5.1.1 机器学习算法.............................................................................65 5.1.2 数据处理技术.............................................................................67 5.2 物联网技术...... 本项目将主要围绕以下几个关键点展开：  智能化生产：通过引入 AI 大模型对生产线数据进行实时分 析，实现自动化调度和优化生产过程，减少人为干预和错误 率。  数据驱动决策：建设一个集成的数据处理平台，利用大数据分 析技术提取有价值的信息，为管理层提供精准的决策支持。  个性化定制：根据市场需求和客户反馈，通过 AI 模型快速调 整生产参数，实现产品的个性化定制，提高客户满意度。 统各 组成部分的功能和相互关系。此阶段的设计应包括数据采集层、数 据处理层、智能决策层及应用层等。系统架构可参照如下示意图： 数据采集层将通过 IoT 设备和传感器实时获取车间运行数据， 数据处理层则会将收集到的数据通过大数据分析工具进行处理与存 储，智能决策层基于机器学习和深度学习模型提供决策支持，最终 应用层将为各岗位提供不同的决策和分析工具。 在技术路线选择方面，需综合考量技术可行性、实施成本以及

效处理，从而让园区的建设、运营更加智慧化。在数智园区 内，人、设备、系统将不再是独立的个体，而是通过数字孪 生等技术，实现从物理空间到数字空间的广泛映射，并最终 构成的有机生态体。边缘计算是数智园区的重要技术形态， 通过将数据处理转移到设备边缘与网络边缘，园区将能够近 即时地对广泛的数据进行处理，降低云与网络资源压力，更 好地为园区治理、社会民生、产业经济、运营管理、应急处 置等提供更高效的数据决策依据，加速数智化转型。 化、持续性地训练，从而不断提升识别的性能与精度。 部署于边缘端的 AI 和深度视觉应用能够支持数智园区部署 轻量级应用，直接在边缘端对数据进行清洗、预处理、聚 合和筛选，降低云或数据中心的数据处理压力，节省网络 带宽，同时加快特定环境下的应用响应速度。例如，在园 区路侧部署的边缘人工智能系统可以集中处理安全管理、 流量调度和路灯控制等任务，提供人流统计、异常行为告 警和环境控制（如动态调整灯光强弱）等功能。 分发挥智能化设备的价值。 • 数据处理存在显著时延，难以满足即时分析的需求 数智园区的一个重要方向是汇聚园区内部各种终端、应用的 数据，以管理中枢为依托，对这些数据进行预处理，并通过 大数据、大模型等工具对数据进行分析以及利用，为园区的 各项运营提供决策能力支撑，同时向智慧化、自动化的控制 转型。但是，由于无法实现低延时、高带宽的网络覆盖，缺 乏协同数据处理体系，目前大量数智园区对于数据的利用只

2 序言 PREFACE 工业大模型作为新一代人工智能技术与工业场景深度融合的结晶，正以前 所未有的速度重构制造业的智能化体系。随着第四次工业革命的推进，工业大 模型凭借其卓越的数据处理能力、出众的跨模态融合特性以及高效的智能决策 效能，日益成为推动工业智改数转的核心驱动力。然而，尚处于初级发展阶段 的工业大模型，仍面临工业数据多模态复杂性、模型可解释性不足以及应用成 本较高 能制造领域的重要发展方向。当下，制造业数字化转型步伐持续加快，企业置 身于数据呈爆炸式增长、生产流程趋于繁杂、市场竞争愈发激烈的复杂环境之 中，面临重重挑战。而未来的工业大模型将以其卓越的数据处理能力、高度智 能的决策支撑以及跨领域的协同优化效能，为化解这些难题开辟了有效路径。 它能够深入探寻工业数据蕴含的潜在价值，达成生产过程的精细化管控与优化 调度，进而显著提升生产效率、削减成本并增进产品质量。从宏观视角审视， 车制造工 厂，不仅要采集生产线上设备的运行数据，还要收集产品质量检测数据、原材 料特性数据等，同时兼顾正常生产和设备故障、工艺调整等特殊情况下的数据 采集，以保证数据的多样性和完整性。 数据处理环节是提升数据质量的关键步骤。通过数据清洗技术，利用统计 分析、机器学习算法等手段，可以有效剔除无效数据，识别并修复异常值。在 电力设备监测数据中，通过设定合理的数据阈值和变化范围，能够找出并修正

