- 综合排序
- 最热优先
- 最新优先
工业自动化产线 EtherNetIP 转 TCPIP 协议转换实操方案
欧姆龙PLC与TCP/IP设备协议互通案例——智能网关赋能汽车零部件产线工业物联网升级一、项目背景本次项目落地于国内某大型汽车零部件智能制造工厂，属于工业自动化领域核心高端制造场景，也是工业物联网深度落地的典型赛道 2.数据采集效率低下：原有现场数据依赖人工手抄记录，无专用数据采集器实现自动化采集，数据滞后性强、误差率高，无法支撑产线实时监控、工艺优化与能耗分析，违背工业物联网实时性、精准性核心要求。 四、功能简介本项目核心依托塔讯TX 181-RE-EIS-TCPIP工业网关实现两大核心功能，全面满足产线工业自动化与工业物联网升级需求：1.双向协议转换功能：网关作为专用总线协议转换设备，稳定实现EtherNet 此外，网关具备工业级宽温、抗电磁干扰、防雷浪涌防护特性，支持7×24小时不间断运行，适配汽车零部件产线强电磁、高粉尘的恶劣工况，同时支持本地可视化配置，运维便捷。 搭建完善的工业物联网数据链路，现场数据实时上传至PLC与MES系统，SCADA平台实现产线全维度可视化监控，设备故障提前预警，故障响应时间缩短至5分钟以内，产线停机率降低60%；3.工业自动化管控水平大幅提升
5800编辑于 2026-03-27- 来自专栏后端开发随笔
产线nginx路径跳转问题
问题描述 应用在客户产线环境部署时，要求只需要输入域名就可以直接访问到应用，而不用输入完整的应用访问路径。 项目架构 前端使用nginx作为反向代理和负载均衡，后端部署多个tomcat实例。 2.nginx配置location支持精确匹配。 在nginx中可以通过如上2种方式实现直接通过域名访问应用。
1.3K20发布于 2019-09-11 - 来自专栏HT
新时代智慧工业产线可视化管理——铝型材挤压车间数字孪生
产能情况 一条全自动智能化产线，了解它的产能情况可谓是最重要的，图扑软件通过 2D 可视化技术对接车间相关检测数据，对整条全自动智能化生产线的产能情况进行可视化展现，包含当日产能情况、当日计划量、产品合格率并以柱状图的形式显示近日产量情况 产线概况 为了保证自动化产线持续高效生产，定期对产线设备的维护保养必不可少。 图扑软件接入后台人员录入的相关设备维保信息，通过对设备运行时长持续监测，以二维可视化的形式展现铝型材挤压车间的产线概况，实现对相关自动化设备的定期维护保养，保障自动化产线高效运行。 为了更好地管理产线内各个设备，保障产线持续高效运行，图扑软件接入车间设备温度传感器、状态等信号，实现对设备报警情况和设备状态的实施检测，对于待处理的报警内容按时间倒序在列表上排布，提醒维修人员尽快排查故障 ； 鼠标右键控制相机视角朝向； 总结 随着当今社会经济技术不断发展，各工厂、企业等都在追求使用更智能、便捷的技术，可视化技术作为新时代工业制造领域展示、管理强有力的工具，可以助力厂区管理更加节能高效，早日实现新时代智慧工业产线可视化管理的目标
77620编辑于 2023-03-24 华硕否认将自建DRAM产线
12月27日消息，针对外媒Wccftech所报道的“华硕计划自建DRAM产线”的消息，华硕回应称，没有投入DRAM晶圆厂的计划。 对此，PC大厂华硕计划进军DRAM市场，预计于2026年第二季末之前建设DRAM产线，以来满足旗下产品未来所需。 不过，华硕最新的回应则否认了这一消息。 业内分析认为，投资兴建DRAM晶圆厂至少需耗时2年才能投产，无法解决当前供给问题，且两年后的存储市场的景气与价格也充满不确定性，此时投入巨额资金兴建DRAM晶圆厂的风险极大，并且DRAM技术来源也是一大问题
9410编辑于 2026-03-19传华硕将自建DRAM产线
