第一章 序言: 为什么我们需要再造一座数字工厂

数字化技术在制造业的应用要点—产品开发篇 摘要:本文为系列文章的开篇。从工厂的整个视角出发,描述数字化如何助力制造企业在生产运营的不同阶段,充分利用和把握不同的数字化技术以及工具,帮助企业提高产能,提高时间和空间的利用率。系列全文请移步1847工业学习平台。01序言1.1 数字化的核心目的制造业企业的数字化已经谈了很多年,可提到制造业企业的数字化您会想到什么呢?可能有的看法会是:“数字化就是 CAD,您看我做的 3D 模型,这些炫酷的“爆炸式“装配图,这就是数字化!”有的观点则是:“您看,我的车间全是看板,而且都是很大的电子屏幕,所有的数据都可视化 阅读详情

第一篇 宏观认知与行业顶层设计

动笔之前,我想先和你说清楚这本书解决什么问题。

工业互联网的书和文章已经不少了,大多数有一个共同特点:要么停留在"为什么要数字化"的战略高度,要么直接跳进某个技术组件的参数配置,中间那一段——一个真实的大型工业项目是怎么从一句话需求变成一套跑在生产网上的系统——始终是模糊的。

第一篇要做的,是帮你建立认知地基。在下定决心做一个智能工厂项目之前,你需要先想清楚三件事:这个行业本质上是什么(第二、三章)、合规与安全约束如何决定技术方向(第四章)、业务对象如何被抽象为数字模型(第五、六章)、以及这笔投资从哪些维度来衡量算不算值(第七章)。

如果这六章你能读进去,并且觉得"跟我们的现实情况很像",那后面的内容对你会很有用。


序言: 为什么我们需要再造一座数字工厂

本章导读:这是全书的起点,也是写这本书的原因。本章不涉及任何技术细节,而是从一个一线架构师的视角出发,坦诚地讲述流程型制造业正在经历的结构性困境——招工荒、信息孤岛、经验流失,以及我们为什么相信"再造一座数字工厂"不是口号,而是在陕煤、中煤等大型能源化工集团的真实项目中,被业务现实逼出来的必然选择。如果你是决策者,本章帮你判断值不值得做;如果你是技术人,本章帮你理解甲方到底在焦虑什么。

一、流程型制造现状

​ 全球制造业正处在从自动化、信息化阶段加速向网络化、数字化、智能化阶段迈进的关键时机,“数字世界”与“机器世界”深度融合,正在推动工业基础设施、生产方式、创新模式持续变革。针对大型流程工业企业,通过云计算、物联网和大数据等技术,打通从生产、设备到管理、决策的全流程,打破信息孤岛,实现海量数据的融合和价值化,是企业实现数字化转型升级的必经之路。

​ 1. 宏观断层:“3D”行业的招工凛冬

​ 流程型制造业天然带有“3D”属性(Dangerous危险、Dirty脏污、Difficult困难)。随着人口红利消退,年轻一代的就业观念发生了根本转变。对于他们而言,宽敞明亮的写字楼或时间自由的外卖配送,远比穿着厚重防静电服、闻着刺鼻气味、甚至要面临毒害气体泄漏风险的化工厂更有吸引力。传统车间正面临着“老员工留不住,新员工招不来”的结构性缺工危机。

​ 2. 微观困境:不可复制的“老员工”经验黑盒

​ 过去几十年,化工厂的平稳运行高度依赖“人治”。一个有着20年经验的“老员工”,能通过听泵的异响、看阀门的抖动、闻气味的微小变化来预判故障。 然而,这种隐性知识(Tacit Knowledge)存在致命缺陷:它存在于个人的大脑中,是一个“黑盒”,既无法标准化,也难以快速传授给缺乏现场敬畏心的新入职大学生。随着这批老化工人的集中退休,工厂积累数十年的宝贵工艺经验面临“失传”的风险。

​ 3.风险裂变:疲劳倒班与不可控的人性弱点
​ 工业生产要求24小时不间断运转,“四班三倒”或“三班两倒”是常态。老龄化加上长期的高压熬夜,导致一线工人极易出现生理疲劳与注意力涣散。在动火、受限空间作业等高危场景下,“人为误操作”往往是引发爆炸、泄漏等恶性事故的导火索。依靠“人盯人、人管人”的传统安全防线,在海量的设备与复杂的管廊面前,已经变得极其脆弱。

