登录社区云，与社区用户共同成长
邀请您加入社区
工业仪表检测面临人工巡检效率低、成本高等痛点。本文基于YOLOv8提出自动化解决方案，系统讲解从数据标注到模型部署的全流程。YOLOv8凭借多尺度检测优势和小目标识别能力，可有效应对工业场景中的仪表定位与分类。文章详细介绍数据增强策略、模型训练调优方法，并扩展仪表读数识别技术。最后探讨TensorRT加速等优化手段，为工业智能化转型提供实践指导。
Altair 离散元法仿真综合解决方案 Altair® EDEM™，为食品加工企业提供了优化工艺参数所需的关键信息，可最大限度减少结块、离析与磨损问题，并在更换配料、调整配方或切换不同供应商的原材料时提供技术支持。该解决方案广泛应用于各类形状颗粒物料（从谷物到大宗粉末）的精准仿真，为食品加工全流程的各类操作与工艺提供深度洞察 —— 涵盖物料输送（螺旋输送、流化床、气力输送、料斗、传送带）、混合、粉
【摘要】工厂亟需"设备能力管理系统"(ECMS)解决五大核心问题：设备数据碎片化、选型依赖经验、能力版本缺失、可用性脱节及AI应用边界模糊。ECMS作为智能制造的基础设施，构建统一的设备能力语义基座，实现"能做什么+做到什么程度+现在能不能做"的标准化表达。
1. iRVision 2.5D 视觉堆垛视觉堆垛程序通过相机视野内目标比例的变化来估算目标的高度并引导机器人的运动补偿目标的偏移，不但包括X轴，Y轴和X-Y平面旋转度R，也同时包括Z轴。使用iRVision 2.5D允许机器人只借助一个普通2D相机来拾取码放堆集的目标。2. iRVision 视觉堆垛程序_1 （从寄存器R提取Z轴偏移）此功能通过视觉计算寻找目标的2D位置和指...
摘要：生成式人工智能(GenAI)正在重塑制造业格局，成为提升盈利能力的核心驱动力。面对近年来生产率增速放缓(2010年后仅11%)与人力成本飙升(22%)的困境，GenAI展现出通过优化、自动化和创新应用逆转颓势的潜力。研究表明，GenAI可覆盖45个工业制造场景，主要聚焦流程优化与成本削减，尤其在运营费用方面效果显著。企业需构建数据底座、明确战略蓝图并建立治理框架，才能充分发挥GenAI价值。
摘要：本文聚焦于智能制造领域，详细阐述了云平台产品中运用OPC UA协议进行数据采集的典型场景。以数控机床（CNC）、PLC与MES系统间的实时数据交换为例，介绍了OPC UA协议的特点，包括支持语义化数据模型、安全通信以及跨厂区数据汇聚至云平台等。同时，给出了从设备OPC UA Server到边缘网关再到云端OPC UA Client的数据流实现方案，包含详细的实操流程和完整代码示例，帮助读者深
摘要：本文聚焦于智能制造领域中 CANopen 协议在运动控制设备数据采集的应用，以 AGV 小车和伺服驱动器状态监测为具体场景展开。详细介绍了 CANopen 协议的特点，如 PDO 快速传输和 SDO 参数配置，阐述了通过 CAN 转以太网网关接入云端的方法，以及如何采集电机转速、位置反馈和故障日志等数据。给出了从环境搭建到代码实现的完整实操流程，包含 C++ 编写的通讯协议驱动代码和 Jav
高性能计算（HPC）领域的创新，往往在幕后悄然发生。算法、工作流与自动化技术的渐进式优化，日积月累终成显著突破。这些改进或许并非一目了然，却能精简运营流程、减少瓶颈阻碍，让研究人员与管理人员得以专注探索创新，而非耗费精力于系统维护。随着人工智能驱动方案的介入，下一次飞跃已然来临——具备自主适应、优化与决策能力的系统，正不断放大这份“隐形的创新力量”。
本文整理了关于数字化工厂和MES系统的系列文章，涵盖多个核心主题：包括MES与PLC控制权划分、物料主数据设计、业务顾问方案、系统集成技巧、AI在质量分析中的应用等。文章提供了数字化工厂建设的实战指南，涉及项目启动、需求调研、标准体系构建、系统对接策略等内容。特别强调通过电子记录追溯提升质量管理，以及IoT技术在产线实践中的具体应用。这些内容为制造企业数字化转型提供了从战略规划到落地实施的全方位参
工业互联网是以数字化为基础，网络化为支撑，智能化为目标。通过物联网技术对工业制造过程中的人、物、环境和过程实施对象数字化，将数据通过网络实现数据的价值流动，以数据为生产要素，以数据的智能分析为基础，实现智能决策和智能控制，实现智能优化和智慧化运营，创造经济价值和社会价值。数据是工业互联网的一种最重要的生产要素。一个工厂每天的数据以TB计算，但本质上，这些数据具有“多”、“杂”等特点，良莠不齐。..