最新的业内传闻显示，PC 大厂华硕（ASUS）正计划采取一项极具野心的策略，即直接进军DRAM 制造领域，最快将于2026年正式投产，确保其PC产品线的DRAM 供应稳定，摆脱长期以来受制于上游供应商的困境 面对这场长期供应短缺问题，如果DRAM价格与供应量无法在短期内恢复正常，华硕计划将于2026年第二季末前建立专属的DRAM 生产线。 如果这项传闻成真，华硕首要的任务将是优化其自有产品线的供应流程，这涵盖了旗下核心的笔记本电脑与台式机电脑业务。 通过自建生产线，华硕可以避开中间商与市场波动的干扰，为其产品提供更具成本优势的DRAM支持。 尽管华硕是全球头部的PC 大厂，但建立一座专门用于DRAM 制造的工厂依然是一项巨大的挑战。
9310编辑于 2026-03-20- 来自专栏数据猿
全球首个具身智能工业产线落地了
大数据产业创新服务媒体 ——聚焦数据 · 改变商业 智元机器人精灵G2以产线“正式员工”的身份，在20秒节拍的高速流水线上灵活运转，精准完成流水线取料、高精度放置、治具对接、成品回流等全闭环操作。 直播期间，多台具身智能机器人精灵G2融入真实3C作业产线，连续执行2283次精密上下料，成功率100%、故障率0%，每小时可完成310件产品。 8小时真产线实证，智元精灵G2重构3C精密制造作业范式 本次智元机器人与龙旗科技的落地合作，核心聚焦南昌平板制造工厂MMIT测试工站。 智元机器人以无剪辑、无预演、全透明的方式，直播精灵G2在该工站连续8小时真实产线作业，用工业级实战数据刷新了行业认知。 而精灵G2凭借具身智能优势，无需定制专用工装即可适配多型号平板产品；场景标定最快仅需5分钟，产线换型重训不超过4小时，设备复用率高达95%。
2000编辑于 2026-04-17 - 来自专栏工业科技1
产线改造的热门选择——数字孪生技术
为确保改造后的生产线能够满足生产需求，可以对产线进行改造。数字孪生仿真是产线改造的一个比较热门的选择，利用虚拟仿真技术对生产线的布局、工艺路径、物流等进行预规划。 从实际的物理生产过程来看，生产线仿真是实现虚拟生产线和预测产能的重要决策依据。 将数字孪生技术应用于生产过程全寿命周期管理，构建面向生产过程的孪生模型，全方位、多角度的模拟物理空间运行逻辑和行为策略，与产线各阶段深度融合，可以实现生产过程全方位管控和优化。 2.孪生数据采集与传输。车间存在众多来自不同厂商的各类产品与设备，不同设备的接入方式、数据类型与格式均不相同。为保证孪生模型与物理实体的实时映射，须有安全且稳定的数据采集及传输方式。 数字孪生车间作为一种车间运行新模式，对实现工业4.0、工业互联网、云制造、中国制造2025等先进制造模式和战略具有重要的推动作用，同时也开启了全新的智能生产时代。忽米网——让工业更有智慧
61420编辑于 2022-08-12 - 来自专栏燧机科技-视频AI智能分析
车间产线生产作业流程AI监测系统
本文介绍一种兼容现有车间监控的AI监测系统，通过“目标检测 + 动作基元提取 + 规则化时序校验”技术路径，在边缘侧实现对典型操作错误的实时识别，并探讨其在真实产线中的落地边界。 2025年Q4在某家电组装线实测中，因反光、多人交叉、遮挡等因素，有效检出率约为79%，误报率约6次/千工时（主要源于相似动作混淆，如“整理线缆”误判为“插装完成”）。 三、部署优势与现实约束利旧现有摄像头：无需新增传感器或要求员工佩戴设备；低侵入性：员工按正常流程操作，无额外负担；局限性：无法识别内部电气连接是否可靠；小零件（<2cm）在远距离下难以稳定检测；强背光或蒸汽环境下性能下降 年市场估算）；视频流在边缘处理，原始图像不出车间，符合《个人信息保护法》及GDPR相关精神；系统仅为防错辅助工具，不替代质检员终检；五、未来演进方向融合RFID/NFC物料追踪，提升小件识别可靠性；构建产线自适应模型 产线作业监测系统通过结构化规则与多模态感知，在保障效率的同时，为质量管理提供客观数据支撑。这正是工业AI务实落地的核心逻辑：在可控边界内，解决确定问题。