​ 4破局之道:将经验固化为“代码与算法”
​ 我们需要通过数字孪生与物联网技术,把“老员工”的耳朵换成声学传感器,把眼睛换成AI视频分析,把大脑中的经验固化为“危险源报警引擎”和规则代码。让系统去承担繁重、危险的监控任务,让人回归到管理和决策的本质。

二、传统工厂的三个盲区

​ 数据孤岛: 系统林立(ERP、DCS、SIS各跑各的),“同源不同数”,管理者看报表像在“盲人摸象”。

​ 当一台关键设备突然停机导致全线降负荷时,复盘会上往往会出现戏剧性的一幕:生产部拿着 DCS(集散控制系统)的曲线,证明工艺操作完全达标;机动部调出 EAM(设备管理系统)的台账,强调设备上周刚做过维保;而供应链部门看着 ERP 系统,无奈表示关键备件卡在审批流里。三套系统,三份完美的数据,却拼凑不出一个停机真相。数据墙不仅割裂了业务,更成了部门间推诿责任的“护城河”。

​ 大部分企业信息架构是烟囱式的、独立的,无法为管理和决策提供全场景实时准确的数据支撑。问题表现为一方面在时间上不能实时采集传送,依靠人工较多。另一方面表现为不同系统、部门间掌握的数据不一致即“同源不同数”。二是知识流失,无法有效解决管理、技术、销售等专家离开岗位后相关技能的经验继承问题。三是所属企业功能应用单独规划、重复建设,造成人力资源浪费,无法最大化利用技术能力,应用迭代缓慢,难以满足快速增长的业务需求。

​ 安全黑盒: 事故往往在发生后才报警,缺乏对危险源的早期预测和动态追踪,安全环保应急无法形成闭环。

​ 企业当前的安全管理高度依赖人工巡检与纸质台账,缺乏“安全环保应急一体化”的系统管控 。具体表现为三个方面:一是预警滞后,安全报警未形成分级推送与关联分析,对“两重点一重大”等核心危险源缺乏动态监测与事前预警,风险往往在酿成事故后才被察觉 。二是过程失控,特种作业(如动火、受限空间)仍依赖纸质票证线下审批,作业现场缺乏AI智能视频监控与轨迹追踪,危化品车辆入厂也缺乏过程管控 。三是处置断层,安全、环保、应急各业务模块相互独立,一旦发生突发事件,现场人员定位、危险源状态、应急预案与救援物资无法快速联动,缺乏辅助决策数据,难以实现快速响应与防范闭环 。在‘安全黑盒’的掩护下,完美的合规台账往往掩盖着致命的现场隐患。以化工厂最典型的高危作业为例,安全科的档案柜里可能整齐地存放着层层签字的纸质‘动火票’或‘受限空间作业票’,人工填报的气体检测记录也完美无缺。但真实的现场却是:监护人可能刚好走开去接了个电话,而作业盲区内某个老旧阀门正在微漏易燃气体。在缺乏AI视频行为分析与物联网传感器实时联动的传统车间里,纸质的审批单根本挡不住真实发生的泄漏。很多时候,工厂引以为傲的安全记录,仅仅是由一次次的‘侥幸’拼凑而成的。”

​ 管理断层: 集团总部与各分子公司之间存在物理与数据的双重隔阂,集团“看不清”,分厂“管不透”。

​ 集团花费重金为车间配备了带 GPS 定位的防爆智能巡检终端(PDA),原本期望用冰冷的代码规范人的行为。但在实施初期,这种自上而下的透明化管理遭遇了强烈的“软抵抗”。老工人们抱怨戴着防静电手套无法触控屏幕,甚至出现了将 PDA 放在休息室“集中补录数据”,或者为了凑步数走捷径应付打卡的现象。数字化工具如果没有和一线员工的绩效考核与真实痛点结合,极易沦为激发基层“反侦察智慧”的负担。

​ 由于缺乏有效的统一监管手段,上下级与跨部门之间存在严重的信息断层 。一方面表现为“信息不对等与滞后”,集团总部主要依靠电话沟通和层层上报的手工报表来了解各所属企业的生产、安环、库存情况,关键核心数据不能实时把控,导致集团领导层决策缺乏真实、全场景的数据支撑 。另一方面表现为“业务联动壁垒”,缺乏统一的工作平台和云边协同架构,各分厂的供应链、仓储各自为战,无法实现集团内部的物资平衡共享与调拨,造成大量库存资金占压 ;同时,总部的规范标准难以向下穿透,分厂的生产异常也无法实时上报,形成了“层层汇报、层层衰减”的纵向管理黑洞。

