<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Hyijun的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Hyijun</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Hyijun]]></copyright><item><title><![CDATA[工业智能闭环：感知-决策-执行如何打通OT与IT的最后一公里？]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/163374372</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/163374372</guid><author>Hyijun</author><pubDate>Fri, 31 Jul 2026 19:30:35 +0800</pubDate><description><![CDATA[工业智能闭环：打通OT与IT的关键路径 【摘要】本文探讨了构建工业"感知-决策-执行"智能闭环的核心要素与实施路径。文章指出，工业智能的真正价值在于从单向数据采集升级为双向智能控制，实现"看得见"到"管得住"的跨越。关键挑战在于OT与IT的技术文化鸿沟，需要通过边缘计算网关实现协议转换和安全隔离。实施路径建议分三阶段推进：从单向数据采集到双向数据联动，最终实现智能闭环控制。MES系统在闭环中扮演枢纽角色，典型案例显示智能闭环可使换型时间缩短30%，良率提升3.5个百分点。边缘网关选型需重点考察协议兼容性、数]]></description><category></category></item><item><title><![CDATA[工业AI落地第一道门槛：高质量工业数据采集全方案（痛点+架构+落地实践）]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/163053839</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/163053839</guid><author>Hyijun</author><pubDate>Mon, 20 Jul 2026 19:50:25 +0800</pubDate><description><![CDATA[工业AI落地首道门槛：高质量数据采集解决方案 摘要：工业AI落地面临的首要挑战是数据质量而非算法算力。本文剖析工业数据的四大质量指标（完整性、准确性、一致性、时效性），揭示传统采集方案的四大痛点（协议碎片化、低频采样、系统孤岛、网络波动），并提出基于边缘网关的标准化解决方案。通过汽车零部件注塑优化和CNC机床预测性维护两个案例，验证高频全量数据对AI模型精度的关键作用，并提供网关选型评估标准，为制造业数字化转型提供实践指导。（149字） 核心要点： 工业AI项目60%成本消耗在数据准备环节 边缘网关实现全协]]></description><category></category></item><item><title><![CDATA[工业大模型时代，如何破局设备数据采集？]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/162940640</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/162940640</guid><author>Hyijun</author><pubDate>Thu, 16 Jul 2026 16:46:27 +0800</pubDate><description><![CDATA[本文探讨了工业大模型时代设备数据采集面临的挑战与解决方案。文章首先分析了制造业数据采集的六大痛点：协议碎片化、老旧设备改造难、OT与IT数据割裂、数据质量差、实时性缺失和系统烟囱化。针对这些问题，提出了基于边缘计算网关的技术架构，包括边云协同五层设计、非侵入式协议适配、智能数据处理和工业级可靠性保障。文章还指出AI大模型对数据采集的新要求：高频采样、多源融合、质量前置治理和边端AI推理能力。通过代码示例展示了边缘网关的关键实现逻辑，为制造业数字化转型提供了可行的技术路径。]]></description><category></category></item><item><title><![CDATA[工业数据采集断点续传：工业级eMMC与SD卡存储对比]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/162526646</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/162526646</guid><author>Hyijun</author><pubDate>Thu, 02 Jul 2026 19:00:33 +0800</pubDate><description><![CDATA[摘要（150字） 工业数据采集网关在复杂工业环境中常面临断网丢数据问题，断点续传能力成为刚需。本文对比了工业级eMMC与普通SD卡两种存储方案，指出SD卡存在擦写寿命短、抗震动差、温宽不足等五大缺陷，而工业级eMMC通过MLC颗粒、贴片封装、硬件ECC等特性可实现5年以上稳定运行。文章还提供了Python实现的双线程断点续传方案，采用SQLite数据库保障数据完整性，通过采集与补传线程解耦，配合WAL日志模式，为工业网关的硬件选型与软件设计提供可靠参考。]]></description><category></category></item><item><title><![CDATA[基于边缘计算与工业 AI 的押出机智能调机系统架构设计与实现]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/159321491</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/159321491</guid><author>Hyijun</author><pubDate>Sat, 21 Mar 2026 18:48:14 +0800</pubDate><description><![CDATA[本文针对电线电缆制造中押出机调机效率低、损耗高等问题，提出了一种&quot;边缘侧实时控制+平台侧工艺寻优&quot;的双闭环智能调机系统。系统采用四层架构（设备层、边缘层、平台层、应用层），通过边缘计算网关实现实时数据采集和闭环控制（响应延迟≤100ms），并采用云平台进行工艺参数智能优化。