基于“高精度多維度現場感知”、“工藝機理&算法深度融合”等核心技術
為離散和流程制造企業提供從點、到線、到面的整體解決方案
聚焦重點行業/關鍵設備
促進人工智能與多種核心行業的深度融合，“提供數據賦能、算法賦能、知識賦能”。
背景
無法對生產異常精準及時捕捉，導致產品批量異常。生產狀態無法進行高效
追蹤管理，產品質量波動生產成本太高。
成果
現場從300+檢測點減少到50個，降低了客戶70%升級成本，降低嚴重異常96% ，
異常產品減少90%，產品不良率下降78%。
背景
目前設備停故障停機損失較大，主要依賴計劃檢修，信息化手段不足，各個生產
基地的數字化水亞差異很大，無統一化管理
成果
基于多傳感器多數據源融合+AI算法，涵蓋振動、超聲、溫度、油品多種數據采集
與分析，精準識別早期故障實現預測性運維
背景
該風場采用點巡檢模式，通過停機的方式對其進行診斷，66臺風機需要耗時
3個月時間。點巡檢效率低下，浪費大量的巡檢人力，人工成本高昂。點巡
檢質量較差，經常性出現漏檢和過檢的情況。
成果
成功發現7臺異常機組。1臺軸承脫落，2臺齒輪膠合，4臺前中期軸承磨損，
及時進行停機維修，減少維修時間約20%。
背景：
全球首創“全生物可降解PGA”工業示范項目，對于源頭減碳意義重大
目前收率不穩定，工藝操作復雜，無法實現及時調整優化
方案：
通過各操作單元的工藝建模、預測分析、優化控制等相關智能化應用設計，最終實現全流程智能化提升，改善產品收率以及智能化安全生產水平。
背景：
新能源電池多工序制造工藝參數調節復雜，跨環節風險傳遞與產能不匹配現象，嚴重制約整體生產制造能力
方案：
基于全流程建模識別產能瓶頸、設備效能、生產效率等問題，實現整體OEE水平，生產智能化能力提升
