登录社区云，与社区用户共同成长
邀请您加入社区
Zilia在巴西市场处于领先地位，拥有存储芯片封装测试和SMT制造能力，聚焦消费级eMMC、常规存储模组本土化量产，深度服务三星、戴尔、联想等头部客户。面对复杂的地缘贸易环境，不少国内存储企业停留在简单产品外销层面，而江波龙作为实力雄厚的半导体存储品牌企业，依托自研主控技术、成熟封测产能，搭配本土化生产基地落地，稳步推进江波龙出海战略，打造适配全球市场的存储供应体系。双基地联动之下，江波龙有效分散
不论是铭振电子通过智能排产和质量预控实现的交付与良率突破，还是西门子为产线赋予的预见性维护能力，都指向同一个事实：数据智能不是停留在报表里的概念，而是能够直接缩短周期、拦截缺陷、保障稳定供给的车间级武器。企业真正缺失的，不是数据本身，而是一套能够让数据流动、说话、并指导行动的能力——这正是数据智能所要填补的空白。它是把设备状态、工艺参数、物流信息、质量记录等全域数据实时聚合起来，通过算法模型进行分
#ERP实施 #AI落地 #企业数字化转型 #流程梳理 #数据治理 #BI看板 #甲方项目经理
高频流式物理因子)│ (自动改写 WMS/PLC 参数，执行呆滞料联动熔断与质量自愈)传统追溯系统之所以无法做到“全自动”，是因为库存、工艺与包装的数据相互隔离（语义断层）。知识资产化：大模型+Graph RAG 编织全域质量知识图谱，实现跨厂区全局可信溯源。实时绑定：线边超市RFID/二维码流式吞吐，3D点云+AGV执行装箱少件错件自动拦截。智能体总线：质量 Agent 多模态根因初筛，自动关联
电子产品（如智能手机、笔记本电脑、汽车电子、服务器等）的厂内物流具有产品迭代快、SMT/组装工序高度精密、物料体积极小且对防静电（ESD）要求极高、高并发柔性生产的典型特征。其智能化升级的核心在于追求“空间极致利用、百毫秒级料到线响应、无尘防静电安全控制”。
从传播维度看，数字化的湖南文学序列以便网络传播与资源共享，拓展传统文化的受众范围。然而，技术应用亦需警惕工具理性膨胀的风险。AI的分析结果需要经过专业学者的审核与解释，文学作品的审美价值与文化意涵无法完全还原为数据与算法。在技术赋能的同时，应始终保持对人文价值的尊重与坚守。
【摘要】2026年制造业智能化转型面临供应链管理痛点：72%企业受困于数据孤岛、老旧系统无API接口等问题。实在Agent凭借ISSUT智能屏幕语义理解技术和TARS大模型，在实测中展现出突破性优势：订单处理效率提升94.3%，错误率降至0.02%，且原生适配信创环境。其核心技术包括多智能体协同、视觉语义理解和内存级数据安全，解决了传统RPA在UI变动时的脆弱性问题。测评显示，该方案能实现非侵入式
先说结论：一家有3条产线、80多号人的中小五金加工厂，用简道云花了3天时间，搭出了一套生产报工与库存联动的系统。上线一个月后，车间日报从"第二天中午才能看到"变成"实时刷新"，库存账实相符率从82%提到了97%，原材料断料导致的停产次数从月均4次降到了0次。投入成本：简道云标准版年费 + 一个懂业务的生产主管（不会写代码）花了3个工作日。没有外部实施团队，没有定制开发。这套系统具体怎么搭的，每一步
本文摘要： GEO优化旨在让AI将企业官网作为可信信息来源引用，而非仅美化官网。官网作为信息中枢，需确保AI引用时的准确性，而非追求最高引用率。优化核心包括：1）结构化数据标记；2）FAQ结构化；3）内容时效性维护；4）多源信息一致性；5）品牌主信息统一。实施步骤涵盖信息盘点、官网改造、持续更新及外部锚点同步。常见误区包括混淆SEO与GEO、忽视持续更新等。官网在GEO中扮演"最准确来源
