本文谈论企业数字化转型，重点围绕数字化转型的本质究竟是什么？企业如何进行数字化转型这两个关键点。 云原生、微服务、中台等，这些仅仅是数字化转型能力框架中的技术支撑平台底座。这个技术平台最终还是需要为业务目标和战略服务，因此搞清楚企业进行数字化转型的内在诉求才是最重要的。
随着大数据技术的不断更新和迭代，数据管理工具得到了飞速的发展，相关概念如雨后春笋一般应运而生，如从最初决策支持系统（DSS）到商业智能（BI）、数据仓库、数据湖、数据中台等，这些概念特别容易混淆，本文对这些名词术语及内涵进行系统的解析，便于读者对数据平台相关的概念有全面的认识。
国有企业在数字化转型方面承担了重要的责任和使命。2020年，国务院国资委正式印发《关于加快推进国有企业数字化转型工作的通知》，明确了国有企业数字化转型的基础、方向、重点和举措，开启了国有企业数字化转型的新篇章。
人工智能是驱动经济和社会发展的重要力量，具有巨大的应用价值，是各国争相布局的战略领域。本文旨在从宏观和微观两个角度对中美两国在人工智能领域的竞争现状进行了详细对比，分析各自的优势与不足，并对我国人工智能的发展提出有效建议。在宏观角度，梳理和分析中美两国人工智能的政策战略，对比两国国家层面的发展规划。在微观角度，从科研现状、产业发展、人才支撑、硬件基础、市场应用、数据规模六个指标维度比较中美人工智能的具体发展现状以及各自存在的竞争优势。研究发现，美国当前依然保持着世界人工智能发展的总体领先地位，尤其是在高质量研发、高质量人才、人工智能芯片、融资环境等方面具有相当大的优势。中国在研发总量上远超美国，在超级计算机数量、人工智能应用、数据等方面表现更为优异。未来，中国要不断吸引全世界的高精尖人才，制定激励举措鼓励研究人员进行高质量的研究。此外，建立大学、研究机构与企业之间的桥梁，加强三者间的深度交流与合作，加速关键领域的突破。
随着个性化定制需求的不断升级，越来越多的消费者直接参与企业设计、研发、生产、制作，消费者与生产者由分离走向合一。 以互联网为代表的新一轮技术革命，从重要特征看，正从“点”的爆发转向“群”的突破，可称之为“新技术群”；从主要内容看，包括大数据、云计算、物联网、区块链、人工智能、3D技术、5G技术、量子技术，等等；从发展趋势看，从PC互联网到移动互联网，从消费互联网到产业互联网，从互联网到物联网，从万物互联到万物智能，从物联网到智联网，从弱人工智能到强人工智能，从强人工智能到超人工智能；从经济效应看，大大推动企业降本、提效、增值，特别是降低“三个成本”：基于信息通信技术ICT引致的交易成本降低，基于人工智能技术AIT引致的生产成本降低，基于“新技术群”革命引致的组织成本降低。 或者反过来看，将这一问题概括为可从哪些方面推进企业的数字化转型。
能源互联网（Internet of Energy）：综合运用先进的电力电子技术, 信息技术和智能管理技术, 将大量由分布式能量采集装置, 分布式能量储存装置和各种类型负载构成的新型电力网络、石油网络、天然气网络等能源节点互联起来, 以实现能量双向流动的能量对等交换与共享网络。
智能交通技术体系庞大，涉及汽车、电子、通信、大数据和云计算等多领域技术的融合[1]。通常智能交通技术体系包括单车智能相关技术和基础支撑技术两部分（见图1）。在单车智能方面，自动驾驶是车辆智能化的技术发展方向；从技术层面看，环境感知、规划决策和控制执行是自动驾驶技术中3个关键技术分支[2]。大数据、云计算和高速移动通信网构成了智能交通基础支撑技术[3-4]。纵观智能交通整个产业情况，国内外传统车企、科技类企业、研究院所以及高等院校认为自动驾驶和V2X技术是智能交通的重要技术方向[5]，均投入了大量的精力和资金进行相关研发，以期占据技术高地。
