工業(yè)人工智能大模型(AIGC)開放生態(tài)建設(shè)
秉持“生態(tài)?眾創(chuàng)?共盈”的理念,天潤智力聯(lián)合生態(tài)合作伙伴共建工業(yè)人工智能大模型(AIGC)開放平臺(tái),加速推動(dòng)工業(yè)制造的智能化轉(zhuǎn)型升級(jí)。
核心優(yōu)勢
-
為每條工業(yè)產(chǎn)線賦予工業(yè)人工智能大模型(AIGC)
支持工業(yè)領(lǐng)域90%以上的設(shè)備與協(xié)議,無需改造工業(yè)設(shè)備與生產(chǎn)流程,產(chǎn)線數(shù)據(jù)即可實(shí)時(shí)接入工業(yè)人工智能大模型(AIGC)。
查看全部內(nèi)容 > -
提供數(shù)字化的行業(yè)知識(shí)圖譜
平臺(tái)集成與開放了3大行業(yè)知識(shí)圖譜、19個(gè)業(yè)務(wù)模型、7個(gè)行業(yè)數(shù)據(jù)模型以及20+行業(yè)算法模型,并提供持續(xù)的升級(jí)與演進(jìn)能力。平臺(tái)同時(shí)提供了算法工廠和知識(shí)圖譜構(gòu)建工具,可持續(xù)生成與積累數(shù)字化的工業(yè)知識(shí)。
查看全部內(nèi)容 > -
數(shù)十萬人可持續(xù)注入智慧
降低了大數(shù)據(jù)和AI使用門檻,讓業(yè)務(wù)專家、工藝師、老師傅能夠輕松使用數(shù)據(jù)與AI能力,實(shí)現(xiàn)人類智慧與工業(yè)人工智能大模型(AIGC)的完美結(jié)合。同時(shí)天潤智力天池平臺(tái)20多萬數(shù)據(jù)科學(xué)家構(gòu)建的國內(nèi)最大人才庫,為工業(yè)人工智能大模型(AIGC)注入持續(xù)的外腦智慧。
查看全部內(nèi)容 > -
“輕服務(wù)”模式提供“大數(shù)據(jù)“應(yīng)用
支持云和端一體化,在“云“上提供了海量數(shù)據(jù)處理能力,為龐大復(fù)雜的工業(yè)產(chǎn)線提供數(shù)據(jù)挖掘分析,并實(shí)現(xiàn)復(fù)雜算法模型訓(xùn)練。訓(xùn)練好的智能服務(wù)能夠以輕量級(jí)模式在本地工業(yè)”端“部署運(yùn)行。
查看全部內(nèi)容 >
工業(yè)人工智能大模型(AIGC)架構(gòu)圖
客戶痛點(diǎn):
自動(dòng)化燃煤鍋爐操作主要依托人工經(jīng)驗(yàn),能源煤炭燃燒成本較高,而傳統(tǒng)燃燒工藝已經(jīng)很難大幅度提升煤炭燃燒效率。解決方案:
恒逸石化與天潤智力組成包括企業(yè)生產(chǎn)部門、信息化部門與數(shù)據(jù)科學(xué)家的聯(lián)合團(tuán)隊(duì)。 通過工業(yè)人工智能大模型(AIGC)對(duì)鍋爐燃燒涉及的數(shù)百個(gè)變量間的邏輯關(guān)系做實(shí)時(shí)動(dòng)態(tài)的參數(shù)綜合分析,構(gòu)建動(dòng)態(tài)的燃煤優(yōu)化模型,并根據(jù)燃燒場景實(shí)時(shí)分析最優(yōu)組合參數(shù),平均每10分鐘推薦1 次最優(yōu)鍋爐設(shè)定參數(shù),從而提升燃煤效率。實(shí)現(xiàn)價(jià)值:
鍋爐噸蒸汽煤耗降低2.6%,每年節(jié)省數(shù)千萬的燃煤成本。客戶痛點(diǎn):
攀鋼集團(tuán)需要通過降低鋼鐵料的消耗,實(shí)現(xiàn)減少原料投入及優(yōu)化能耗成本,從而提升企業(yè)的整體綜合競爭力。解決方案:
