智能制造实战案例库

当前， 新一轮科技革命和产业变革蓬勃兴起，工业经济数字化、网络化、智能化发展成为第四次工业革命的核心内容。作为助力本轮科技革命和产业变革的战略性技术， 以深度学习知识图谱等为代表的新一轮人工智能技术呈现出爆发趋势，工业智能迎来了发展的新阶段。通过海量数据的全面实时感知、端到端深度集成和智能化建模分析，工业智能将企业的分析决策水平提升到了全新高度。跨象乘云™ 为高校大数据与人工智能实验室，大数据与人工智能实验平台建设，提供海量实战项目案例库，360° 全方位覆盖数据科学、机器学习、深度学习与新一代人工智能技术在智能制造、工业 4.0 行业的各方面应用 ——

  • 工业数据采集：从生产现场 PLC 传感器，MES/SCADA 系统采集数据并融合到大数据集群。
  • 工业数据预处理：面向工业业务、物联网数据建模，实现异常、缺失、归约等数据预处理工作。
  • 特征工程：数据筛选，特征变换，特征组合，特征筛选，特征迭代等标准化流程，获取关键特征。
  • 旋转设备振动分析：基于设备振动的时域、频域、时频特征提取，实现设备故障预测建模。
  • 时间序列分析：对高频时序数据，实现预测、异常检测、分类、特征分解、模式匹配、切片等分析。
  • 统计质量控制：采用质量控制算法，实现工业生产过程中产品质量的检测、控制和优化。
  • 生产排程/工艺优化：通过调度优化生产排程，提高生产/资源利用率，规避高库存及人力耗损。
  • 对象分拣：广泛利用计算机视觉技术，实现工业零件分拣，残次品甄别等低效密集型工作。
  • 文本挖掘：利用关键词提取与向量转换、词性标注；实现维修工单、故障记录等非结构化数据挖掘。

通过面向垂直行业的海量案例聚焦实战，以及完整的『端到端』业务流程演示与上机操作训练，让学生获取跨学科，跨专业知识认知并真正了解如何将数据科学、机器学习、深度学习、人工智能技术与产业应用的业务背景结合在一起，以及了解企业实施技术需求。通过直观而具备针对性的实践训练，使学生在短时间内得到应用技术技能的提升，更进一步满足职业岗位对工作技能的需求。

案例演示：汽车出厂前测试时间数据分析


案例演示：采矿工厂精矿二氧化硅杂质含量预测


更多精彩案例演示，欢迎访问跨象乘云™ B 站官方频道。

相关链接 ——