- 综合排序
- 最热优先
- 最新优先
- 来自专栏智能制造预测性维护与大数据应用
QCS||以生产测试与品质管理系统助力智能工厂生产流程优化
构建自动化生产测试系统，通过分析生产测试系统的各类数据优化生产过程，持续提升产品品质，降低管理成本是当前工业4.0智能工厂最关键的任务之一。 系统最佳实践 某手机马达生产厂，主要为华为、三星、oppo等主流安卓手机厂商生产提供手机震动马达。 ，生产测试系统作为品质管理的重要环节，将为提升企业产品质量发挥越来越重要的作用。 智能手表PCB板高精度应力应变量测PCIE-1813 圆度测试：编码器与模拟输入同步PCIE-1812 电气开关拉弧保护性能检测PCIE-1840 机器学习||螺丝机预测维修系统PCIE-1810 焊接机器人状态监测 USB-4711 应用||USB-5800用于智能巡检机器人
1.7K20编辑于 2022-05-31 - 来自专栏漫途科技
产线工位智能呼叫系统，助力工厂更高效生产！
传统的车架生产因为技术知识的和环境的影响，会采用传统方式来进行的信息的管理。这样的管理是必要的，但会花费挺大的人力物力，不符合现今的精益生产。 产线工位智能呼叫系统主要用于工厂物料扭转、维修、工艺、管理等，将传统的模块班上云端，形成一套智能化管理方案，清楚掌握产销流程、提高生产过程的可控性、减少生产线上人工的干预、及时正确地采集生产线数据，这样可大幅度提高生产效率 ，降低生产成本，优化设备运行和节能降耗。 一、系统组成图片二、系统功能人员管理：人员增删改，人员的考勤管理；工位管理：不同人员的工位职责管理，及工位调度管理；物料管理：生产物料的出入库管理、缺料管理；看板数据：实时查看生产过程的物料、维修、工艺调度的实时显示 ；展示生产数据报表；报警数据显示；信息推送：生产过程发生呼叫，会根据不同问题、不同品种推送不同负责人；图片三、应用价值图片
84020编辑于 2023-01-12 - 来自专栏腾讯多媒体实验室
智能内容生产，媒体的智能未来
然而近两年飞速发展的人工智能（AI）已经逐渐渗透进了内容生产的各个环节，人工智能从事内容生产似乎已经没那么遥远。随着移动互联网时代的发展，信息传播的无限畅通使内容创作的诉求不断提高而门槛不断降低。 智能内容生产平台 Smart Content Platform 基于对媒体发展的理解，多媒体实验室很早就在智能媒体方向上开始进行研究和尝试，同时打造的很多智能生产能力已经在实际项目中得到了很好的落地 基于人工智能技术，智能生产平台上的「视频智能剪辑」和「智能视频配乐」就可以很好的简化这个过程，甚至在某些场景下做到一键成片。 以下足球视频即为系统自动剪辑生成。 体育智能精彩集锦 智能视频配乐 智能视频配乐基于跨模态内容检索和标识技术，将合适的音乐内容或视频内容进行自动匹配，高效完成短视频创作。 智能视频配乐 音乐智能理解 音乐作为科学和艺术的交叉点，也是人工智能较晚走入的领域。通过不断的积累，智能生产平台在音乐领域也已经具备了十八般武艺。
2.7K60发布于 2020-09-18 给工厂装上“数字大脑”：安全生产智能AI系统开发
今天想和大家聊一个听起来有点技术，但其实特别贴近我们生产安全的话题——安全生产智能AI系统。你可以把它想象成给工厂装上一个“数字大脑”，让它能24小时不眨眼地守护着每一位工人的安全。 我们的AI系统则不同，它在工厂里布设了无数双“眼睛”——智能摄像头和物联网传感器。这些设备可不是简单录像，它们搭载了计算机视觉识别算法。 更神奇的是，这个系统还能预测未来可能发生的危险。它通过分析生产线上的各种数据——设备震动频率、温度变化、气体浓度等，运用时序预测模型，就像气象台预报天气一样，预测设备故障或环境异常。 当真的发生紧急情况时，系统的智能决策引擎就开始工作了。它不再是简单地报警，而是能根据实时情况给出最优处置方案。 安全生产智能AI系统，就是给工厂装上的“数字大脑”。它不眠不休，用算法感知风险，用数据预测危险，用智能守护生命。在这个系统背后，是无数工程师对技术的深耕，更是对“生命至上”承诺的坚守。