通过 UE5 开发的汽车零配件加工厂数字孪生系统，能够实现对生产过程的全面监控、优化和预测，提高工厂的智能化水平和竞争力，为汽车零配件加工行业的数字化转型提供有力支持。
流程再造不是简单的效率优化，而是通过解构传统作业模式，重建以客户价值为中心、以数据为纽带的新型运营体系。追溯发现，线下门店的盘点流程存在14种非标操作，导致数据源头失真。根据麦肯锡数据，83% 的企业数字化转型失败案例中，流程冗余或低效是核心障碍。例如，某汽车零部件厂直接引入工业机器人，但因生产线节拍未优化，导致设备闲置率高达 40%。例如，某制造业企业在引入ERP系统时发现，原有采购流程涉及23
该模式以supOS工厂操作系统为统一底座，建设行业工业互联网平台形成“1+N”平台体系，挖掘行业数字化改造“共性+个性”需求，打造“平台+APPs”轻量化、标准化、模块化产品组合，实施“N”共性需求加“X”个性需求相结合的改造模式，从而批量化、大规模推动中小企业数字化转型升级。在仓储管理模块，减少了大量的数据追溯统计，盲目找料成本，提升了库存准确率；同时，蓝卓也在积极探索行业互联网平台的更多能力，
AI技术正在重塑设备管理模式，推动从被动维护向智能预测转型。通过物联网数据采集和机器学习算法，AI实现了设备状态实时监测、故障预测性维护、智能诊断和能效优化四大核心应用。实践案例显示，AI赋能使设备停机率降低30%，运维成本下降20%。未来AI与行业知识的深度融合将持续提升设备管理的智能化水平，成为企业降本增效的关键抓手。
文心一言通过本地化部署，在智能制造质检中实现多模态数据融合与语义级缺陷判定，提升检测效率与准确性，支持边缘-云协同架构和知识图谱驱动的智能推理。
数据治理是基础：建立涵盖28个数据字典的统一标准模型迭代策略：采用"80%仿真+20%实测"的快速验证模式人机协同机制：开发异常状态分级响应系统（自动处理L1-L2级报警）
DeepSeek模型融合CNN与Transformer，通过多模态感知和轻量化设计实现高效工业质检，支持表面缺陷检测、尺寸测量与装配验证，已在消费电子、新能源等领域落地应用。
如果是需要全局资源管理，那么ERP系统则是更好的选择...只有这样，企业才能根据这些明确的需求和目标，选择最适合自己的系统，才能真正的上对系统，落到实处，为企业降本增效。通过与MES和ERP系统集成，企业能够实现产品设计数据的管理与共享，减少产品设计中的错误和重复工作，缩短产品的开发时间，升产品质量并实现可追溯性。销售部，采购部，生产部之间的沟通存在问题，会导致生产不及时，原料缺失，更有甚者，如果
生产与销售业务链接--如何找到有效的产销链接方式生产计划--制定生产计划的内涵、条件及标准生产计划制定技巧--熟悉工艺、顺排、减少换单生产异常对策--及时处理，快速应对生产业绩评价--分析指标及绩效改进；滚动式生产计划(给生产计划留余量，比如印刷多排1-2单/班,防止意外)主动生产计划与市场销售部进行“销售预估”，以平衡淡旺季产能主生产计划生产指令与工程技术部门的多部门相互配合协同。：管控是指对生
SEMI标准是微电子行业智能制造的关键技术规范体系，涵盖通信协议、设备控制、数据采集、过程诊断等核心领域。该标准计划始于SECS/GEM设备通信标准，现已发展为包含150多项技术规范的完整体系，涉及半导体、PCB、光伏等多个行业。典型标准包括SECS-I/E4（通信协议）、GEM/E30（设备控制模型）、EDA/E164（数据采集）等，为智能制造提供统一的设备互联、数据交换和自动化控制框架。这些标
对此，物通博联通过多次实地调研与项目合作，推出农村污水智能监控管理系统，依托物联网和数据采集技术，对全国各地监测范围内的农村生活污水处理设备运行状态进行实时监控，在线查看水泵启停、水压、水质等信息并及时控制，节约运维成本，保证设备安全可靠的稳定，提高污水处理效率。通过监控平台可以随时查看流量、PH值、水压、电压及设备运行状态，通过5G/4G/WIFI/以太网等方式进行通信，实现设备远程监控、故障报
