- 博客(15)
- 收藏
- 关注
RSS订阅原创 从“听指令”到“会思考”：工业机器人的人工智能融合之旅
在工业机器人与AI集成的过程中，集成方式由低到高、从松散到紧密，体现了人工智能技术在工业领域的不断发展与渗透。从外围设备的智能化到端到端控制的完全自主智能，各种集成方式各有特点，并且适用于不同的应用场景。对于不同的工业需求，企业需要根据耦合程度、实时性要求和系统依赖程度，选择合适的集成方式。
2025-02-09 10:31:34
753
原创 人工智能在制造业中的应用：质量缺陷分析
通过大模型云平台与企业私有数据的无缝对接，利用多模态数据融合、智能缺陷分析、根因推理及知识库构建，为企业提供灵活且可逐步升级的质量缺陷智能分析解决方案。随着数据积累与技术迭代，系统将不断优化，最终帮助企业实现质量管理的数字化和智能化转型，提升整体竞争力。
2025-02-05 17:49:25
1006
原创 人工智能在制造业中小企业的应用：数据驱动仓库分析洞察
随着人工智能技术的不断发展，越来越多的中小企业能够在不改变原有操作模式的情况下，借助智能分析工具提升其仓库管理水平。通过数据导入自动化治理、智能报告与分析、以及不断积累和优化的仓库数据资产，企业可以有效提高库存管理的精准度和效率。未来，随着更多数据的积累和企业反馈的完善，系统将在企业数字化转型中扮演越来越重要的角色。
2025-01-09 21:59:43
1064
原创 PLC与AI的相遇：工业自动化的浪漫爱情
从深度内核融合到工具层面增强，再到系统级AI协同，PLC与AI的结合有多个层次，每种方式都有它的用武之地。目前，“增强PLC数据分析”、“工具增强”和“系统级AI应用”是主流，而“内核增强”则更像未来的探索方向。结论PLC与AI的融合，是工业自动化的大势所趋。尽管还有挑战，但随着技术的进步和应用的深入，PLC和AI的结合必将为制造业带来更高效、更灵活、更智能的未来。
2025-01-01 21:12:12
3743
1
原创 从学习到行动：生成式 AI 助力制造业企业培训体系的智能化
企业在培训过程中普遍面临着诸多痛点，例如需求分析不够精准、培训内容与实际业务脱节、培训效果难以有效评估、学习成果难以有效转化等。更为重要的是，不同规模的企业由于发展阶段、组织结构和业务重点的差异，其培训需求也存在显著差异。例如，微型企业通常更侧重于基础的岗位技能培训和创始人经验的传承，而大型企业则更需要系统化的管理培训、领导力开发和专业技能提升。此外，有效的知识管理是构建高效培训体系的重要基础。如何将企业内部的隐性知识显性化、整合分散的知识碎片，并有效地传递给需要的员工，是企业面临的重要挑战。
2024-12-30 22:34:02
2272
原创 隐性知识显性化：生成式AI在师徒制与经验传递中的新应用
在制造业中，隐性知识的传递往往是决定生产效率、创新能力和组织竞争力的关键。然而，隐性知识的特点是难以用语言或书面形式明确表达，通常依赖于师徒制等传统手段实现传递。这种以“人传人”为核心的方式在知识共享效率和覆盖范围上存在局限。随着生成式 AI 技术的发展，企业开始探索如何通过 AI 的赋能，将隐性知识显性化，优化师徒制，并促进更大范围的知识传递与创新。
2024-12-27 22:04:54
864
原创 数字产品护照（DPP）：循环经济的新引擎——中国企业与IT的机遇与挑战
数字产品护照（DPP）是欧盟为了推动循环经济而提出的一项创新举措，要求部分进入欧盟市场的产品附上数字“身份证”，记录它们的全生命周期信息。对于中国企业来说，这不仅是一个挑战，也是一个潜藏的机遇。
2024-12-25 23:42:20
927
原创 生成式AI赋能制造业研发设计：加速创新，智造未来
生成式AI能够加速概念生成和设计迭代，大幅缩短设计周期；拓展设计师的思维，激发创新灵感，创造出更具创意和竞争力的产品；还可辅助处理重复性工作（如文档生成、数据分析等），使设计师能够专注于更具创造性和战略性的任务。本文将探讨生成式AI在制造业研发设计各阶段的应用，强调人机协同，以最大化AI的潜力，推动制造业创新发展。
2024-12-23 23:06:59
3152
原创 从冷冰冰的设计到暖人心的创作：Stable Diffusion与感性工程的完美融合