40510编辑于 2026-01-20 - 来自专栏燧机科技-视频AI智能分析
AI产线作业合规监测系统方案
一、引言 我国制造业规模以上工业企业超50万家（《2026年中国工业经济运行报告》），产线作业合规性问题导致的质量损失占比达25%（实验室抽样数据）、安全事故中68%源于违规操作，传统人工巡检存在覆盖率不足 系统已在某3C电子厂（15条SMT产线）部署，违规操作拦截率提升90%，单线产能利用率提高15%，为制造业合规生产提供“检测-预警-分析-改进”全链条技术支撑。 （二）算法层核心设计 YOLOv12关键目标检测优化 针对产线“小目标工具（如0.5mm元件）、动态遮挡（工件传递）、复杂背景（金属反光）”问题，优化模型结构与训练策略： # YOLOv12模型配置（ 310芯片、统信UOS系统的兼容性测试，满足工业信创要求。 AI产线作业合规监测系统方案基于YOLOv12+RNN深度学习算法，AI产线作业合规监测系统方案通过集成AI大模型，利用前沿的神经网络建模推理，将人体关键部位骨略点与关键动作目标点相结合进行深度逻辑判定
38810编辑于 2026-01-12 - 来自专栏ElecDeveloper
一个RF产线校准小工具
http://mpvideo.qpic.cn/0bc3riabgaaayqaa2btrlfrfbcwdcofaaeya.f10002.mp4? 而且工厂也有几个， 原计划是招打辅助的兄弟帮忙跟产线， 但最近配置紧张泡汤了。 又鉴于每次工艺人员补线损， 没有标准化的流程和精确（≤0.5dB）的方式。 于是想根据产线仪器类型和模组方案特性， 写个LOSS补偿工具。 于是， 一个产线员工都可操作的傻瓜式工具， 诞生了： 为了便于后期集成其他插件工具： 我将它扔到串口工具下面， 快捷键是：F1。 使用也很简单， 连键盘都不需要， 一顿点点点就能完成产线射频校准。 至少可以解放脑子以便更好盯盘 亲测首版还是比较好用的， 慢慢优化。
53620编辑于 2022-09-22 - 来自专栏燧机科技-视频AI智能分析
基于AI的智慧工厂产线安全监测方案
本文介绍一种兼容现有车间监控的边缘AI系统，通过“目标检测 + 人体姿态估计 + 规则化时序分析”技术路径，在保障员工隐私前提下，实现对典型操作偏差的辅助识别与工序级工时统计，并探讨其在真实产线中的落地边界 2025年Q4在某家电组装线实测中，因反光、多人交叉、遮挡等因素，有效检出率约为77%，误报率约7次/千工时（主要源于“整理线缆”误判为“插装完成”）。 三、部署优势与现实约束利旧现有摄像头：无需新增传感器或要求员工佩戴设备；低侵入性：员工按正常流程操作，无额外负担；局限性：无法识别内部电气连接是否可靠；小零件（<2cm）在远距离下难以稳定检测；强背光或蒸汽环境下性能下降 五、未来演进方向融合RFID/NFC物料追踪，提升小件识别可靠性；构建产线自适应模型，自动学习新SOP；与MES系统联动，实现“错误预警-停线建议-培训推送”闭环。 产线操作监测系统通过结构化规则与多模态感知，在保障效率的同时，为质量管理与流程优化提供客观数据支撑。这正是工业AI务实落地的核心逻辑：在可控边界内，解决确定问题，服务人的决策。
36910编辑于 2026-01-21 - 来自专栏燧机科技-视频AI智能分析
车间产线工人动作行为识别系统