随着《中华人民共和国密码法》和《国家政务信息化项目建设管理办法》（国办发〔2019〕57 号）的发布，以密码为核心的网络安全的重要性越发凸显。然而，在国内智慧城市的大规模建设中，“重业务、轻安全”的现象普遍存在。密码技术作为智慧城市网络安全的基础与核心技术，从智慧城市密码的应用架构、密码核心技术、防护能力、解决的应用领域、密码应用实践等方面分别进行了阐述，可以解决智慧城市建设中出现的安全性问题， 并重点解决智慧城市建设的数据全生命周期安全、数据安全共享交换与开放、异构身份的统一识别等关键点。
没有账户，需要注册
本工程建筑为办公生产大楼，由地上32层、地下3层组成；其中1-5层为裙楼、6-32层为塔楼。地下1-3层含停车场、人防、设备用房；地上部分：主楼一层含公共大厅；5为设备转换层，11、22层为避难层，33层设置机房；6-10层、12-21层、23-32层为办公生产用房。
随着能源互联网的发展，能源系统智能化特征越来越突出，能 源开发、生产、传输、存储、消费 全过程的智能化水平快速提升，所 涉及的设备和系统将数以亿计，在 规划和运行过程中将产生海量数据， 且结构复杂、种类繁多、因实时性 要求高而快速增长。这些数据贯穿 着能源互联网各个环节，蕴含着巨 大的价值。
技术开发的迭代推进和技术应用的规模化积累，在推进数字技术不断取得新突破的同时，也使数字技术变得更加成熟和可靠。数字技术的先进性、复杂性、集成性与数字化系统覆盖面更广、界面更直观、操作更简单同步发展。人们能够随时随地访问功能越来越强大的数字化系统。
本工程为单缆无源系统，将为大楼提供全面无线通信信号覆盖，所设计的室内覆盖系统是为智能化大楼室内移动通讯信号覆盖的需要而提出的
在工业过程监测中，长期平稳特征在表示基本统计信息方面起着重要作用。然而，基于自编码器的方法通过实现原始数据的数值近似来提取深度特征，这可能会导致隐藏的平稳信息的破坏。为了解决这个问题，本文提出了一种基于平稳特征重构的协整堆叠自编码器模型，以在模型训练过程中保持长期均衡关系。推理标准。通过重构平稳特征，所提出的网络能够保留非平稳变量之间的有益关系。最后，在两种情况下验证了所提出方法的故障检测性能。
钢包炉气精炼、钢水温度、极梯度升压；光梯度增强机；灰狼优化：SHapley加法运算
现代工业装置普遍表现出规模大、过程长、多单元协同作业的特点，这使得时空分布具有内在性，质量稳定性通常难以保证。本文提出了一种基于质量相关时空信息分析的多单元协同监控框架。在该框架中，分别从单元级和过程级分析时空属性。首先，对于每个操作单元，采用当前特征提取策略构建质量监督时空支持区域。在该策略中，时间动态特征由具有注意力机制的长短期记忆（LSTM）网络提取。同时，利用互信息核主成分分析方法提取空间特征。其次，对于全厂过程，构建了一个三阶多单元时空特征张量进行特征融合。通过张量分解位置，探索了单元之间的相互关联和过程中的质量继承，并将原始特征空间分解为几个子空间。最后，在子空间上开发了一个多单元协同监测模型，并通过贝叶斯融合给出了综合监测结果，可以对监测结果进行合理的解释。所提出的框架在实际的热轧带钢生产过程中得到了验证。
现代制造过程通常包含多个子过程，过程变量的时空特征难以提取，这给传统的质量相关故障诊断带来了重大挑战。为了解决这个问题，我们提出了一种由图注意力网络驱动的故障检测模型——集成门控递归单元规范变量分析（GATRU-CVA）。首先，利用领域专家的知识和历史数据构建子块知识图。接下来，为全局变量构建了图注意力网络（GAT）的空间特征提取器。此外，使用子块知识图将全局空间特征划分为子块，并构建相应的时间特征提取器。然后，考虑到过程动态特性，使用CVA基于时空特征对过程进行建模，并计算相应的统计数据。阈值由核密度估计器（KDE）方法确定。最后，使用热轧带钢机过程（HSMP）的实际生产数据来验证所提出的模型。结果表明，该方法对HSMP的正确监测率（CMR）为97%与其他比较故障检测方法相比。关键词：规范变量分析、故障检测、门控递归单元（GRU）、图注意力网络（GAT）知识图。
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