与此同时，AI终端、人形机器人、eVTOL、生物医疗等新产业，也正在提出大量新的结构设计与制造需求。而在应用端，企业在工艺选型、产线适配、成本控制等环节积累的实践经验，乃至应用过程中遇到的真实挑战，同样是行业最宝贵的知识资产。从上海到深圳，TCT 展会及同期峰会始终关心的，其实是同一件事：当产业进入新的阶段之后，增材制造还能重新连接哪些行业，又会如何改变未来制造的方式。无论你正在推动技术研发、产品
1、智能工厂定义智能工厂是利用各种现代化的技术，实现工厂的办公、管理及生产自动化，达到加强及规范企业管理、减少工作失误、堵塞各种漏洞、提高工作效率、进行安全生产、提供决策参考、加强外界联系、拓宽国际市场的目的。智能工厂实现了人与机器的相互协调合作，其本质是人机交互。2、智能工厂特点1）自动化程度高智能工厂采用智能化设备和机器人等自动化技术，实现生产流程的自动化和智能化，减少人工干预，提高生产效率和
在全球制造业竞争白热化的今天，产品质量已成为企业生存发展的生命线。传统质量管理模式下，数据分散、响应滞后、追溯困难等问题严重制约着企业质量水平的提升。无论是大型企业的复杂需求，还是中小企业的快速发展，全星QMS均能完美适配。作为新一代数字化质量管理平台，凭借全流程管控、智能分析和深度协同等核心优势，正成为先进制造企业实现质量跃升的首选方案。三大核心能力，帮助企业构建预防为主的质量文化，在降低质量成
新能源制造的竞争实质上是产线数字化响应速度的竞争。通过引入TS-h1090FXU.2 NVMe 全闪存高性能服务器，锂电企业不仅从物理链路层面彻底化解了涂布产线高频数据丢包的危机，更利用QuTS hero 系统内建的 QSAL 算法，攻克了工业场景下全闪存寿命同步衰减的技术硬伤。这套方案为智能车间的边缘计算网络提供了一个具备超高响应上限与硬核防护能力的数据引擎，为极片制造的精益质量控制奠定了坚实的
而如今，工业大数据正成为照亮这条道路的灯塔，通过对生产全流程数据的采集、分析与应用，让工业大数据从概念走向现实，为汽车制程质量优化注入了强大动力，并进一步支撑数字孪生工厂的构建，推动制造业迈向智能化新阶段。2.机理模型构建：基于历史数据与工艺知识，分析数据与质量问题的关联规律，封装成质量判定、缺陷预警、参数推荐等智能模型，替代人工经验判断，为数字孪生提供算法支撑。这一过程，正是工业大数据赋能生产的
最省钱的共享方式就是。
模型即服务（Model as a Service，简称 MaaS）是人工智能时代最核心的商业模式与技术交付范式。MaaS 就是将复杂的 AI 大模型（如语言大模型、视觉大模型、工业垂直大模型）作为一种类似水、电一样的基础设施部署在云端。企业和开发者无需购买昂贵的算力显卡（GPU）去从零训练模型，而是直接通过 API（应用程序接口） 或云端平台调用这些模型的能力，按实际使用量或计算量付费。
摘要： 2026年5月，AI Agent技术在工厂异常考勤管理领域取得突破性进展。实在Agent通过大模型推理、多智能体协作及业务本体构建技术，实现从规则告警到自主决策的升级。百度智能云"胜算"平台与开源框架Erupt的A2A协议为实时预警与闭环处理提供支撑，使考勤准确率达99%以上，人工复核时间减半。针对传统考勤的数据孤岛、非结构化信息等痛点，实在Agent通过"业务一张图"建模和ISSUT技术
可一到真实协同，问题仍然反复出现：ERP里的供应商名称和SRM不一致，物料编码对不上，采购单位和库存单位不同，合同价格没有同步，仓库到货记录找不到对应订单，质量异常无法回到供应商评价。比如某批材料到货后无法入库，证据包应包含采购订单、供应商发货信息、到货登记、物料主档、批次号、质检状态、仓库扫描记录、合同验收条款和当前责任部门。企业做AI协同时，必须把“可读、可建议、可写回”分开。只有物料、供应商
过去两年大模型的爆发让很多企业看到了AI落地的可能性，但很快就遇到了瓶颈：普通的大模型应用幻觉严重，没法直接用在对准确性要求高的场景；规则驱动的传统AI系统适配性差，换个场景就要重新写几个月的规则；业务流程复杂的场景，单靠生成式AI没法完成全链路的自动化操作。而AI Agent作为大模型原生的智能体，具备感知-记忆-规划-工具调用-执行-反馈的完整闭环，恰好解决了这些痛点，成为了大模型落地垂直领域