智能制造工厂是当今工业领域的一个重要趋势，它将传统的生产模式与现代信息技术相结合，实现了生产过程的智能化和自动化。SCADA是一种监控与数据采集系统，广泛应用于工业自动化领域，它通过传感器、控制器和网络等设备，实时采集、传输和处理工厂生产过程中的数据，实现了对生产过程的实时监控、控制和管理，帮助企业实现更高效、智能和可持续的生产，因此在智能制造工厂中扮演着关键角色。本文旨在探讨智能制造工厂中SCA
DeepSeek通过大模型技术实现智能制造质检的多模态感知、小样本学习与边缘部署，覆盖电子、汽车、纺织等行业，提升检测精度与效率。
欢迎有机械设计制造及自动化、机械电子工程、智能制造、航空宇航制造工程、材料科学与工程、自动化、计算机、人工智能、大数据工程、电气工程等相关背景的大三、大四、研究生各年级同学及在职人士加入了解！宣讲会详情：https://mp.weixin.qq.com/s/mXSzUAgvS27tT1qg8d88Eg。报名链接：https://www.wjx.top/vm/eJ1jUnB.aspx。时间：2025
谷歌Gemini通过多模态AI与本地化部署，实现智能制造质检的高效、低延迟与高安全，支持缺陷识别、工艺优化与预测性维护，提升检测准确率并降低运营成本。
谷歌Gemini通过多模态融合与智能推理，实现制造业质检的高效缺陷识别与持续优化，支持边缘部署与跨场景自适应。
智能制造俨然成为新的工业革命的象征，将信息技术与制造业的融合对于制造产业影响深远，正逐步形成新的生产方式、产业形态、商业模式和经济增长点。 中国推出自己的智能制造概念-中国制造2025，遥相呼应德国的“工业4.0”。与其他国家相比，有世界“制造中心”之称的中国，拥有数百万家工厂，机器设备更是多达数十亿台。与此同时，中国还拥有全世界最多的电子设备，包括很多传感器和其他电子设备，这将共同构成工业
从我专业的角度来看：一、自己人开发相对可定制性要求高、可随时根据需求进行调整；二、自己人沟通起来更方便，熟悉业务，即使不熟悉业务，自己人沟通起来也相对没有隔阂；三、不用一起始投入大量资金，可以一边做一边看，如果太久没有成果，可以及时叫停，不用一次性将成本全部付出去；四、如果成功，对企业的提质牵增效会起到决定性的作用，对建设现代化智能制造、流程标准化个来具有革命性的作用；五、如果内部使用成功，可以向
LLaMA2在智能制造中通过语义理解与推理优化生产调度，实现降本增效。其融合知识图谱、自然语言处理与运筹学，构建可解释、自适应的智能决策系统，支持多场景动态排程与跨系统协同。
博客系统阐述了Anthropic的Claude大模型在智能制造质检中的应用，涵盖技术原理、系统架构、实战案例与持续优化机制，突出其在缺陷识别、因果推理和可解释性方面的优势。
在目前，事实证明很多的制造企业在智能制造建设上已经卓有成效，通过智能工厂规划，融合自动化和信息化进行升级，打造为数字化智能工厂给企业带来了丰厚的经济价值和社会价值。对于大企业来说资本雄厚，面对智能制造有先行一步的优势，可面对智能制造这样一个复杂的系统工程，但想要带领庞大的企业通过转型升级，提高企业运营效率和市场竞争力也绝非易事。而对于小微企来说，推进智能制造也存在着不少问题和困难，这让很多小微企业
DeepSeek基于深度学习与多模态感知技术，构建智能制造质检自动化系统，涵盖模型设计、工程部署及跨行业应用，实现高精度缺陷检测与实时质量控制。
本文探讨Stable Diffusion在智能制造质检中的应用，基于潜在扩散模型实现无监督异常检测，结合ControlNet与条件编码提升精度，并通过轻量化部署于产线，显著提高缺陷召回率并降低误报。
LLaMA 2在智能制造质检中实现语义理解、缺陷自动分析与决策支持，通过知识图谱、RAG架构和轻量化部署推动质量管控智能化。
随着智能制造的不断深入，企业正逐步迈向一个更高效、更智能的生产新时代。本文通过四个层面的探讨，揭示了智能制造落地的丰富效果与实施策略。从端到端集成的互联互通，到数字化和数据化的深化应用，再到大数据分析的智能决策，以及数据闭环管理的持续优化，每一步都是企业数字化转型的关键。
智能制造
——智能制造
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
九章云极普惠算力
2048 AI社区
北京朝阳AI社区
深开鸿 技术专区
永洪数据分析社区
曙光工业编程平台sugonri