一、引言 我国制造业规模以上工业企业超50万家（《2026年中国工业经济发展报告》），车间产线面临动作不规范导致不良率占比达28%（实验室抽样数据）、人工质检覆盖率＜40%、安全事故中70%源于违规操作等痛点 系统已在某汽车零部件厂（12条产线）部署，不良率下降62%，单工位效率提升18%，为工业数字化转型提供“动作合规-质量管控-安全预警”全链条技术支撑。 云端管理平台 实时3D产线数字孪生：映射各工位动作状态（如红色闪烁标识违规工位）； 自动生成结构化分析报告（含动作合规率趋势、高频违规类型、效率瓶颈工位），通过OPC UA协议对接MES系统，实现“识别 四、实测数据与效果 指标实验室数据（NVIDIA A100）实测数据（某汽车零部件厂12条产线）动作识别精度95.2%92.7%违规操作检测率98.1%95.3%平均响应时间0.43s0.57s单工位效率提升 车间产线工人动作行为识别系统通过集成AI大模型，车间产线工人动作行为识别系统可以检测员工的工作质量，防止错误的操作引发质量问题；可以识别工人操作的速度和准确性，及时调整工人的工作方式以提高生产效率；可以监测生产过程中的关键环节
49310编辑于 2026-01-12 台积电2nm产线将剔除中国大陆设备！
这也意味着，台积电将不会在其最新的2nm晶圆厂中使用中国大陆厂商供应的芯片制造设备。根据计划，台积电将会在今年年底前在新竹的2nm晶圆厂率先量产2nm，随后高雄2nm晶圆厂也将会量产。 目前，台积电在美国亚利桑那州建设的第三座晶圆厂也计划生产2nm晶圆。 中国台湾及美国2nm产线将剔除大陆设备 消息人士告诉《日经亚洲》，大约一年前，台积电的目标是将其于2022年在中国台湾投入量产的 3nm 制程技术上剔除中国大陆供应的半导体设备，因为台积电计划将3nm制程的生产带到美国亚利桑那州 至少两家大陆设备厂受影响 台积电早期先进制程芯片生产线中使用了一些中国半导体设备商供应的设备，其中包括中微公司（AMEC） 的蚀刻设备，以及由屹唐半导体控股的 Mattson Technology的相关设备 此前的公开信息显示，中微公司的半导体刻蚀设备已经进入台积电3nm产线。 （相关文章：中微公司尹志尧：将持续聚焦高端、填补薄弱环节，不惧友商竞争！）
27010编辑于 2026-03-20AR技术辅助装配，打造智能化产线
在元幂境看来，随着工业4.0和智能制造的深入推进，越来越多的制造企业开始探索先进技术与传统工艺的融合路径。 其中，增强现实（AR）技术以其可视化、交互性强、信息融合等优势，在装配环节的应用日益广泛，正在重塑传统产线，助力企业实现降本增效、提质提速的目标。 三、打造智能产线的未来图景 在元幂境看来，将AR与AI识别、物联网传感、边缘计算等技术融合，未来的智能化产线将不仅是可视化操作平台，更是具备决策、预测与自我优化能力的“智慧工厂大脑”。 国内也有不少企业积极跟进，利用AR技术打造符合自身需求的智能产线解决方案。 结尾： 在元幂境看来，AR技术正逐步从概念走向成熟应用，其在装配环节的落地，成为推动制造业智能化转型的重要一环。
20810编辑于 2025-09-23- 来自专栏燧机科技-视频AI智能分析
工厂产线SOP防错防漏识别监测系统
随着工业4.0的深入，工厂产线SOP防错防漏识别监测系统正成为智能制造的关键基础设施。 边缘计算与低延迟响应为满足产线节拍（Takt Time）要求，算法通常部署在边缘计算节点（Edge AI Box）。 三、系统架构：端边云协同与数据闭环成熟的工厂产线SOP防错防漏识别监测系统采用分层架构，兼顾实时性与数据价值挖掘：感知层：部署高清工业相机或复用现有监控资源，覆盖关键工位。 鼓励一线员工反馈误报情况，技术团队定期采集新数据对模型进行增量训练，适应产线变更与人员流动。 六、结语工厂产线SOP防错防漏识别监测系统的应用，标志着制造业质量管理从“依赖人的自觉性”向“依靠数据的确定性”转变。
48310编辑于 2026-03-08 智联未来：EtherCAT+DeviceNet重塑包装产线