校平机（也称矫平机、整平机，英文：Straightening Machine 或 Leveling Machine）是一种用于消除金属板材、带料或型材弯曲、翘曲和内应力的专用机械设备。金属板材在轧制、冲压、激光切割、焊接等加工过程后，往往会因为内应力分布不均匀波浪边（Edge Wave）：板材边缘起伏呈波浪状中间瓢（Center Buckle）：板材中部鼓起凸出翘曲（Warping）：整体或局部向
图形学并非公理化系统，而是由不同抽象层级模型构成的模型集合（Lambert、Phong、Cook-Torrance等），即便基于物理的渲染也仅依赖几何光学近似，已在形式上排除了波动光学与量子电动力学效应。由此确立的规约层主导、呈现层隔离、标称模型临界的方法论秩序，构成了从设计意图到计量评定的严谨认知根基。整个建模—制造—计量过程可划分为三个层级：理论域（连续数学对象，无穷精度）、可计算域（有限精度
相关信息并未经过本网站证实，不对您构成任何投资建议，据此操作，风险自担，以上网页呈现的图片均为自发上传，如发生图片侵权行为与我们无关，如有请直接微信联系g1002718958。我们相信，九昆仑的未来，与地球的未来同频共振；从初创时的筚路蓝缕，到如今的扎实根基，再到绿色蓝图徐徐展开，每一个节点都凝聚着九昆仑人对低碳事业的热忱与坚守。正是因为有了这样坚定的方向与务实的耕耘，九昆仑才能在“碳中和”的时代
截至2025年，三星已在北京、上海、天津、苏州、深圳和西安等地建立了16家生产企业和13家研发中心，在华累计投资额接近567亿美元，在这笔庞大的投资中，尖端产业的投资占比达到了近90%。三星电子此次在全球范围内优化资源配置，不仅是一次务实的商业结构调整，也符合中国当前推动高质量发展、吸引高质量外资的产业导向。三星将更多优势资源集中于半导体、核心电子元器件以及移动通信科技等尖端领域，这种更加聚焦的在
飞秒激光加工提供了物理世界的“像素级”刻画能力，而AI机器人提供了连接物理与数字世界的智能桥梁。“飞秒激光制造机器人，人工智能控制机器人”的双向奔赴，正是下一代智能制造与智能医疗发展的主旋律。对于从业者而言，光学、机械、计算机与生物医学的跨学科协同创新，将是挖掘这一领域潜力的关键所在。
工业CIS线扫相机凭借无畸变、宽幅一体化等优势，成为平板显示、光伏锂电等领域刚需装备。在智能制造升级和国产替代加速驱动下，该赛道进入高景气周期，2023年全球市场规模达15.94亿美元，预计2030年将增至24.62亿美元。国产厂商通过技术突破实现70%国产化率，产品性能已达国际主流水平，并凭借性价比和服务优势快速抢占市场。核心应用场景包括平板显示、光伏新能源等，年增速超30%。未来5年，随着AI
供应商质量评估面临数据分散难题，企业虽有ERP、MES等系统，但各部门数据割裂导致评估效率低下。AI智能体可整合来料检验、生产异常、客户投诉等跨部门数据，建立统一评估体系：1）分析质量稳定性，结合物料批次、工艺条件等维度；2）评估真实交付成本，关联延误对生产计划的影响；3）追踪整改闭环，监控措施执行与复发情况。AI作为证据助手，能呈现供应商分层管理所需的关键证据，但最终决策权仍归企业。该方案特别适
在智能制造与工业大模型时代，智能质量管理（SQMS）中的根因分析（Root Cause Analysis, RCA）已从传统的“事后开会填报、人为推导鱼骨图”的被动管理模式，彻底蜕变为“全域数据穿透、因果图谱推导、机理与AI融合”的秒级全自动异常诊断体系。它是闭环质量控制（CAPA）的“核心大脑”，旨在通过跨工序的长链路数据关联，精准找出引发质量变异的底层物理因子，并自动输出纠偏决策。不要试图一次