20710编辑于 2025-12-29- 来自专栏燧机科技-视频AI智能分析
特种作业操作行为智能评估系统 筑牢安全生产防线
为提升考核客观性，部分考试中心试点部署了“特种作业操作行为智能评估系统”。 本文基于多个省级应急管理部门试点经验，介绍一套聚焦关键动作可见性初判的边缘智能方案，并客观分析其能力边界与典型误报源。一、技术能观测什么？不能判定什么？ 系统无法实现：判断“操作顺序错误”（如先合闸后验电）——需多模态时序建模，当前纯视觉系统难以可靠实现；识别“漏操作”——除非该操作有明确视觉特征且被纳入检测项；“保证评分准确性”——AI仅提供辅助线索， 二、系统架构：关键点检测 + 动作触发 + 边缘推理系统采用三层边缘设计，保障低延迟、高隐私、本地化处理：前端感知层在实操工位上方部署200万像素全局快门枪机（建议俯视30°～45°）；视频流输入边缘AI 注：在实验室标准电工实操考场（可控光照、单人操作、正面视角）下，系统对“佩戴绝缘手套”“验电动作”的识别召回率达92.4%，误报率约7.8%（样本量：350次模拟考核）。
16910编辑于 2026-02-02 - 来自专栏媒矿工厂
AI驱动智能媒体生产
摘要： 本文总结了发表在IBC2018上的由日本NHK的Hiroyuki Kaneko等撰写的“AI-DRIVEN SMART PRODUCTION”，介绍了NHK在智能媒体生产方面取得的成就以及今后的发展方向 日本广播协会NHK开发了新型的由人工智能驱动的广播技术，名为“Smart Production”，可以快速地收集和分析来自社会的各种信息，并传递给广大观众。 Smart Production使用人工智能来分析从社交媒体、开放数据中获得的各种类型的信息以及广播电视台拥有的制作节目相关的技术诀窍，这种方法使得它能够提取社会中发生的事件，并将分析结果呈现给生产者。 智能节目生产 文本大数据分析技术 NHK正在研发通过分析大数据来支持电视节目制作的技术，用于分析的大数据包括广播电台所拥有的节目信息以及社交网络服务（SNS）上发布的信息。 单色视频自动着色技术 NHK开发了一种使用人工智能驱动技术的自动将单色电影视频转换为彩色视频的系统来支持高效的节目制作（图5）。
1.7K20发布于 2018-10-25 超越提示词工程：构建生产级智能体系统的架构原则
如果您还停留在不断提示词来追求那一点不确定的输出，那么是时候仔细看看智能体架构的全景图了。作为在 Coze 与 Python 之间反复横跳的开发者的一个修改，我总结了三条构建生产级系统的底层逻辑。 1.从“线性对话”到“多维拓扑”简单的提示是单向的，而生产级代理是网状的。逻辑节点化：不要尝试在一个提示里塞进所有指令。 3.闭环反馈：构建Agent的“免疫系统”生产级系统与演示的最大区别在于：它能够在错误中不断发展。知识库的动态剪裁：不是所有资料都往里塞，高质量的RAG（搜索增强生成）需要持续优化的支撑库。
11320编辑于 2026-01-21- 来自专栏剑指工控
智能生产从清晰定位开始
导读 只有当产品、工件载具或工具可以被清晰识别或定位时，才能实现智能生产过程。该数据不仅可以用于优化过程，还能实现追踪或质保。 在至坏的情况下，UHF系统仅能可靠读取至多99%的数据。虽然听起来很不错，但这意味着每1000次读取将有10次读取错误。对于追踪系统而言，该错误率显得过高。 特别是在汽车行业，生产车间中很少有部件不携带标签。因此，汽车制造商成为最早使用新生产和自动化技术的先锋，而其他领域则紧随其后。 两种设备都对运行Linux或Windows系统中间件的系统集成商极具吸引力。该软件可集成并直接运行在Q300。 由于协议与操作系统相互独立，因此公司IT可以对其进行修改。而在生产环节中，识别系统和ERP或MES系统之间的互联则不受影响。
1.1K20发布于 2021-11-08 - 来自专栏媒矿工厂
生产管道中的智能剪辑