客户及行业的碳中 和诉求，联合业内众多合作伙伴，基于 DCIM 底层数据架构，结合现 V 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 有成熟的 PaaS 平台架构及数据处理组件，开发了一套适用于数据中 心的智能化的能碳管理系统。 本白皮书旨在与行业同盟分享零碳数据中心碳管理范围、可视 化要求和系统功能，供从事数据中心的规划设计、新建、改建、扩 建工程的技术选 行验 证、校验和清洗，确保数据的准确性和一致性。 （6）数据存储：将提取和清洗后的数据存储到适当的位置，如 数据库、数据仓库、云存储等。确保数据存储的可靠性、安全性和 易访问性，方便后续的数据处理和分析。 （7）错误处理和监控：设置错误处理和监控机制，能够自动检 测和处理数据采集和提取过程中的错误。通过日志记录、告警通知 等方式，即时发现和解决数据的异常情况。 26 零碳数据中心园区能碳管理系统白皮书 实现碳报告的自动生成方式主要包含以下几个工具： 1、数据集成和自动提取：确保碳排放数据的准确性和可靠性， 通过数据集成和自动提取工具，将碳排放数据从各个数据源自动获 取并整合到一个统一的数据库中。 2、数据处理和分析工具：使用数据处理和分析工具，如电子表 格软件或专业的碳管理软件，对碳排放数据进行处理、计算和分析。 这些工具可以自动执行公式和计算，生成各种指标和报告。 3、可视化工具：使用数据可视化工具，将碳排放数据转化为易

实世界的复杂关系。大模型的核心 在于学习数据中的联合概率分布，即多个变量组成的向量在数据集中出现的概率分布， 进而通过使用深度学习和强化学习等技术，能够生成全新的、富有创意的内容。与传 统的数据处理方法不同，大模型并不简单地区分自变量与因变量，相反，它致力于在 庞大的知识数据库中提炼出更多的特征变量。这些特征变量不仅数量庞大，而且涵盖 了多个维度和层面，从而更全面地反映现实世界的复杂关系。以自然语言处理为例， 允许用户迅速生成、优化自动化代码并加速仿真流程，将原本需要数周的任务缩短 至几分钟。该工具整合了西门子 Xcelerator 平台的自动化与仿真信息，并结合微软 Azure OpenAI 服务提升数据处理能力，同时确保客户对数据的完全控制，不用于 AI 模型训练。 Industrial Copilot 旨在提升整个工业生产周期的效率，通过自然语言交 互，使维修人员得到精确指导，工程师能迅速使用仿真工具，从而推动工业创新和 Manufacturing COPILOT，目标是解决当前制造业专业人员在数据管理 和分析方面面临的挑战。通过融合和整理来自 ERP 系统、制造执行系统（MES）、传 感器以及历史记录器等多样化数据，该平台改变了数据处理方式。同时基于大模型能 力，允许用户以自然语言询问并与数据互动，将复杂的数据分析过程转换为简单直观 的对话。Manufacturing COPILOT 不仅能处理和分析原始数据，还能识别并解释复杂的

供量身定制的软 件应用，包括但不限于数据分析平台、智能管理系统、移动应用等。并且能够根据政 策变化和技术进步，持续更新和迭代软件产品，确保系统的先进性和适用性。 （3）数据处理与分析能力 解决方案商须具备强大的数据处理能力，能够从海量数据中提取有价值的信息， 为园区管理提供决策支持。运用大数据分析技术，帮助园区实现精细化管理，提高资 源利用效率。 （4）安全保障能力 解决方案商需要 慧园区市场普遍具有技术领先、 服务模式灵活、生态资源丰富等优势。数算基础设施服务商通常拥有先进的计算和存 储技术、AI技术和网络安全技术等，能够为智慧园区提供高性能的云计算服务，支持 大规模数据处理和复杂的算法运算；结合机器学习、计算机视觉等，服务商可以为园 区提供自动化的安防系统、智能交通管理、能耗优化等服务；可采用多层次的安全防 护措施，确保园区数据的安全性，防止数据泄露或被非法访问；同时，数算基础设施 的服务体验、卓越运营的 能力。在技术架构方面，华为云智慧园区解决方案聚焦边、云、用的融合技术实现方 式，提供一体化方案协同能力。 其中，智慧园区边缘计算架构力求满足用户对边缘智能的远程管控、数据处理、 分析决策、就近智能化的诉求，为用户提供完整的边云协同一体化服务。 图表46：华为云智慧园区边缘计算架构 来源：华为云 54 基于智慧园区ROMA技术架构的云服务集成方案已在华为自身园区方案中孵化成

