,满足不断变化的市场需求和技 术进步。
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