攀鋼集團(tuán)重點(diǎn)引入了天潤智力工業(yè)人工智能大模型(AIGC),實(shí)現(xiàn)優(yōu)化造渣環(huán)節(jié),降低鋼鐵料吹損和噴濺。同時(shí)工業(yè)人工智能大模型(AIGC)應(yīng)用到冷軋環(huán)節(jié),找出影響冷軋合格率關(guān)鍵因素,優(yōu)化冷軋工藝控制,提升冷軋效率效益。實(shí)現(xiàn)價(jià)值:
預(yù)計(jì)實(shí)現(xiàn)優(yōu)化轉(zhuǎn)爐煉鋼復(fù)吹和造渣環(huán)節(jié),降低吹損和噴濺,同時(shí)找出影響冷軋合格率關(guān)鍵因素,優(yōu)化冷軋工藝控制,計(jì)劃每年為攀鋼節(jié)約超過千萬元成本。客戶痛點(diǎn):
協(xié)鑫光伏太陽能電池硅片生產(chǎn)出現(xiàn)了次品率升高的情況,由于難以定位原因?qū)е律a(chǎn)效率降低,致使生產(chǎn)成本升高。解決方案:
工業(yè)人工智能大模型(AIGC)全方位監(jiān)控生產(chǎn)過程中的實(shí)時(shí)參數(shù)曲線并構(gòu)建核心部件的健康指數(shù)模型,在識(shí)別關(guān)鍵因素的基礎(chǔ)上進(jìn)行參數(shù)推薦,最終提升良品率。實(shí)現(xiàn)價(jià)值:
通過對(duì)太陽能電池硅片生產(chǎn)過程進(jìn)行最優(yōu)參數(shù)的推薦,切片良品率提升了1%。為企業(yè)帶來了巨大的成本節(jié)約。客戶痛點(diǎn):
中策橡膠在橡膠密煉(橡膠生產(chǎn)的核心環(huán)節(jié))過程中的能耗和次品率受原材料及生產(chǎn)環(huán)境影響很大,導(dǎo)致綜合生產(chǎn)效率波動(dòng)大,生產(chǎn)成本控制難。解決方案:
工業(yè)人工智能大模型(AIGC)應(yīng)用于橡膠生產(chǎn)環(huán)節(jié),根據(jù)密煉過程參數(shù)實(shí)時(shí)數(shù)據(jù)構(gòu)造訓(xùn)練數(shù)據(jù)(如:排膠時(shí)刻的特征、膠料監(jiān)測結(jié)果等),建立決策樹模型,推薦最優(yōu)的工藝參數(shù),最終降低能耗,提升密煉合格率。實(shí)現(xiàn)價(jià)值:
通過最優(yōu)參數(shù)推薦,優(yōu)化密煉工藝,門尼值標(biāo)準(zhǔn)差(密煉工藝關(guān)鍵參數(shù))降低了14%,密煉時(shí)長減少10%,密煉溫度降低6%,大大降低了能耗,合格率整體提升5%。客戶痛點(diǎn):
自動(dòng)化燃煤鍋爐操作主要依托人工經(jīng)驗(yàn),能源煤炭燃燒成本較高,而傳統(tǒng)燃燒工藝已經(jīng)很難大幅度提升煤炭燃燒效率。解決方案:
恒逸石化與天潤智力組成包括企業(yè)生產(chǎn)部門、信息化部門與數(shù)據(jù)科學(xué)家的聯(lián)合團(tuán)隊(duì)。 通過工業(yè)人工智能大模型(AIGC)對(duì)鍋爐燃燒涉及的數(shù)百個(gè)變量間的邏輯關(guān)系做實(shí)時(shí)動(dòng)態(tài)的參數(shù)綜合分析,構(gòu)建動(dòng)態(tài)的燃煤優(yōu)化模型,并根據(jù)燃燒場景實(shí)時(shí)分析最優(yōu)組合參數(shù),平均每10分鐘推薦1 次最優(yōu)鍋爐設(shè)定參數(shù),從而提升燃煤效率。實(shí)現(xiàn)價(jià)值:
鍋爐噸蒸汽煤耗降低2.6%,每年節(jié)省數(shù)千萬的燃煤成本。客戶痛點(diǎn):