核心算法包括PID+前馈的复合线径控制算法和基于深度强化学习的工艺寻优算法。实际应用表明，该系统可提升调机效率80%，降低原料损耗60%。该架构可推广至各类离散制造设备，具有显著工业价值。]]></description><category></category></item><item><title><![CDATA[一文读懂机床数据采集：数控系统适配、核心参数与落地实践]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/158932616</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/158932616</guid><author>Hyijun</author><pubDate>Wed, 11 Mar 2026 19:27:03 +0800</pubDate><description><![CDATA[摘要：机床数据采集是机加工厂数字化转型的核心基础，但当前面临数控系统协议封闭、采集维度不全、数据孤岛严重等痛点。本文系统梳理了机床数据采集的适配范围、核心参数维度和应用场景，提出工业级边缘采集方案可实现200+参数的实时采集，覆盖设备运维、加工工艺、刀具管理等全流程数据。采集数据可应用于生产透明化管理、设备效率分析、预测性维护等场景，并通过标准化API对接MES/ERP系统。实施后预计可提升设备效率15%-20%，降低生产损耗30%以上，减少非计划停机40%，助力企业实现精益化生产管理。]]></description><category></category></item><item><title><![CDATA[注塑机数据采集如何实现与 MES 系统的双向数据闭环？]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/158932589</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/158932589</guid><author>Hyijun</author><pubDate>Wed, 11 Mar 2026 19:24:23 +0800</pubDate><description><![CDATA[本文系统介绍了注塑机数据采集的关键要点，包括行业三大痛点（设备协议复杂、采集维度不全、数据孤岛）、主流设备适配范围、可采集的400+核心参数（设备状态、工艺生产、能耗数据等），以及数据在数字化管理、工艺优化、品质管控和能耗管理四大场景的应用价值。文章强调选择适配性强、非侵入式的工业级采集方案，可实现10%-20%的设备稼动率提升、30%-60%调机损耗降低等量化效益，避免&quot;只采不用&quot;的数字化陷阱，真正赋能注塑工厂降本增效。]]></description><category></category></item><item><title><![CDATA[智象发布设备改造解决方案，促进OT与IT深度融合]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/158702334</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/158702334</guid><author>Hyijun</author><pubDate>Thu, 05 Mar 2026 19:23:48 +0800</pubDate><description><![CDATA[该方案重点聚焦于打通MES系统与底层设备的“最后一公里”，实现IT与OT的深度融合及数据的闭环控制。在离散制造企业的数字化转型中，设备层与生产管理软件层（MES/ERP）之间往往存在严重的数据孤岛，完全靠手工报工、工艺数据无法直接下发至设备中，生产过程数据无法实时自动化，MES一直管控节点只能依赖于企业管理执行，导致MES使用效果大打折扣。我们的设备改造解决方案致力于解决OT与IT融合，实现数据采集替代报工、MES生产指令闭环到设备。]]></description><category></category></item><item><title><![CDATA[面向工业 AI 的设备数据采集：标准与实践路径]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/158389974</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/158389974</guid><author>Hyijun</author><pubDate>Wed, 25 Feb 2026 17:46:29 +0800</pubDate><description><![CDATA[摘要：制造业AI应用落地困难的核心原因在于数据采集方式不当。传统面向人工监控的低频、过滤数据无法满足AI训练需求。文章提出面向AI数据采集的五大标准：1）毫秒级高频采样捕捉瞬时特征；2）跨系统数据融合提供完整上下文；3）保留原始数据中的&quot;噪音&quot;信号；4）主动采集故障样本；5）精确时序对齐确保因果关系。实现这些标准需要边缘计算网关的支持，在设备侧完成数据清洗、缓存和预处理。高质量数据采集是AI项目成功的关键前提。]]></description><category></category></item><item><title><![CDATA[注塑机数据采集以及数据应用]]></title><link>https://blog.youkuaiyun.com/Hyijun/article/details/107732869</link><guid>https://blog.youkuaiyun.com/Hyijun/article/details/107732869</guid><author>Hyijun</author><pubDate>Sat, 01 Aug 2020 17:50:56 +0800</pubDate><description><![CDATA[摘要：注塑机数据采集是行业信息化难点，尤其老旧设备缺乏通讯接口。目前主流采集方式包括IO点采集、控制器授权协议和外挂硬件通讯，其中外挂硬件方式因兼容性好、安装简便成为行业首选。注塑生产需要采集状态、产量、效率、工艺、质量和实时数据等6大类约400个参数，但国内厂商在数据深度应用方面仍有不足。本文提供了基于Python的注塑机数据采集代码实现，支持弘讯、科强等主流控制器协议，可采集状态、模次、温度、压力等核心数据，并实现稼动率统计和异常报警等边缘计算功能。该方案通过外挂硬件通讯方式，可快速部署实施，为注塑企业]]></description><category></category></item></channel></rss>