2026年的劳动力管理系统选型，本质上是在回答一个问题：企业在排班和劳动力管理这个环节的核心痛点是什么？是把复杂排班规则跑通，还是追求全球化统一治理，抑或是在现有ERP生态内实现数据闭环？不同的答案指向不同的最优解。而从综合能力来看，i人事凭借AI原生架构、智能动态排班和全场景工时追踪能力，以及在制造、零售、连锁餐饮等行业的深厚积累，为希望在中国市场实现劳动力管理数字化升级的中大型企业提供了一个值
在 AIoT 与大模型全面爆发的 2026 年，传统精益研发（如丰田 TDS）中的“同步工程（SE）”和“质量集成（QIP）”正在演变为“AIoT/大模型驱动的敏捷研发蓝图（AIoT & LLM-Driven Agile R&D Blueprint）”。传统研发模式依赖于纸面流程和人类专家的被动协同，而 AI 时代的世界级产品开发，核心在于利用 “数据与机理双驱动、全生命周期自进化、跨域智能体（A
制造流水线仿真图谱方案：从监控到智能推演
关于上面的第三点这里有一个形象的比方：如果把图中央的SAP ERP和周围一圈SAP系统看作一个家族内部的亲戚，它们虽然各管一摊，但用的是同一套语言、守的是同一套家规，要做什么大事，关起门来商量一下就定了。这种从“卖产品”到“卖服务”的模式转变，背后依赖的是云计算的弹性扩展、物联网的实时监控、AI的预测分析——技术不再是支撑工具，而正在成为产品本身。新业务这边，“泵即服务”要求快速迭代、灵活上线，最
为了让你更直观地理解「越权泄露幻觉（OAIDH）」，我们先给它一个生活化的类比在给出「生活化类比」和「问题背景」之后，我们现在给「越权泄露幻觉（OAIDH）」一个正式的、学术化的定义越权泄露幻觉（Over-Authorized Information Disclosure Hallucination, OAIDH）：一种新型的、共生的大模型安全风险，特指在多轮或单轮对话中，用户通过精心设计的对抗性
安全光栅选型实战指南：场景适配是关键 工业安全光栅选型需基于实际场景，而非盲目追求高价。常见误区包括环境干扰、安装角度和响应速度未适配，导致误停机或防护失效。通过场景四维模型（环境、速度、尺寸、逻辑）精准匹配： 环境适配：粉尘环境选用抗干扰对射式光栅，动态调整功率降低误报率； 尺寸与速度：根据操作区域和机械速度选择分辨率（如14mm防护手指），优化安装角度减少盲区； 安全逻辑：分级复位设计（自动恢
人机共同研发系统”（Human-AI Co-Development System, HACDS）是本文提出的核心概念。它指的是一种新型的软件工程和科学研究范式，其中 AI 代理（Agents）承担大部分的执行性工作，而人类专家负责高层的战略决策、价值对齐和质量把关。
（如汽车白车身激光焊、新能源电池转镍点焊、压力容器熔化焊等）的智能检测与故障判断是典型的离散制造强耦合工序。高频流式物理因子)│ (自适应微调焊接电流/激光功率/送丝速度等控制参数)职责：高帧率视觉/红外相机、声发射传感、焊接电流/瞬时功率时序采集。，构建焊接金属件的智能检测（SIS）与质量故障判断系统，核心在于。【云层：中心大脑 (Lakehouse)】 ──。【边层：边缘推理 (Edge AI
在智能制造系统中，贴胶产品（如手机电池贴胶、车载显示屏背胶、新能源电芯包胶、半导体晶圆贴膜）的智能检测与故障判断是典型的离散制造复杂工序。贴胶工艺涉及柔性材料的非线性形变，极易产生气泡、褶皱、漏胶、偏位、溢胶和翘曲等微观缺陷。依托“端-边-云”协同架构与工业大模型，构建贴胶产品的智能检测（SIS）与质量故障判断系统，核心在于“多模态高频感知拦截、小样本合成数据训练、以及知识图谱根因推理”的纵向穿透