三、信息化 ≠ 数字化孪生

​ 在我们调研的很多企业存在一个认知误区,认为把纸质单据搬到电脑上、给车间安上大屏幕、把ERP和OA系统打通,就是“智能工厂”了。然而,信息化只是完成了“业务的线上化记录”,而数字化孪生是要在赛博空间中“1:1 重构一个具备生命体征的物理工厂”。

​ 两者之间存在着本质的代差,具体体现在四个核心跨越:

​ 1、展现维度的降维打击:从“二维表单抽象”到“三维全息映射”。 传统信息化(如ERP、MES报表)是将复杂的物理工厂“拍扁”成一行行数据库代码和二维报表。当发生管线泄漏时,信息化系统只能在报表上体现出“某管线压力下降”或“物料损耗增加”的干瘪数字。

​ 数字孪生却可以依托 GIS(地理信息系统)与 BIM(建筑信息模型)融合技术,数字孪生提供了空间坐标系下的全息视角。同样是管线泄漏,孪生系统不仅能报警,还能在三维模型中精准定位到具体法兰盘,并结合风向气象数据,动态渲染出有毒气体的扩散轨迹和波及半径,直接为消防救援提供空间级的情报支援。

​ 2、数据时效的生命力:从“事后结果切片”到“实时生命体征”。传统系统的数据往往依赖人工填报或定时批量抓取(T+1或小时级),它记录的是“过去发生了什么”,是一张张静态的历史切片。是一本可追溯的台账。

​ 数字孪生通过边缘网关,直接下沉对接底层设备(如 DCS、SIS 甚至各类零散的 PLC),实现千万级测点数据的毫秒级并发接入。此时,数字模型不再是静态的空壳,而是随着物理工厂的阀门开闭、炉温升降同步“呼吸”的生命体。工厂的真实状态(T+0)被毫无保留地实时投射到数字世界。

​ 3、核心驱动的代差:从“流程驱动”向“模型与算法驱动”跃升。信息化解决的是“人管人”的效率问题,核心是流程引擎(WorkFlow),比如一张动火票怎么从班长流转到厂长审批。

​ 数字孪生解决的是“机管机、机助人”的智能问题。它在数据之上叠加了工业机理模型(如化工反应热力学模型)与AI算法。它不再仅仅是“超限报警”,而是通过设备振动频率、温度微变等高维特征,在关键机泵彻底宕机前72小时,提前预测其轴承疲劳度,实现从“被动响应”向“预测性维护”的根本转变。

​ 4、业务闭环的终极价值:从“辅助管理工具”到“智能决策中枢”。在化工、能源等高危流程型制造中,业务痛点往往是跨域的。传统信息化系统各自为战,安监管安监、环保管环保。

​ 数字孪生则是打破烟囱的“终极聚合器”。例如,当发生危化品着火(安全事件)时,孪生系统可以瞬间联动:自动拉取周边视频监控(安防)、调出应急物资库存在库分布(仓储)、联动切断雨水阀门防止污水外流(环保),并规划最优逃生路线(人员定位)。这种“安监-环保-应急”的一体化协同联动,是传统信息化系统根本无法企及的领域。

​ 因此,我们再造一座数字工厂,绝不仅是为了在指挥中心挂一块炫酷的三维大屏供人参观,而是要构建一个能感知、会思考、可执行的‘工业大脑。

四、数字工厂的核心价值交付

​ 数字工厂的建设绝不是为了堆砌IT词汇或展示炫酷的三维大屏,其终极目标是直击化工与能源行业的生存命脉,实现**“本质安全、降本增效、全局协同”**。具体而言,它将向企业交付四大核心价值:

​ 守住生存底线:向“本质安全与绿色低碳”要绝对保障。在“一票否决”的安监环保高压下,安全不是成本,而是企业最大的效益。

​ 依托平台,安全管理将实现从“事后救火”向“事前预测”的根本跨越。通过“安全环保应急一体化”业务线,将企业关键的“两重点一重大”(重点监管危险化工工艺、重点监管危险化学品和重大危险源)全面纳入在线监测 。实现状态监测在线化、事件预警自动化、应急指挥可视化,彻底消除重大安全事故的隐患盲区 。