你可以使用Stable Diffusion根据这些情感要求生成一系列设计草图，而通过感性工程，你可以通过问卷调查或情感反馈来了解消费者对这些草图的情感反应，进一步优化设计，最终确保你的产品不仅符合功能需求，还能赢得消费者的心。，如果你走进一间咖啡馆，看到一个现代风格的咖啡机，设计上有些圆润的线条和温暖的金属色调，这种设计会让你觉得亲切且高端，这正是感性工程的运用：它能够通过颜色、形状、材料等设计元素来激发特定的情感反应。根据情感反馈，你可以调整设计草图，进一步完善产品的外观，使其更加符合消费者的情感需求。
2024-12-23 23:00:57
1074
原创 生成式AI在当前预测性维护中的实际定位与发展路径
在数字化转型的推动下，生成式AI逐渐被引入设备预测性维护领域。然而，与主流预测性维护系统相比，生成式AI的实际应用仍面临难解释性、数据隐私风险和实时处理能力等挑战。本文主要探讨生成式AI在现阶段的实际定位与未来的发展路径。
2024-12-16 21:20:06
790
原创 智能问答系统：制造业故障诊断的效率革命
故障诊断是制造企业生产过程中的核心环节。设备停机会直接导致产能损失和成本上升，而快速定位故障原因并高效解决问题，是保障生产线稳定运行的关键。尽管许多企业已配备实时监控系统，用于基础报警和维修建议，但智能问答系统仍能作为强有力的补充工具，通过以下方式提供支持：
2024-12-16 21:18:50
1094
原创 面向人工智能的企业数据治理流程
--------------“发现矿脉”一家大型汽车制造企业计划构建车身焊接质量预测模型。甲方生产线经理和质量经理与乙方AI解决方案团队协作，明确需要实时采集车身焊接的温度、压力数据，焊接速度，以及历史缺陷记录。经过需求评估，发现部分老旧设备需要升级传感器才能支持数据采集。明确AI项目所需的数据类型、质量和数量，为后续数据采集和准备奠定基础。识别需求：明确数据类型（实时数据、历史数据等）、数据粒度、时间范围等。评估可用性：检查现有数据是否满足需求，包括数据量、质量、格式等。
2024-12-16 21:16:22
882
原创 制造业中的生成式AI应用：企业数据治理
o 按数据格式分类：结构化数据（如传感器采集的温度、压力等数值）、非结构化数据（如实时视频流、图像）、半结构化数据（如日志文件、XML记录）。o 按数据格式分类：结构化数据（如产量报表）、非结构化数据（如操作视频）、半结构化数据（如物料使用记录）。o 数据插补：通过生成对抗网络（GANs）生成合成数据填补缺失值。o 按数据格式分类：非结构化数据（如检测图像）、结构化数据（如评估结果）、半结构化数据（如缺陷记录）。o 按业务属性分类：实时数据（如设备运行状态、传感器读数）和主数据（如设备型号、配置参数）。
2024-12-16 21:15:29
644
原创 生成式AI治理制造业数据的关键能力
然而，制造企业常常面临数据质量、管理和利用效率的多重挑战。生成式AI作为一项前沿技术，为数据治理提供了强大的工具，不仅能解决数据稀缺、噪声、缺失等问题，还能通过增强数据质量和一致性，提高企业对数据的分析能力。仿真生成：采用生成对抗网络（GANs）或变分自编码器（VAE）技术，将真实数据匿名化或脱敏，生成测试或分析用的数据集，同时确保仿真数据的真实性和多样性。分类维度：依据敏感程度（如个人身份信息、商业秘密）、生命周期（创建、存储、使用、销毁）及业务价值，对数据进行细粒度分类和标记，明确保护等级和管理策略。
2024-12-16 21:14:29
677
原创 生成式AI模型在工业领域的应用演进
生成式AI的模型从早期的概率模型、自编码器，到VAE和GANs，再到Transformer、扩散模型以及多模态生成模型，经历了多个阶段的革新。随着计算力的增强和数据规模的扩大，生成式AI模型不断进化，推动了在文本生成、图像生成、多模态生成等领域的广泛应用。最后需要说明的是，生成式AI并没有一个固定数量的模型，因为生成式AI是一个不断发展的领域，涵盖了多种类型和架构的模型。生成式AI包含广泛的模型类别和具体实现，不同的模型可以根据具体应用、任务和技术需求进行扩展和创新。
2024-12-16 21:09:39
198
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人