在 AI、大模型与工业物联网深度融合的时代，智能检测已从传统的“人工抽检、事后拦截”彻底演变为。统一语义 B2MML 报文) │ (一键 OTA 下发更新后的 AI 模型)职责：多源传感器融合、高精度 3D 视觉、触觉力控、非损检测(NDT)职责：流式高频数据清洗、多模态视觉实时拦截、SPC 趋势预警。职责：大模型离线训练、知识图谱编织、全生命周期质量可追溯。【云层：中心大脑 (Lakehouse
【摘要】制造企业交付延期问题往往源于多部门信息孤岛，而非单一环节失误。AI延期预警的核心价值在于整合销售承诺、生产计划、物料供应、质量检验等关键节点的数据，形成统一风险口径，帮助企业提前识别并分解风险。实施时应优先对齐订单承诺与计划交期，聚焦物料、产能、质量、外协、物流五类核心信号，建立7-14天预警窗口。有效的预警系统需将风险转化为具体任务，形成"预警-确认-调整-复盘"闭环
摩尔元数的MES产品是基于自研的国产化平台摩尔云的新一代平台型开源MES/MOM，利用低代码、微服务、云开发等技术，为制造企业的数字化提供平台化的解决方案和多样化工业软件，支持大型集团化企业的管理运营模式，低代码开源方式，灵活拓展和二开，满足集团化企业未来的需求拓展。随着全球消费电子市场的持续扩张与创新，如智能手机、笔记本电脑、可穿戴设备、无人机、AR/VR设备等，作为其“心脏”的消费类锂电池行业
AI Agent Harness Engineering（AI代理驱动的线束工程）是面向线束全生命周期的智能工程体系，其中质量检测是当前落地最成熟、价值最明确的场景。该方案将多模态感知Agent、规则决策Agent、协同交互Agent、自迭代训练Agent缺陷检测准确率达99.97%，漏检率低于0.01%，满足车规级质量要求单套线束检测时长压缩至15秒，检测效率提升300%可自主适配工艺变更，适配
面向未来，江汽集团愿意以最开放的胸怀，与华为、与产业链上下游结成数智命运的共同体，聚力突破、共克难题，共同打造可复制、可推广的智能工厂的“中国样板”，共同助推中国从“制造大国”迈向“制造强国”的迈进。本次峰会以“跃升行业智能化”为主题，来自汽车、机械电子、医药、重工业、轻工业等制造行业的意见领袖、企业代表、产业伙伴、学者专家600人现场参会，共同探讨AI与制造核心业务深度融合的创新路径，并重磅发布
识别出风险只是第一步，如何处理才是关键。# 模拟：实在Agent 接收到异物报警后的自动化处理逻辑# 1. 语义分析：理解报警类型与严重程度# 2. 跨系统操作：通过ISSUT定位生产系统中的“紧急停机”按钮# 3. 自动溯源：调取该批次原料供应商信息# 4. 闭环反馈：自动生成异常报告并发送至钉钉群组report = f"发现严重异物风险！
2026年化工安全生产AI方案全景分析：随着"人工智能+"深度渗透，化工安全管理正从"经验驱动"转向"数据驱动"。本文系统梳理了四类主流AI方案：1）知识智能体（基于大模型实现规程交互）；2）预测性维护系统（IoT+机器学习）；3）视觉监控AI（计算机视觉）；4）综合预警平台（多源数据融合）。重点分析了实在Agent等产品的技术路径与实战表现，指出选型需关注闭环能力、信创适配等核心维度。文章揭示了
摘要： 2026年电子制造行业AI自动化已实现从单点自动化到系统智能化的跨越，成为企业竞争的核心能力。行业面临精密性与灵活性的双重挑战，AI自动化在缺陷检测、动态排程和数据孤岛破解方面展现优势。主流厂商分为三类：传统工业巨头（如罗克韦尔）擅长硬件层AI控制；ICT厂商（如联想）提供规模化方案；企业级智能体（如实在智能）依托TARS大模型和ISSUT技术，实现跨系统自主决策。核心应用场景包括预测性维
制造
——制造
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
科技大视野开发者社区
AtomGit开源社区
openEuler 社区
EazyDevelop社区
深开鸿 技术专区
AtomGit AI 社区