为满足客户需求的不确定性，我们需要频繁调整排产计划，通过多点数据采集核对信息，确保生产正确高效地进行；  采用 5G+MEC 对工厂进行部署，可解决 MES 与 300+ 终端互通，实现每天近 15.2 万条的数据处理，并确保数据不出园区； 5G+ 应用介绍 小 英 温测 仪 业务特性 • 人员与设备精准定位 小邓 小张 校准 器 • 路径正向、反向跟踪与查询 • 地理位置电子围栏管理

库 设施 三维 表现 设施 材质 库 设施 规则 库 设施 颜色 设施 材质 设施 规则 GIS 数据、 AutoCAD 数据、外业探测数据等多种数据类型导入 提供数据处理工具供用户选择 数 据 处 理 工 具 通过数据驱动快速建立三维设施数据 临时数据 三维设施数据 外业探测 表格数据 AutoCAD 数据 Gis 数据 导入工作空间 根据空间

算法，以优化钻井参数、提高机械钻速、预警复杂钻井事故，从而缩短钻井周期，降低钻井成 本。 目前，人工智能技术在油气勘探业务中的应用，主要包含以下场景（图�）： �� 勘探工艺优化：例如在地震勘探数据处理方面，人工智能可通过自监督学习和迭代机理模 型，实现对油气藏位置的精确预测和勘探风险的准确评估，迭代高级算法能够分析复杂的地 下结构，识别油气潜在分布区域，同时预测可能的风险因素，为勘探策略提供科学依据。此 业的数据保密性要求。 未来，随着持续的迭代升级，WisGPT将为油气储运行业提供安全生产、经营管理、数 据分析、图表智能生成等服务，并逐步向整个能源领域拓展。 �� 例如，结合大模型的强大数据处理和自学习分析能力，监测系统能够从历史数据中学习并预 测风险模式，提高预警的准确性和可靠性。通过不断优化的深度学习算法，大模型能够识别复杂 的非线性关系，动态调整风险评估，为石油石化产业的管道安全管理提供更高效、精准的解决方 库存、中间罐区库存及产品库存状态进行分析，结合进出厂及储罐收付速度等进行分析预 警；在调度管理过程中，建设调度日生产计划和出厂任务单的编制、审核与下达的在线闭环 管理，建立和优化调度知识库。利用AI模型实现库存优化、需求预测、实时数据处理和智能 决策支持，并根据对排放与能源消耗的监测，优化能源使用，降低环境影响等。 智能仓储管理：通过运用预测分析、计算机视觉、深度学习等先进工具，结合边缘计算、物 联网的广泛连接性以及大语言模

紧迫转型场景-底层数据基础搭建为首 数据资产的准备、供应链管理和生产管理是最紧迫的TOP3场景 相比两年前，企业进行数字化转型最紧迫的场景 企业数字化转型需要完成数据准备（含采集、传输、存储）-数据处理-数据分析-数据应用等全流程。从企业转型最紧迫的场景分布 来看，数据准备和数据应用是企业最为关切的两大环节。 针对数据准备，底层设备改造、数据打通等企业最为迫切的，占比达77.8%。 针对数据应用 • 功能组件/套件的 订阅收费 • API、SDK的定制 开发服务收费 • 云资源订阅 树根互联、雪浪云、 昆仑数据、机智云、 研华科技、忽米等 • 数据汇聚：数据采集、接入、集成等 • 数据处理：数据清洗、标注、转换等 • 数据分析：数据预处理、特征工程等 • 数据应用：工业机理模型沉淀、可视化等 华为、阿里、百度、 腾讯、智谱AI等 模型 相关 服务 知识图谱 以通用大模型能力为基础，直接提 MOM/MES、数据之间的联动与融合 市 场 国睿信维 市 场  需求侧-助力数据资产沉淀：软硬融合的解决方案在系统衔接、 接口、通信匹配等方面相对更具有优势，故在数据采集、数据打 通、数据处理等方面更加便捷有效  供给侧-延长服务链条，为后运营服务做准备：供给端企业通过 硬件产品的拓展，表面上让自身服务能力得以延申，但更重要的 是增强了对需求端企业数据层面的覆盖与了解，为后续提供以数