本文来自SF Video Technology 2019的一篇演讲，演讲者是来自Netflix编码团队的Eric Reinecke，该演讲主要讨论如何利用生产管道中编辑的反馈信息，帮助全产业工作者更高效率地完成工作 作者看到了剪辑的重要性之后，认为我们可以利用剪辑中提供的信息，反馈给内容生产链上的工作者，指导他们更高效率地完成自己的工作而不必关注那些不会影响最终输出的要素。 而为了完成上述工作，构建一个时间轴感知的生产管道是十分必要的。 二、一些已有的适合不同生产管道的剪辑工具 Eric介绍了几个剪辑工具： CMX EDL Advanced Authoring Format Final Cut Pro XML 三、OpenTimeLineIO
2.3K20发布于 2020-02-13 - 来自专栏互联网数据官iCDO
智能生产必须拥抱大数据
他们缺乏软件和建模系统来分析数据。 然而，智能生产可以让工业活动更有效率，更有利可图，更可持续发展。将产品与组件的地理距离最小化降低了成本——不管是财务意义上还是环保意义上都降低了成本。 在智能制造中实现创新，五大缺口需要继续填补。 采取策略 智能制造系统必须随着信息收集而进化。首先，传感器被用以监测现有设备的状态。 丢失或错误的数据点对系统的影响可能是致命的，比如医疗植入物的生产。 制定智能生产政策 尽管企业会因其商业意义而大力推动智能生产，但政府应该填补其中的缺口，或是在某些对私人投资风险过高的方面给予支持。 A·库西亚克 《智能生产系统》， 普伦蒂斯霍尔出版社，1990 3. S·J·艾泽尔 《智能制造决策者指南》，信息与技术创新基金会，2016
1.2K120发布于 2018-03-05 生产管理系统的范式演进：复杂系统视角下的效率科学与智能决策
一、生产管理的元理论框架构建生产管理系统作为典型的复杂适应系统，其理论建构需要融合多学科范式。 基于控制论视角，生产系统可建模为具有多重反馈环路的动态系统，其中状态空间表示法能够完整刻画系统的可观测性与可控性。系统论提供了整体性分析框架，揭示各子系统间的非线性相互作用及涌现特性。 ： 设生产系统为五元组 PS=(Φ, Ω, Ψ, Γ, Λ) 其中：Φ表示生产要素集合 {设备，人力，物料，信息}Ω为系统状态空间，维度包括质量、成本、交付等KPIsΨ定义状态转移函数，受控制变量u∈U 三、智能决策的理论基础与方法论（一）信息融合与知识发现多源异构数据的深度表征学习框架：class ProductionEncoder(nn.Module): def __init__(self): 四、工具选型的理论框架与方法论（一）智能协同类板栗看板Pro技术特征：基于GAN网络的异常模式识别多模态数据融合可视化分布式共识决策机制自适应工作流引擎（二）企业级解决方案SAP Intelligent
25320编辑于 2025-07-08智能体对行业的冲击：从工具应用到生产系统重构
随着 AI 智能体（AI Agent）进入企业系统，AI 的角色发生变化：从被调用的工具，变为持续运行的系统组件。 三、智能体带来的核心冲击：执行权转移传统行业流程通常由人工驱动：人执行 → 系统记录 → 人判断 → 再执行当智能体接入流程后，执行逻辑变为：系统执行 → 系统记录 → 系统反馈 → 人只做决策这是一种结构性变化 六、不同行业的具体变化路径内容行业从单点创作转向内容生产系统化，人负责判断与策略，系统负责执行。制造业调度、预测、异常检测逐步交由智能体持续优化。金融与运营分析、监控、响应流程被系统化代理接管。 七、智能体不能替代的能力反而更加重要在系统化过程中，人类的核心价值逐渐集中在：目标设定价值判断风险决策战略方向责任承担智能体擅长执行，但无法替代决策。 九、结语：智能体正在改变行业的底层运行逻辑智能体的出现，标志着行业正在从“人工驱动流程”转向“系统驱动流程”。这不是一次技术升级，而是一次生产系统重构。行业变化，已经开始。
19010编辑于 2026-01-31AI 智能校审系统：重塑数字时代内容生产与质检新范式
