的数据采集和设备状态反馈，从技术角度认为智能 工 厂 是 基 于 科 学 对 物 质 、知 识 的 加 工 系 统 。 ANDERSON 等 ［13］提出了一个支持在智能工厂制造 过程中的信息交换和一致性检测的专家系统，并在 航空航天领域进行了试验验证。该框架基于知识形 式化和语义规则，通过本体、语义协调策略和连接接 口来管理信息和知识，并识别制造系统中的不一致 性。为了实现大规模定制生产，HALLDOR 端协同及大小模型交互，最终实现航天制造工厂智 能化管理，提升生产系统效能与灵活性，保障制造 全流程稳定运行与优化。 1.2 航天制造大模型 针对航天飞行器批量化生产对工艺设计、过程 调控及质量检测智能化管控需求，构建航天飞行器 制造大模型体系 ［20］，如图 3 所示。体系分为云平台基 座、智能云平台及智能制造应用 3 个层次，云平台基 座 为 构 建 航 天 制 造 大 模 型 所 使用状态等生产管理数据，通过 NLP 与标注 ［21］、多 模态信息提取与融合 ［22］、大数据挖掘 ［23］等方法，构建 工艺智能生成、智能装配指导、实时排产调度、智能 检测、测试大数据分析等场景大模型，并基于云-边- 端集成框架，与现有制造设备、检测设备、数字化终 端及航天飞行器制造云平台进行集成，形成航天装 备制造“数智大脑”，大幅提升产品制造效率和规模 化生产能力，有力推动航天装备制造数字化转型与

智能制造领域， 基于端侧 AI 的机器视觉质检系统可以在生产线上实时检测产品缺陷，检测速度达到每 分钟 1000 件，准确率超过 99.5%，相比传统的云端方案，不仅消除了网络延迟带来 的生产线停顿风险，还将部署成本降低了 60%以上。智慧城市场景中，搭载端侧 AI 的智能摄像头可以在本地完成人脸识别、行为分析、异常检测等任务，只将关键事件 和统计数据上传云端，大幅减少了网络带宽占用和存储成本。 图：正在研发中的多模态感知机器人，来源同济大学机器人与智能感知课题组 多模态智能原生化也推动了新型传感器技术的发展。2026 年可能会涌现出一批创新的 传感器产品，如集成了边缘 AI 处理能力的智能图像传感器、支持多种气体同时检测的 MEMS 传感器阵列、基于量子技术的超高灵敏度磁场传感器等。这些新型传感器不仅 在性能指标上有显著提升，更重要的是从设计之初就考虑了与 AI 系统的深度集成，支 持模型的在线更新、参数的动态调整、数据的智能预处理等功能。 提升，更重要的是引入了通感一体、智能内生、确定性网络等革命性能力。通感一体 化使得基站不仅能够传输数据，还能够感知环境，实现了从"通信基站"到"感知雷达"的 功能拓展。在城市交通场景中，5G-A 基站可以实时检测道路上的车辆、行人、障碍物， 为智能交通管理提供精准的数据支撑。智能内生能力使得网络能够自主学习和优化， 根据业务需求动态调整资源配置，大幅提升了网络效率。 RedCap 的增长将是 2026

# 读取图像 img = cv2.imread('west.jpeg') gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转为灰度图 # 检测脸部 faces = face_cascade.detectMultiScale(gray, scaleFactor=1.1, set of road monitoring solutions based on computer vision. 摄 像 头 采 集 数 据 目标检测算法 图像分割算法 OCR文字识别算 法 道路病害检测 道路异物体检测 道路护栏检测 道路病害损害定量 路牌文字识别 车牌文字识别 推 送 检 测 结 果 并 发 送 报 警 公 路 养 护 COST REDUCTION 90