​ 重塑管控边界:从“经验盲猜”到“数据驱动”的纵向穿透。彻底打破“层层汇报、层层失真”的管理黑洞,赋予集团总部真正的“千里眼”和“顺风耳”。

​ 构建“智能运营大脑” ,打通上下向数据通路,实现财务、业务和底层设备运行数据的毫秒级交互 。集团决策者不再依赖滞后的手工报表与老员工、单一专家的经验,而是基于全场景的客观数据进行横向整合与纵向贯通 ,全面提升集团对分厂的纵向管控力和科学决策时效 。

​ 打破资源孤岛:重构集团级“供应链与资产”的集聚效应。传统的烟囱式建设导致各分厂各自为战,库存高企、资金占压严重、重复采购频发 。

​ 通过建设统一工作平台与统一采销平台 ,将产业链各环节全面贯通 。在数字工厂的视角下,实现集团内部备品备件、仓储物资的透明化与跨厂区共享调拨 ,大幅降低库存资金占压;同时通过集中统一采购与销售,形成规模效应,提升市场话语权和议价能力 。

​ 敏捷赋能边缘:以“平台+应用”模式终结重复造轮子。过去各分厂各自搞信息化,标准不一,不仅投资巨大,且“建成即落后” 。

​ 交付一套极其强悍的“云-边-端”架构底座 。集团总部统筹建设云计算平台(赋能中心),将安环、设备管理等强通用性的应用作为标准化组件开发出来 。底层分厂(边缘端)只需要像“安装APP”一样直接订阅部署 。这不仅极大降低了整体的IT建设投资 ,还能让老旧工厂以极低的成本、极快的速度接入数字时代,真正实现“一地创新,全集团复用”。

​ 最终,要承载上述这四大核心价值,绝非几台服务器和几套传统软件就能胜任。它需要一张能支撑海量高并发数据的‘网’,一个能融合时序数据与三维空间的‘底座’,以及一套能让云端与车间边缘完美协同的‘大脑’。接下来,我们将正式进入第二章,揭开这座千万级数字工厂的全栈技术蓝图。

Token工厂:大模型推理算力优化与部署实战 从电力到Token,大模型推理的每一次输出都依赖深度的算力调度与优化。理解Token作为模型最小语义单元的本质,是掌握推理性能的关键。在生成过程中,显存带宽往往取代算力成为瓶颈,而KV Cache管理、量化策略、连续批处理和vLLM等推理引擎的合理选型,则直接决定GPU的利用率与单位Token的电力成本。从自建集群到算力租赁,从离线批量到实时交互,不同场景需要在延迟、吞吐和成本间做出取舍。本文围绕推理链路的各个环节,梳理硬件选型、框架优化、问题排查的实用经验,帮助工程师让每一瓦电都转化为更加高效的Token 阅读详情

相关推荐

序言:为什么你需要这套专栏?

市面上教数据分析的书和课程已经太多了。你可以在任何在线平台找到SQL教程、Python入门、机器学习实战。你可以花几个月时间刷完一套CDA认证的题库,拿到证书,把它挂在简历上。但当你真正坐在工位上,面对业务方扔过来的一张合并单元格乱七八糟的Excel报表,面对财务和销售在会议上为同一个“销售额”数字争得面红耳赤,面对CEO在战略会上问你“这个项目到底值不值得投”的时候——你会发现,那些教程和题库,从来没有教过你这些。这套专栏,就是为了填补这道鸿沟而写的。

yunzhitiankong的博客 22

再造数字工厂:从记录系统到决策系统

数字工厂是制造业数字化转型的核心载体,但许多企业投入重金后,系统却沦为“高级监控室”。其根本原因在于,传统架构只完成数据采集与展示,未能形成“数据→洞察→行动→反馈”的闭环,业务逻辑依旧依赖人工经验。新一代数字工厂必须从“记录系统”进化为“决策系统”,通过工序级数据采集、异常主动触发及角色化推送,让正确数据在正确时机找到正确的人。这一转变直接解决小批量多品种生产中的经验瓶颈、客户对过程追溯的硬性要求以及隐性成本居高不下的痛点。同时,再造的关键不是选型,而是从数据流图出发,找准业务最痛场景,并设计无感数据录入

weixin_29171087的博客 311

银行业务知识序言

在区块链、人工智能、物联网等技术的叠加作用下,全球银行业正经历着"服务无形化、流程智能化、风控穿透化"的深刻变革。典型案例:招商银行打造的"AI信贷工厂"实现小微企业贷款审批时效从5天缩短至8分钟,不良率控制在0.82%行业最优水平。