智联未来：EtherCAT+DeviceNet重塑包装产线 1. 项目背景与系统概述 随着工业自动化水平的不断提升，包装机械产线的高效集成与稳定运行成为提高生产效率的关键。 在某食品包装产线升级项目中，原有控制系统基于传统的DeviceNet网络，但由于设备扩展和实时性需求提升，部分新设备采用了高性能的EtherCAT通信协议。 2. 总结 本项目通过疆鸿智能EtherCAT到DeviceNet的协议转换，成功实现了包装机产线中异构网络的集成。 该方案不仅提高了产线的设备兼容性和扩展性，也为传统制造企业的自动化升级提供了实用路径。未来，随着工业通信技术的演进，柔性化与模块化的网络架构将成为产线集成的重要方向。
27410编辑于 2025-08-26- 来自专栏人工智能
工业机器人中的计算机视觉质检系统：从算法到产线落地的全流程指南
工业机器人中的计算机视觉质检系统：从算法到产线落地的全流程指南摘要本文面向工业自动化研发、部署与运维人员，系统拆解一条基于深度学习的工业机器人质检系统的“算法–部署–运维”闭环。 内容包括： 工业场景下视觉质检的独特挑战 端到端系统架构设计 基于 PyTorch 的缺陷检测模型（实例分割 + 异常检测）完整训练代码 基于 NVIDIA DeepStream + ROS 2 的产线推理管线 与 ABB/Yaskawa 机器人控制器的实时通信 模型漂移监控与持续学习策略undefined所有代码均可在 GitHub（MIT License）开箱即用，并附带 Dockerfile F -->|Modbus| G[产线MES]相机帧率：200 kHz（线阵） Jetson 算力：200 TOPS INT8（TensorRT） 2.2 软件栈层级技术选型理由OSUbuntu 22.04 性能实测与踩坑记录指标实验室产线优化手段端到端延迟180 ms42 msTensorRT INT8 + DeepStream 批处理漏检率120 ppm35 ppm主动学习新增 300 张罕见缺陷MTBF7
49710编辑于 2025-08-03 - 来自专栏kubernetes中文社区
产线环境 Kubernetes 集群被入侵挖矿排查思路
近期遇到了一次我们自建Kubernetes集群中某台机器被入侵挖矿, 后续也找到了原因, 所幸只是用来挖矿…
1.1K40发布于 2021-11-12 - 来自专栏啄木鸟软件测试
AI驱动测试落地：从概念到产线实战
本文不谈玄虚算法，而是聚焦真实产线——深度拆解AI驱动测试从实验室走向持续交付流水线的关键路径、典型陷阱与可复用实践框架。 2. 场景：聚焦‘高ROI、低容错’痛点切入 盲目追求全覆盖易陷入技术内卷。 文字截断、色彩失真，替代原需23人天/版本的手动截图比对； - 接口模糊测试增强：在支付网关压测中，AI生成符合OpenAPI Schema但含边界扰动（如时间戳溢出、金额精度异常）的请求序列，两周内发现2个潜在资金安全漏洞
22210编辑于 2026-03-31 - 来自专栏AIoT技术交流、分享
汽车ECU产线烧录和检测软件怎么做？
汽车ECU（Electronic Control Unit，电子控制单元）产线烧录和检测软件的作用是确保每个生产出来的ECU能够在实际车辆上正常工作。 汽车ECU产线烧录和检测软件的主要作用包括： 固件烧录：将合适的固件程序写入每个ECU，使其具备控制车辆特定功能的能力。例如，发动机控制、制动系统控制、空调控制等不同功能模块都有特定的ECU。 2、功能检测流程 在烧录完成后，软件自动对ECU的各项功能进行测试，确保硬件与软件的结合能正常工作。 启动ECU的自检功能，检查其内存、电源、通信接口等是否正常工作。 6、产线中的工作流程 操作员将ECU放置在产线测试工位上。 软件自动识别ECU，并读取其相关信息。 操作员选择固件或系统自动匹配固件，并启动烧录过程。 固件烧录完成后，软件自动执行功能检测。 通过这个流程和架构，汽车ECU产线烧录和检测软件可以高效、准确地完成ECU的烧录和检测任务，确保每台ECU都符合质量标准。
72400编辑于 2024-12-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号