1. 数据采集 - 设备数据 关键 组件 解决 方案 水轮机叶片 推力轴承 连轴螺栓 油膜温度测量系 统 声发射测量系 统 水轮机叶片缺陷分析 声呐 水轮机叶片 对比分析 声呐检测系统 信号 传感器 声发射波 · 测量 · 诊断 · 追踪 · 评价 · 决策 声发射仪 被测件 传播 传播 声发射信号测量系统  外加传感器 利用关键测量技术，将 批量数据接入处理 2. 大数据基础平台 - 数据分析能力  历史数据分析，通过对历史数据进行整合和分析，建立工业级 的预测模型，以进行更有效的生产和运营。  实时数据处理，通过分析实时数据检测设备状态、预防设备故 障、优化生产过程。 主要数据分析类型： 1. 描述性分析 2. 规定性分析 3. 预测性分析 基于对数据的统计分析，描 述数据表现出的现象与客观 规律 利用历史数据建立分析模型 产和运营 1. 异常检测（ Anomaly Detection ） 2. 事件流处理（ Event Stream Processing ） 3. 分析运行环境（ Analytics Runtime ） 4. 分析界面（ Analytics User Interface ） 5. 分析日志（ Analytics Catalog ） 迭代提升 通过分析实时数据检测 设备状态、预防设备故 障、优化生产过程

财务数智化项目建设背景 1 国投集团：业务遍布海内外，多元化产业，规模体量大，经营业绩卓越 电力 为主能源 矿产 资源开发 交通 先进制造 新材料 生物能源 健康养老 医药医疗 检验检测 智能科技 生态环 保 多种业态 三大战略 业务单位 战略性新兴 金融及服务 基础产业 工程设计 资产管理 咨询业务 服务保障 金融 人力资源 多种组织 控股企业 参股企业 全资企业 02 矿业 3727 03 交通 3607 04 高新 4017 0401 中鲁 3501 0402 高新 + 高铁 4015 05 生物 3561 06 健康 3396 07 检验检测 3664 08 智能 3613 09 中成 3806 10 电子院 3678 11 创益 3657 12 资本 4546 1201 资本 + 安信 4546 1202 资本 + 信托 02 矿业 3727 03 交通 3607 04 高新 4017 0401 中鲁 3501 0402 高新 + 高铁 4015 05 生物 3561 06 健康 3396 07 检验检测 3664 08 智能 3613 09 中成 3806 10 电子院 3678 11 创益 3657 12 资本 4546 1201 资本 + 安信 4546 1202 资本 + 信托

可以在微波链路上也同时建立一条 GRE 隧 道, 并 在 GRE 隧 道 上 配 置 双 向 转 发 检 查 (Bidirectional Forwarding Detection,BFD) 连通性检测 功能。 这样,当一条隧道连接断开,可以快速切换到备 用隧道。 由于 GRE 隧道的引入,增加了报文的开销, 为了保障 IP 摄像头这类大数据包的传输,摄像头的最 大传输单元( Maximum 体管(Negative-Positive-Negative,NPN) 实现多种颗粒 度接入控制,避免工厂专属资源被强占(见图 3)。 基于工业互联网技术,对各排放点、环保设备、固 废计量器、气象参数等采用在线自动监控、自动检测、 自动报警等智能化控制手段,通过超低排改造,建设更 加绿色、安全、可靠的工厂环境。 ������ �� � ���/� � ���� ���� � � � 到钢铁材料组 织性能预测与控制,到钢铁生产智能制造等方面向全 流程多层次技术组合的一体化控制方向发展,以便更 好地满足客户需求,降低生产成本,提高生产效率和能 源效率。 (2)通过新增表面质量检测仪和在线技监诊断自 动分析系统,让操作工在生产过程中能实时观察到产 品表面缺陷,以便及时采取针对性措施规避产品缺陷, 降低不良率;同时,实现产品档案的建立和追溯,有效 提高售后服务水平。 (3)新增在线设备状态监测系统

行机器学习，数字孪生模型可以提前预测未来趋势和 潜在问题，实现预测性维护和主动干预。例如某企业 在数字化质量系统中引入 AI forecasting 预测技术，对 质量数据进行实时分析判断，一旦发现某工序的参数 或检测值出现偏离正常趋势的情况，系统会提前预 警，指导调整工艺以消除隐患 ［9］。 d）仿真优化。数字孪生允许对各种方案进行模 拟测试和优化，从而以较低成本进行研发与测试。企 业可以在虚拟模型上尝试不同的参数配置或流程调 刘虎沉，王鹤鸣，施华. 智能质量管理：理论模型，关键技术与研究 展望［J］. 中国管理科学，2024，32（3）：287-298. ［10］ 卢荣胜，吴昂，张腾达，等. 自动光学（视觉）检测技术及其在缺陷 检测中的应用综述［J］. Acta Optica Sinica，2018，38（8）：0815002. ［11］ 爽李 . 5G 与 AI 大数据的合作发展与应用研究［J］. 大数据与人工