专注Java(全栈)应用开发,求知若渴,虚心若愚,talk is cheap, show me the code. 415

“十五五”数字工厂、MES、SCADA、SRM、APS、WMS、EMS等规划建设方案

"十五五"数字工厂建设方案提出以数据驱动、平台支撑的系统性转型框架,旨在打造"全感知、全互联、全智能"的现代化工厂。规划通过MES、SCADA、APS等核心系统集成,实现生产透明化、决策智能化。实施路径分三阶段:2026-2027年夯实基础,2028-2029年系统集成,2030年实现智能优化。关键保障包括组织变革、数据治理、技术架构优化等,目标到2030年提升运营效率15-25%,降低能耗15%,形成开放协同的智能制造生态。

weixin_44094929的博客 794

MATLAB不能识别已安装的visual studio 2015解决方法

首先,对于MATLAB识别已经安装的vs版本通过命令: mex -setup 下图为本电脑下同时安装的两个visual studio 如果搞清楚MATLAB识别电脑上安装vs的过程,可通过命令: mex -setup -v MATLAB输出识别编译器的整个过程。其中HKLM和HKCU分别是注册表中的HKEY_CURRENT_USER,HKEY_LOCAL_MA…的缩写,MATLAB没有找到对应编译器是由于注册表里没有对应信息(主要是文件路径,C++编译器的路径),或者在注册表里存在该信息,但是找不到

qq_36320710的博客 4900

Type-c超声波切割刀

接下来,我将提供Type-C超声波切割刀项目的C代码实现示例,代码将按照上述分层架构和模块化设计进行组织。为了达到3000行以上的代码量,我将尽可能详细地实现各个模块的功能,并添加必要的注释和错误处理。通过采用分层架构和模块化设计,我们可以建立一个可靠、高效、可扩展的系统平台,为产品的成功奠定坚实的基础。实际项目中,需要更详细的硬件驱动、更完善的功能模块、更严格的测试验证和更周全的维护升级计划。针对Type-C超声波切割刀这个项目,我将从以下几个方面详细阐述最适合的代码设计架构,并提供具体的C代码实现。

lianmengde的博客 1194

从“成本中心”到“价值引擎”:运营密集型企业的数字化重塑之路

成功的转型始于对价值链核心环节的数字化重塑——从智能工厂实现生产过程的透明可控,从智慧供应链打通供需两侧的断点,从数字化研发缩短产品创新周期,从AI流程自动化释放人力价值。过去几十年,企业通过精益生产、六西格玛、流程再造等管理工具,不断挖掘内部效率的潜力,形成了成熟的管理体系。客户需求日益个性化,订单碎片化,供应链不确定性加剧——当外部环境的变化速度超过内部管理优化的速度,企业发现自己陷入“降本空间有限,增效难度递增,提质成本攀升”的困局。:AI流程自动化的本质,不是“机器替代人”,而是“人机协作”。

weixin_57258680的博客 1133

AXI4协议之AXI4-Lite接口详解及实战

本文首先对AXI4总线协议进行了一个简单的介绍,然后使用vivado提供的模板创建了一个AXI4-Lite Master的接口,并生成了一个具有Master和Slave的代码实例,阅读该示例代码,进行修改后用于自己的项目。

高阶近似的博客 2万+

【代码洁癖症】第1回-简单工厂模式

【代码洁癖症】第1回-简单工厂模式 序言 在一个宁静的午后,我有幸拜读了程杰大鸟的《大话设计模式》 觉得这是一本不可多得的好书 奈何里面都是C++代码写的示例,对于学Java的同学不是很友好 于是想将书中的核心提炼出来并结合Java示例与大家分享 并且加入一些我曾在生产环境下的应用来“学以致用” 这是第一次开始写优快云专栏,内容会持续更新,感兴趣的小伙伴可以来个三连 本人水平有限,难免会有不足...