攀鋼集團(tuán)需要通過降低鋼鐵料的消耗,實(shí)現(xiàn)減少原料投入及優(yōu)化能耗成本,從而提升企業(yè)的整體綜合競爭力。解決方案:
攀鋼集團(tuán)重點(diǎn)引入了天潤智力工業(yè)人工智能大模型(AIGC),實(shí)現(xiàn)優(yōu)化造渣環(huán)節(jié),降低鋼鐵料吹損和噴濺。同時(shí)工業(yè)人工智能大模型(AIGC)應(yīng)用到冷軋環(huán)節(jié),找出影響冷軋合格率關(guān)鍵因素,優(yōu)化冷軋工藝控制,提升冷軋效率效益。實(shí)現(xiàn)價(jià)值:
預(yù)計(jì)實(shí)現(xiàn)優(yōu)化轉(zhuǎn)爐煉鋼復(fù)吹和造渣環(huán)節(jié),降低吹損和噴濺,同時(shí)找出影響冷軋合格率關(guān)鍵因素,優(yōu)化冷軋工藝控制,計(jì)劃每年為攀鋼節(jié)約超過千萬元成本。客戶痛點(diǎn):
協(xié)鑫光伏太陽能電池硅片生產(chǎn)出現(xiàn)了次品率升高的情況,由于難以定位原因?qū)е律a(chǎn)效率降低,致使生產(chǎn)成本升高。解決方案:
工業(yè)人工智能大模型(AIGC)全方位監(jiān)控生產(chǎn)過程中的實(shí)時(shí)參數(shù)曲線并構(gòu)建核心部件的健康指數(shù)模型,在識(shí)別關(guān)鍵因素的基礎(chǔ)上進(jìn)行參數(shù)推薦,最終提升良品率。實(shí)現(xiàn)價(jià)值:
通過對(duì)太陽能電池硅片生產(chǎn)過程進(jìn)行最優(yōu)參數(shù)的推薦,切片良品率提升了1%。為企業(yè)帶來了巨大的成本節(jié)約。客戶痛點(diǎn):
中策橡膠在橡膠密煉(橡膠生產(chǎn)的核心環(huán)節(jié))過程中的能耗和次品率受原材料及生產(chǎn)環(huán)境影響很大,導(dǎo)致綜合生產(chǎn)效率波動(dòng)大,生產(chǎn)成本控制難。解決方案:
工業(yè)人工智能大模型(AIGC)應(yīng)用于橡膠生產(chǎn)環(huán)節(jié),根據(jù)密煉過程參數(shù)實(shí)時(shí)數(shù)據(jù)構(gòu)造訓(xùn)練數(shù)據(jù)(如:排膠時(shí)刻的特征、膠料監(jiān)測結(jié)果等),建立決策樹模型,推薦最優(yōu)的工藝參數(shù),最終降低能耗,提升密煉合格率。實(shí)現(xiàn)價(jià)值:
通過最優(yōu)參數(shù)推薦,優(yōu)化密煉工藝,門尼值標(biāo)準(zhǔn)差(密煉工藝關(guān)鍵參數(shù))降低了14%,密煉時(shí)長減少10%,密煉溫度降低6%,大大降低了能耗,合格率整體提升5%。客戶痛點(diǎn):
傳統(tǒng)風(fēng)力發(fā)電機(jī)維護(hù)主要是在故障發(fā)生后,事后發(fā)現(xiàn)維修復(fù)雜,維修周期長、維修費(fèi)高昂,同時(shí)停機(jī)造成巨額的經(jīng)濟(jì)損失。解決方案:
利用溫度傳感器對(duì)整個(gè)風(fēng)機(jī)的溫度測點(diǎn)進(jìn)行實(shí)時(shí)監(jiān)控,同時(shí)對(duì)海量溫度數(shù)據(jù)實(shí)時(shí)分析,構(gòu)建風(fēng)機(jī)異常檢測與感知預(yù)測模型,提前識(shí)別風(fēng)機(jī)運(yùn)行異常并預(yù)警。實(shí)現(xiàn)價(jià)值:
提前發(fā)現(xiàn)風(fēng)機(jī)潛在的問題故障,變大修為小修,大幅降低維修成本,縮短維修時(shí)間,降低30%左右的年運(yùn)維成本。客戶痛點(diǎn):