评估设备与控制系统的健康状态, 有助于提早发现异常、提升整体流程效率. Aspen Watch (艾斯本技术) [28]: Aspen Watch 提供实时工艺性能监测功能, 内建数据分析与异常 检测模块, 能协助工程师快速发现问题源头, 实现生产过程的优化与质量稳定. ABB AbilityTM Performance Optimization for Control Loops (ABB) Janus-Pro-7B (深度求索) [44]: Janus-Pro-7B 是深度求索于 2025 年推出的多模态大语言模型, 参 数规模为 70 亿, 支持文字与图像的融合处理. 适合用于智能检测、多模态数据解析与工业视觉应用等 场景. Falcon 180B (Technology Innovation Institute, TII) [45]: Falcon 180B 是阿联酋 TII Token 长度等. (3) 返回结构化或半结构化响应. 包含处理结果及元信息, 如状态码、耗时等, 便于上层解析. (4) 支持多模态数据处理能力. 文本摘要、问答、改写; 时序趋势归纳与异常检测; 图像故障识别 与问答推理等. (5) 集成统一认证与权限管理. 确保 API 仅向授权实体开放, 支持权限分级管理. (6) 记录完整调用日志. 包括调用时间、调用方、输入输出内容等, 便于审计、调试与持续优化

质量标准维护流程 抽样检验流程 抽样检验流程 抽样检验流程 抽样检验流程 抽样检验流程 采购流程 库存养护流程 生产及过程 检验流程 半成品入库流程 成品入库流程 成品出库流程 环境检测流程 工艺用水检测流程 采购到付款流程 需求到供应流程 订 单 到收款流程 研发到设计流程 供应商验证流程 供应商维护流程 客户验证流程 客户维护流程 ** 交流使用 52 GxP 客商资质管理 • 库存到期复检及其预警； • 环境及制药用水检测； • 稳定性检验。 • 采购入库后自动生成 SAP 检验批（请检单），并触发后续检验业务； • 检验批与生产工艺的 关 联，自动触发过程检验的 业务 ； • 检验批与成品入库批次关联，构 成 入库与检验信息整体数据平台； • 按产品大类、产品自定义预警天数，提前预警； • 环境及制药用水检测。 ** 交流使用 54 成品放行审核管理 在线电子签名也可以通过电子通知进行 签名 • 灵活地控制安全权限 • 可以按 GXP 要求进行有效的审计 • 满足 FDA 21 CFR Part 11 法案 GMP 和行业关注重点 • 配方构 成 • 质量规格参数和检测结果 • 生产过程 • 库存记录更新 ** 交流使用 59 计算机化系统验证（ CSV ）：不仅仅是软件 ** 交流使用 60 CSV 涉及到的 信息化系统 ** 交流使用

、售 后服务等内容，收集常用表单及报表 了解原料收货检验、过程检验、成品入库检验，了解 检验标准、取样过程及产品分批过程，收集常用表单 及报表 调研对象：生产计划部、 物流部、销售部、质量 检测中心、财务部 现状业务调研 对标及需求分析 差异分析报告 差异问题跟踪 经过对各业务部门 详细的业务调研后， 形成现状调研报告。 在 了 解 XXXX 现 状业务的基础上， 与 XXXX 为了清楚同一种物料，哪家提供，便于分析 1-999 生产部门制定生产计划，采购按生产计划需求进行采购，仓库进行收货，线下统计过磅数量，由 MES 系统来管理 原料收货的批次、包数、库号，确定收货的数量，质检进行检测，并录入检验结果，入库完成再根据供应商发票 进行发票校验。 仓储管理 创建原辅料 料采购订单 制定生产计划 总师室 采购 质检 下达生产订单 审核采购订 单 过磅入库 发票校验 供应商主数 •通过纱线批次管理完成质量追溯，系统内可通过批次查看批次对应的质量信息 •当客户提出质量异议时候，由质检部售后部门进行复测处理 •销售部根据复测结果与客户协商，并在检测报告中补充处理意见 •经过公司领导审批确认，采用调价或者退换货处理 质量异议 复测 协商 出具检测报告 批次追溯 调价 / 退换货处理 3.4.8 异地库转储 — 在途库存管理方案 非限制使用 库存 非限制使用 库存 在途库存 库存地点