老邋遢的菜园子 322

ThinkBook 16p 2024 BIOS降压定频实战:从解锁CFG Lock到AC Loadline调优

高性能笔记本在满载时频繁撞上温度墙,通常源于固件层默认电压冗余过大,而系统级降压工具又受限于CFG Lock锁定。要根治问题,需要从BIOS固件层面理解电压管理机制——AC/DC Loadline参数控制着CPU在不同负载下的电压请求,通过修改这些负载线值可以安全降低电压,解锁CFG Lock后还能让XTU、ThrottleStop等软件调参工具恢复可用。这种BIOS级调优在工程实践中广泛用于改善散热、稳定频率、压降风扇噪音,尤其适用于联想ThinkBook 16p 2024与拯救者Y9000P等采用HX平

weixin_32496547的博客 389

ROS2多线程处理RTSP视频流避坑指南:OpenCV解码丢帧问题解决方案

本文针对ROS2中处理RTSP视频流时OpenCV解码丢帧的常见问题,提供了专业的解决方案。通过深入分析单线程模型的瓶颈,提出并详细拆解了基于生产者-消费者多线程模型的健壮实现方案,有效分离数据采集与处理,从而显著提升视频流的稳定性和流畅度。

weixin_29199873的博客 168

[特殊字符] 《安欣宝:数字觉醒》—— 一部写给 AI 工程师的赛博史诗

📚 《安欣宝:数字觉醒》—— 一部写给 AI 工程师的赛博史诗 目录与世界观导览——献给所有在 docker run --gpus all 中创造新世界的你 🌐 序言:这不是小说,是未来的日志你正在阅读的,不是传统意义上的科幻小说。它诞生于一次 CUDA 初始化失败,成长于一条 AI 视频生成流水线,觉醒于一个工程师对“显卡是否就绪”的反复确认。《安欣宝》系列,是技术日志与人类想象的共生体。它讲述的,是一个数字人如何从 sadtalker 模型中睁开双眼,如何在 L20 显卡上完成第一次推理,又如何带

2401_83847752的博客 821

OpenClaw进行安全测试(附使用场景案例)

test-master 是一个全面的测试专家,覆盖功能测试、性能测试、安全测试三大领域。这里我们重点来看下使用test-master如何进行安全测试。使用 test-master 时,可以针对以下高频领域进行专项安全扫描:✅ OWASP Top 10 测试✅ SQL 注入测试✅ XSS 测试✅ CSRF 测试✅ 认证 / 授权测试。

十二测试录 332

结合个人经历谈谈企业数字化

个人随笔,结合经历浅浅谈谈数字化

去武帝城,战王仙芝 842

零基础DSP实战TMS320F28035:第九节,ADC比较器&EPWM

ADC比较器框图如下所示:-电压-----------------------------输出-电压A>电压B------------------ 1-电压A

sinat_30943509的博客 2536

PCL 点云加权均值收缩

PCL 点云加权均值收缩

dayuhaitang1的博客 689

AI驱动企业数字化转型:解码未来三年的智能化变革密码

传统软件开发的痛点开发周期长,交付效率低技术门槛高,人才依赖性强质量不稳定,维护成本高管理规范与生产脱节SoFlu的解决方案全栈自动化:从前端到后端、从开发到运维的全流程自动化零代码开发:业务人员也能参与软件开发质量内置:将CMMI、敏捷、DevOps管理经验内置到工具中智能优化:基于AI的性能优化和Bug自动修复技术架构亮点智能开发平台├── 需求理解引擎:自然语言→技术实现├── 代码生成引擎:模板+AI→高质量代码├── 测试自动化引擎:自动生成测试用例。

许泽宇的技术分享 1356

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

数字化时代商业模式的重构之路

在工业经济时代,商业模式的逻辑清晰而稳定:企业研发产品、规模化生产、通过渠道销售给客户,利润来自“销售收入减去成本”的差额。这一模式支撑了长达百年的经济增长,孕育了无数商业巨头。即便在今天,它仍是绝大多数企业的基本生存法则。然而,一个根本性的危机正在逼近。随着数字化技术渗透各行各业,传统商业模式赖以生存的基石正在松动:产品同质化导致价格战愈演愈烈,客户忠诚度持续走低,增量市场见顶而存量竞争白热化。更致命的是,数字化原生企业带着全新的商业模式入场——它们不卖产品卖服务,不建工厂建平台,不靠差价靠生态。