这种显著的供需落差，催生了 AI 智能校审系统的快速发展与应用深化。 核心价值：从人工排查到智能感知现代 AI 校审系统基于深度学习框架构建，通过海量优质语料训练，实现多维度文本智能分析：三大核心能力语法纠错引擎：覆盖主谓宾搭配、标点误用等 200+ 细分维度逻辑校验体系 ，AI 校审系统展现出显著优势：效率突破支持 Word、PDF、图片等多格式文档批量处理并行分析能力实现海量内容同步校审某出版社实测：三审周期缩短62%，事实性错误率降至0.3‰以下智能分析建立作者成长档案 ，基于历史记录预测易错点提供可视化热力图，直观标注高风险段落实时联网验证网络新词用法，确保内容时效性 人机协作新模式系统定位为编辑的智能助手，而非替代者：协同工作流检测疑似错误时，同步呈现修改建议、相关案例及置信度评分复杂问题保留人工最终裁决权 支持图文、音视频内容的统一校验沉浸式编辑体验：结合 AR/VR 技术，在三维空间直观展示文本结构问题结语AI 智能校审系统正深刻改变着内容生产行业的质量管控模式。
54810编辑于 2025-10-27- 来自专栏MCP
AI 重构生产力：基于 MCP 的场景化智能决策系统评测
AI 重构生产力：基于 MCP 的场景化智能决策系统评测在当前 AI 技术不断颠覆生产力的时代，开发者的核心价值正在由“重复编码”向“场景创新”转变。 今天，我将通过一个真实场景——基于 MCP 的智能决策辅助系统，评测并分享这一全新解决方案的关键实施步骤、核心代码逻辑以及落地效果。一、场景痛点：传统方案的局限性1. 工具选型与配置流程在我们的智能决策辅助系统示例中，整合了以下关键组件：云数据平台： 使用云端数据库和实时流处理服务（如 Kafka、Spark Streaming）快速获取供应链相关数据。 经过几个月的落地测试和性能对比，我们的智能决策系统在供应链调度中实现了 30% 的效率提升，系统出错率降低至原先的 10% 以下。这些数据无不印证了 MCP 在提高整体生产力方面的巨大潜力。 结语在 AI 技术重构生产力的浪潮中，MCP 为开发者提供了一种全新的思路，使得“场景创新”成为可能。
57110编辑于 2025-05-15 - 来自专栏CODING DevOps
精益产品开发 —— 丰田生产系统 & 精益生产
丰田生产系统（TPS） 丰田生产方式主要包含一个目标，两大支柱和一个基础。 一个目标 高质量、低成本、短前置时间的交付另客户满意的产品。 两大支柱 1. 拉式系统（Pull system） 拉动系统是一种用于减少任何生产过程浪费的精益技术。应用拉动系统允许仅在客户有需求时开始新工作，可以减少开销并优化存储成本。 拉动系统是 1940 年代后期诞生的精益制造原则的一部分。精益拉动系统旨在创建一个工作流程，只有在有需求时才会拉动工作。 实施拉动系统的目的是根据实际需求而不是预测来构建产品。 可以专注于消除生产过程中的浪费活动，能够优化资源并减少库存积压的可能性。此外，应用拉动系统能够及时交付工作。 2. 一种系统性的工作方法，其目标在于减少生产过程中的无益浪费，为客户创造经济价值。精益生产的核心是用最少的工作，创造价值。精益生产主要来源于丰田生产系统（TPS）的生产哲学。
1.7K20编辑于 2022-03-16 - 来自专栏数字化 IT 从业者路径课
精益产品开发 —— 丰田生产系统 & 精益生产
丰田生产系统（TPS）丰田生产方式主要包含一个目标，两大支柱和一个基础。一个目标高质量、低成本、短前置时间的交付另客户满意的产品。两大支柱1. 拉式系统（Pull system）拉动系统是一种用于减少任何生产过程浪费的精益技术。应用拉动系统允许仅在客户有需求时开始新工作，可以减少开销并优化存储成本。 拉动系统是 1940 年代后期诞生的精益制造原则的一部分。精益拉动系统旨在创建一个工作流程，只有在有需求时才会拉动工作。实施拉动系统的目的是根据实际需求而不是预测来构建产品。 可以专注于消除生产过程中的浪费活动，能够优化资源并减少库存积压的可能性。此外，应用拉动系统能够及时交付工作。2. 一种系统性的工作方法，其目标在于减少生产过程中的无益浪费，为客户创造经济价值。精益生产的核心是用最少的工作，创造价值。精益生产主要来源于丰田生产系统（TPS）的生产哲学。
