电气故障处理AI问答系统
钢铁行业围绕设备运维与预测性维护开展AI能力建设。案例所对应的核心矛盾是:该系统通过智能学习和知识管理,不断优化和更新电气故障排查方案,当值班人员需要查询故障处理方法时,该系统可基于钉钉权限管控范围内,生成当前故障案例知识库的专属模型,快速识别和理解用户提出的故障问题,并给出针对性的故障解决办法。
持续关注这一领域的实践与变化。
钢铁行业围绕设备运维与预测性维护开展AI能力建设。案例所对应的核心矛盾是:该系统通过智能学习和知识管理,不断优化和更新电气故障排查方案,当值班人员需要查询故障处理方法时,该系统可基于钉钉权限管控范围内,生成当前故障案例知识库的专属模型,快速识别和理解用户提出的故障问题,并给出针对性的故障解决办法。
某能源与公用事业企业(原材料未明确披露名称)围绕工艺优化与能源管理开展AI能力建设。案例所对应的核心矛盾是:次停机事情:2018年,有一次生产车间用气量突然增大,空压机运行数量少、管网气压变低,导致部分设备保护停机。方案侧的关键做法是::建设了很多能源管控驾驶舱:多系统集成监控:通过一块大屏幕,就能掌握站房内所有设备和仪器仪表的数据,不再需要人工巡检。
某电子与半导体企业(原材料未明确披露名称)围绕视觉质检开展AI能力建设。案例所对应的核心矛盾是:利用高可靠的技术能力和5G的低延迟,可以及时获取产线边缘端视觉检测设备暂停或停止信号,将问题出现到发现再到停机的时间降到最低,通过机器视觉自动智能检测替代人工,可靠保障产品出厂品质。方案侧的关键做法是:创维采用5G+AI的技术模式,自主研发机器视觉检测装置,从电视机制造前端到末端共推出了22个品类300多台视觉检测设备。
某装备制造企业(原材料未明确披露名称)围绕安全生产与智能巡检开展AI能力建设。案例所对应的核心矛盾是:资料分享:传统安全警示材料有人工制作, 制作周期长,人工成本高,难以满足快速灵活的生产安全需要。方案侧的关键做法是:企业希望构建安全管理的系统模型,通过生产系统安全场景Agent来实现基于危险源风险识别,岗前教育和事故教育,帮助某钢铁集团提升员工安全意识, 真正做到了全员参与危险源识别活动,提高人的意识和技能。
某汽车与零部件企业(原材料未明确披露名称)围绕设备运维与预测性维护开展AI能力建设。案例所对应的核心矛盾是:在巡检运维、定期维护等相关工作上投入大量的人工,为此每年投入巨大且效果欠佳,由此还制约着企业未来的转型和发展。方案侧的关键做法是:建立设备维修知识资产管理和模型管理,集中管理企业业务数据、文档知识库、标注数据、提示词等资产,并通过经验沉淀和使用反馈等方式实现对知识的更新、维护及优化。
某装备制造企业(原材料未明确披露名称)围绕生产计划与智能调度开展AI能力建设。案例所对应的核心矛盾是:计划员凭经验排程,效率、质量与可复制性受限。方案侧的关键做法是:优化系统基于“运筹学”的算法,在极短时间内计算巨量数据进行最优求解,拉通运算,同时得出生产及采购需求。当前材料可确认的结果为:材料尚未披露可独立核验的量化结果。
某电子与半导体企业(原材料未明确披露名称)围绕工艺优化与能源管理开展AI能力建设。案例所对应的核心矛盾是:厂务子系统众多,各自孤立运行且就地管理,设备运维保养工作依赖大量人力和财力投入。方案侧的关键做法是:用能效率低:各厂各系统各班组能耗目前是一本“糊涂”账,缺乏精细化管理,急需引入能源绩效管理,降低用能成本。当前材料可确认的结果为:节能节费:综合能耗降低10%、综合成本减少6%。
某医药与生命科学企业(原材料未明确披露名称)围绕设备运维与预测性维护开展AI能力建设。案例所对应的核心矛盾是:制造企业生产的水轮发电机组,设备体积大、配件多、配件生产周期长,故障停机损失大等客观问题,给设备的安装、设备的运维管理带来众多难题。方案侧的关键做法是:使用数字孪生技术与设备智能诊断系统的数据集成,构建设备零部件三维模型,实现与设备智能诊断系统后端应用的集成和调试验证。
某装备制造企业(原材料未明确披露名称)围绕设备运维与预测性维护开展AI能力建设。案例所对应的核心矛盾是:人工智能系统采用的神经网络是根据加工中遇到的各种常见几何形状进行训练的。方案侧的关键做法是:根据德勤公司的相关调查显示,近 70% 采用智能的制造商已经或打算部署支持 AI 的自动化以提高其运营效率。
天奇股份围绕知识管理与智能问答开展AI能力建设。案例所对应的核心矛盾是:据的访问和分析困难:数据分析需求需要专业人士提 供,企业无法获得实时的数据分析和报表。方案侧的关键做法是:建设专属知识库:针对客户文档类知识可实现自助上传分类,利用向量数据库实现文档切分管理, 各类数据库通过地址链接实现直接自然语言对话查询。当前材料可确认的结果为:提高了员工知识查询效率:员工知识查询效率,从平均10分钟的查询时间缩短到1分钟之内。
某电子与半导体企业(原材料未明确披露名称)围绕研发设计与工程智能开展AI能力建设。案例所对应的核心矛盾是:从研发设计的角度,我们认为惠普Z4 G5台式工作站可以支持我们更好的完成电机工艺设计和实验,把产品质量和可靠性等问题解决。方案侧的关键做法是:通过使用惠普Z4 G5台式工作站这种具备高算力的硬件设备,利用AI通过智能算法自动调整设计参数,满足产品结构优化的多重目标。
视比特围绕视觉质检开展AI能力建设。案例所对应的核心矛盾是:其中工件切割下料分拣是重工生产线中重要一环,长期以来依赖人工作业完成,不仅生产效率低而且人力成本大,同时恶劣的工作环境存在极大的安全隐患,由机器人替代人工完成智能化升级改造已迫在眉睫。方案侧的关键做法是:该项目采用多台激光切割机及等离子切割机于一体的柔性混合分拣产线,在 节约全人工模式数十人 的情况下,分拣产能 提升400% 。