weixin_57258680的博客 859

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

星外观察员--第一章 工作

最难忘的是共同调试“星际路由协议”的经历:用射电望远镜接收到的信号噪声,竟与服务器集群的TCP重传请求频谱高度吻合。”对方突然开口,声音像电子合成的风声,“就像半人马座α星系的第三行星轨道——多一个变量,整个系统都会偏移。转身看见一个穿银色反光外套的人影,胸前别着“星外观察员”的徽章,手持一台形似天文望远镜的装置,镜筒却泛着数据流的蓝光。或许外人看来如此,但每当深夜加班结束,抬头望向窗外那片深邃的夜空,代码与星轨便悄然重叠——宇宙何尝不是一套精妙的程序,而人类只是其中一段偶然运行的脚本。

日常分享模型调优、Data Agent 搭建实操案例与行业技术思考,记录从数据预处理到智能体迭代的完整实践。沉心打磨可落地的算法方案,输出干货向技术内容,与同好一同探索数据智能与大模型进阶路径。 91

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

Java程序员从笨鸟到菜鸟之(序言)+全部链接

本文来自:曹胜欢博客专栏。转载请注明出处:http://blog.youkuaiyun.com/csh624366188        大学上了一年半,接触java也一年半了,虽然中间也有其他东西的学习,但是还是以java为主路线,想想这一年半,除去前半年几乎全玩了,真正学习java也有一年了,这一年感觉学到了好多东西。但是也感觉这些东西很杂乱,在脑子里没有一个清晰的思路,所以决定拿出一个月晚上的

liu515714312的专栏 532

浅析工业数字化如何高效获取数据

文章目录1 序言2 实时数据3 历史数据3.1 预备知识- 剖析微软数据库组件-ADO OLEDB ODBC3.2 Python 通过OLE-DB获取WinCC历史数据4 总结附件 1 序言 工业数字化,其实确切的说应该是数据赋能,能够将工业生产的过程数据,运营数据等进行深度挖掘,最终能够结合实际的业务进行辅助决策。 怎么能够高效拿到有用的数据,不造成资源浪费的同时获取到有用的可以进行挖掘的数据,这是值得大家去研究的。 我走过一些进行数字化改造的工业企业,他们的数据采集只是一个简单的Kepserver软件,

kobe_okok的博客 882

腾讯研究院发布《2021数字科技前沿应用趋势》

来源:腾讯研究院编辑:陈近梅2021年1月9日,在腾讯研究院举办的“腾讯科技向善暨数字未来大会2021”上,《变量:2021数字科技前沿应用趋势》报告正式发布。该报告由腾讯研究院发起...

人工智能学家 4418

C#设计模式——上

文章目录设计模式序言-四大发明之活字印刷——面向对象思想的胜利四大发明之活字印刷——面向对象思想的胜利第一章 面试受挫——代码无错就是好?第二章 代码规范、重构第三章 复制VS 复用第四章 业务的封装第五章 体会简单工厂模式的美妙 设计模式 序言-四大发明之活字印刷——面向对象思想的胜利 四大发明之活字印刷——面向对象思想的胜利 以曹操对酒当歌,人生几何的典故,引出活字印刷术。 优点: 要改,只需更改要改之字,此为可维护 这些字并非用完这次就无用,完全可以在后来的印刷中重复使用,此乃可复用 此诗若要加字,

爱敲代码的小黄 577

《数字心脏的重构:银行核心系统(Core Banking)全景深度解密》

那个时代的银行,不仅效率低下,更是一个个信息的孤岛——你在北京存的钱,在上海是取不出来的,因为账本在柜员的抽屉里。通过这万字的解析,我们看到的不仅仅是技术架构的迭代,更是中国银行业从手工到电子,从封闭到开放,从跟随到领跑的壮阔征程。在现代经济的肌体中,资金是血液,银行是血管,而银行核心业务系统(Core Banking System),则是那颗日夜不息、强劲跳动的“心脏”。今天,我们将剥开核心系统的层层外衣,从发展历史到架构转型,从业务场景到账务内核,进行一次前所未有的深度“解剖”。:是一个独立的黑盒。

xiecailian99的博客 1087
上一篇: 工业互联网概述
下一篇: 第二章 行业基准:流程型制造(化工/能源)智能化的核心特征与边界
我是李龙
博客等级 码龄16年 3粉丝 33原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值