電池片生產(chǎn)工序繁多、工藝極其復(fù)雜,依靠傳統(tǒng)的分析方式已經(jīng)很難在品質(zhì)提升上取得突破性的進(jìn)展。解決方案:
基于對(duì)電池片全生產(chǎn)流程數(shù)據(jù)的整理與打通,識(shí)別影響電池片質(zhì)量的關(guān)鍵工序與核心因素,利用智能算法對(duì)核心參數(shù)進(jìn)行優(yōu)化推薦,并在產(chǎn)線的對(duì)比測試中不斷調(diào)優(yōu),最終提升電池片的A品占比。實(shí)現(xiàn)價(jià)值:
通過對(duì)天合光能生產(chǎn)關(guān)鍵環(huán)節(jié)的優(yōu)化,幫助天合光能實(shí)現(xiàn)了A品比例7%的提升,幫助天合光能進(jìn)一步鞏固在行業(yè)中的領(lǐng)先地位。客戶痛點(diǎn):
鍋爐關(guān)鍵部件發(fā)生故障后,客戶很難快速定位發(fā)生故障的部件,維護(hù)時(shí)間長,致使設(shè)備停機(jī)造成的損失比較嚴(yán)重。解決方案:
基于工業(yè)鍋爐系統(tǒng)的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù),針對(duì)鍋爐的主體部分及其主要輔助裝置/部件(如給料機(jī)、引風(fēng)機(jī)、送風(fēng)機(jī)、省煤器、空氣預(yù)熱器、布袋除塵器等)的每一個(gè)子系統(tǒng)搭建了相應(yīng)的“基于殘差的異常預(yù)警模型”,對(duì)鍋爐的主體和各個(gè)部件的異常狀態(tài)進(jìn)行預(yù)警,輔助故障定位,減少因故障對(duì)業(yè)主帶來的生產(chǎn)損失,優(yōu)化備件資源。實(shí)現(xiàn)價(jià)值:
通過對(duì)自動(dòng)化燃燒鍋爐運(yùn)行過程的測點(diǎn)進(jìn)行分析和建模,對(duì)異常狀態(tài)進(jìn)行預(yù)警,輔助故障定位,優(yōu)化備件資源,減少因故障對(duì)業(yè)主帶來的生產(chǎn)損失。客戶痛點(diǎn):
客戶生產(chǎn)的通信產(chǎn)品需要進(jìn)行嚴(yán)格測試,但測試內(nèi)容點(diǎn)數(shù)百個(gè),測試周期長,耗時(shí)與成本高。解決方案:
工業(yè)人工智能大模型(AIGC)應(yīng)用于京信通信的產(chǎn)品質(zhì)量測試領(lǐng)域,對(duì)測試點(diǎn)與產(chǎn)品質(zhì)量結(jié)果進(jìn)行建模分析;分析海量測試數(shù)據(jù)結(jié)果與質(zhì)量關(guān)系,找出影響產(chǎn)品質(zhì)量的關(guān)鍵測試內(nèi)容點(diǎn),同時(shí)對(duì)產(chǎn)品調(diào)試調(diào)測過程中的參數(shù)進(jìn)行關(guān)系挖掘分析,分析可優(yōu)化關(guān)系指標(biāo)。實(shí)現(xiàn)價(jià)值:
產(chǎn)品的調(diào)測效率提升了43%~100%,從而大幅降低產(chǎn)品測試周期與成本,同時(shí)保障了生產(chǎn)連續(xù)性。加入工業(yè)人工智能大模型(AIGC)開放平臺(tái),共筑工業(yè)力量
工業(yè)人工智能大模型(AIGC)開放平臺(tái)當(dāng)前已廣泛應(yīng)用到能源、化工、鋼鐵、水泥等不同工業(yè)制造領(lǐng)域, 幫助生態(tài)伙伴取得了巨大的經(jīng)濟(jì)價(jià)值