1.7K50编辑于 2023-03-22 - 来自专栏媒矿工厂
媒体生产中的人工智能
本文将分生成视频，决定创意，简化编辑和优化存档四个方面介绍人工智能在媒体生产中的应用，重点是生成视频。 生成视频 视频摘要 好莱坞开始使用人工智能来简化预告片的生成方式。 Kulczar强调，“我们正在朝着自动生产和在生产过程中使用人工智能技术的方向前进。” 国内的媒体也在积极尝试。2017年12月26日，中国第一个媒体人工智能平台“媒体大脑”由新华社正式发布上线。 内容修改 内容结构和基于对象的分析开辟了人工智能协助实际内容开发的新途径。学习屏幕上角色的行为，走动，谈话以及所有可能的面部表情的细节，人工智能系统可以创建出虚拟的表演。 人工智能在内容创造的领域还只是迈出了一小步。生产过程中仍然存在许多方面可以从人工智能获益。 决定创意 制造商使用神经网络来综合多种复杂因素，以确定哪种类型的内容值得生产。 通过数据挖掘，系统可以提取适合特定客户的广告创意和主题。
1.8K70发布于 2018-03-06 - 来自专栏腾讯社交用户体验设计
运用AIGC人工智能生产内容
3.1 对比和尝试 我们首先横向对比了国内外智能出图平台的各项能力，以关键功能类型作为衡量指标，得到了一张能力图表； 那么横向来看，各平台的能力可以划分为两大类模版绘制、AI绘制结合模版设计； 第一类在线模版绘制 并输入对应的文案标题，即banner图的文案显示； 随后可得到批量生成的初稿； 点击任一初稿，进入线上编辑环节，利用丰富的在线编辑能力对banner图做调整，例如图层查找，替换商品素材、装饰素材，更改字体等等；在智能编辑模块中简单处理后即可得到可用的设计图 五、S类商业运营设计需求：AI智能自动生成 除了较为基础的A类运营设计需求外，面对专题大促的运营需求需求，其展示周期更长，且对于设计质量要求更高，常常会涉及到3D场景的搭建和渲染工作，相对于A类需求，S 另外面对日新月异的的智能工具，我们应该保持终生学习的心态，做好时刻接受新事物的挑战，才能在越来越激烈的竞争中立于不败之地。
2.6K12编辑于 2023-02-23 智能进化·算法觉醒：AI 平台算法训练系统重塑模型生产新范式
AI 平台算法训练系统通过构建从数据准备到模型部署的全链路自动化流水线，实现了算法生产的标准化、规模化和智能化，推动 AI 研发从"手工作坊"迈向"现代化工厂"。 ：环境依赖、随机种子等因素导致模型性能难以稳定复现平台化训练架构体系系统构建"数据-训练-管理-部署"四层一体化架构：智能数据工场：自动化数据清洗、智能标注、数据增强流水线分布式训练引擎：支持千卡级并发训练 ，资源利用率达 90% 以上实验管理平台：全生命周期实验追踪，参数与结果可视化对比一键部署系统：训练完成的模型自动打包为标准化服务接口功能模块效能对比分析核心模块传统训练模式平台化训练系统效能提升数据准备人工处理 ，一键复现复现成功率 100% 智能训练引擎核心技术自动化机器学习（AutoML）神经网络架构搜索（NAS）：自动探索最优网络结构超参数自动优化：基于多臂赌博机算法的智能调参特征工程自动化：自动特征选择 ，为各行业提供标准化、高效率、低成本的模型生产能力，助力企业快速构建 AI 核心竞争力。
28810编辑于 2025-10-30- 来自专栏燧机科技-视频AI智能分析
安全生产劳保穿戴监测系统
安全生产劳保穿戴监测系统通过python+opencv计算机智能视频分析技术，安全生产劳保穿戴监测系统对现场区域人员防护用品穿戴是否合规进行自动监测。 OpenCV可以在不同的系统平台上使用，包括Windows，Linux，OS，X，Android和iOS。基于CUDA和OpenCL的高速GPU操作接口也在积极开发中。
98340编辑于 2023-04-03
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