智能制造标签_码道开发者社区

智能制造

大模型如何赋能智能制造

大模型（Large Models），特别是以大语言模型（LLM）和多模态大模型为代表的通用人工智能技术，正在深刻赋能智能制造（Smart Manufacturing），推动制造业向更高效、柔性、智能和可持续的方向演进。生产调度优化：大模型可整合历史生产数据、设备状态、订单信息等，通过强化学习或推理能力，生成最优排产方案。质量预测与控制：结合传感器和视觉数据，大模型可实时识别缺陷模式，预测产品质量问

 m0_49910063
2025-12-16 16:19:36

 57

#计算机视觉 #智能制造
智能制造 | 基于异构图神经网络与深度强化学习的动态作业调度优化

本文探讨了智能制造中基于异构图神经网络与深度强化学习的动态作业调度优化方法。通过构建异构图模型和两阶段特征提取，系统能够实时响应设备故障和订单变化，显著提升调度效率。实验数据显示，该方法在缩短交付周期、提高紧急订单准时率等方面表现优异，为柔性车间调度提供了创新解决方案。

weixin_30266885
2026-04-15 21:00:45

 285

 4

#智能制造
当FJSP遇上AGV：从B&U经典论文到工业应用的调度挑战全解析

本文深入解析了FJSP（柔性作业车间调度）与AGV（自动导引车）协同调度的工业应用挑战，从Bilge和Ulusoy的经典论文出发，探讨了FJSP-T问题的理论框架与算法演进。文章详细介绍了B&U测试集的设计特点、工业适配案例，以及现代混合优化方法在提升AGV利用率方面的实践效果，为智能制造领域的调度优化提供了重要参考。

weixin_30512089
2026-04-26 02:37:18

 310

 3

#智能制造
从实验室到生产线：一个近红外光谱预测模型落地的完整避坑指南

本文详细解析了近红外光谱预测模型从实验室到生产线落地的完整避坑指南，涵盖数据一致性、模型服务化、持续迭代和人机协同等关键环节。通过工程化思维解决设备差异、环境噪声等实际问题，提升模型在生产线的稳定性和准确性，助力企业实现高效智能化转型。

Angela㐅cc
2026-05-26 12:49:53

 573

 6

#智能制造
别再只盯着ERP了！聊聊APS系统如何用算法帮你搞定生产排程这个“老大难”

本文探讨了APS系统如何通过算法解决生产排程这一复杂问题，特别是在离散制造场景中。文章详细分析了传统方法的局限性，介绍了APS算法的四代演进及实战选型指南，并提供了实施APS的关键步骤和成效衡量指标。APS系统通过智能算法显著提升设备利用率和订单准时交付率，是制造企业智能化升级的重要工具。

weixin_30315435
2026-06-05 16:08:39

 432

 6

#智能制造
ManuDrive AI 自控系统实战：5%数据+10+GPU卡实现工业发酵产量提升

本文介绍了上海交通大学李金金教授团队研发的ManuDrive AI自控系统，该系统通过轻量化架构和小样本迁移学习技术，仅需5%的传统训练数据和10余张GPU卡即可显著提升工业发酵产量。系统结合物理模型与数据驱动方法，实现高效推理和动态优化，已在制药、食品饮料等多个行业成功应用，大幅降低人力成本并提高生产效率。

defkaug153461
2026-07-04 15:35:09

 431

 10

#智能制造
DDPG+HER 分段学习算法：解决机械臂抓取 OSR 问题，成功率提升 40%

本文探讨了DDPG+HER分段学习算法在机械臂抓取任务中的应用，通过优化稀疏奖励问题，显著提升了抓取成功率40%。文章详细解析了算法框架、分段学习设计及实验验证，为智能制造和自动化仓储场景提供了高效解决方案。

weixin_34348805
2026-07-06 16:35:50

 371

 4

#智能制造
工业AI监控系统：架构设计与工程实践

工业AI监控系统是智能制造的核心技术组件，通过物联网数据采集和机器学习算法实现生产过程的实时监测与预测。这类系统通常采用边缘计算架构处理高频工业数据，运用时序分析、异常检测等算法模型。其技术价值在于提升质量检测效率、降低不良品率，典型应用场景包括汽车制造、电子装配等离散制造业。在实际工程中，需要特别关注数据采集协议兼容性、模型轻量化部署等挑战。随着工业4.0发展，融合OPC UA、MQTT等工业协

 weixin_34289454
2026-07-22 15:09:26

 436

 10

#智能制造
AI调度官：智能制造中的多智能体协同决策系统

多智能体系统（MAS）是分布式人工智能的重要分支，通过自主智能体间的协作实现复杂任务求解。其核心技术包括智能体通信协议（如合同网协议）、分布式决策算法（如Q-learning和遗传算法）以及弹性容错机制。在工业4.0背景下，这类系统展现出巨大价值，能够显著提升制造执行系统（MES）的响应速度和决策质量。以AI调度官为代表的解决方案，通过实时数据采集（采样频率达200Hz）、动态任务调度（99%分位

 aaa1231722
2026-07-22 13:44:50

 381

 8

#智能制造
制造业智能化转型：AI技术应用与实施策略

智能制造作为工业4.0的核心驱动力，通过AI技术实现生产流程的自动化与优化。其技术原理主要基于计算机视觉、预测性分析和优化算法，其中计算机视觉通过深度学习模型实现高精度质检，预测性维护利用传感器数据和LSTM网络提前发现设备故障，而优化算法则解决生产排程等复杂问题。这些技术的工程价值体现在提升生产效率、降低质量成本和增强供应链协同等方面，广泛应用于汽车制造、电子装配等离散制造业。随着YOLOv5等

 weixin_30553777
2026-07-22 11:40:01

 401

 12

#智能制造 #计算机视觉
深度强化学习在智能制造实时调度中的应用与优化

深度强化学习（DRL）作为人工智能领域的重要分支，通过智能体与环境的持续交互来优化决策策略，在工业自动化领域展现出巨大潜力。其核心原理是将调度问题建模为马尔可夫决策过程，利用价值函数和策略梯度方法实现动态优化。在智能制造场景中，DRL技术能有效解决传统方法难以应对的复杂排产问题，特别是在处理紧急订单和设备利用率优化等关键指标上表现突出。本文介绍的混合建模方法结合数字孪生与数据驱动技术，通过54维状

 Just do it
2026-07-23 11:02:18

 397

 10

#智能制造
智能制造中动态生产调度的强化学习解决方案

生产调度系统是智能制造的核心技术之一，其核心原理是通过优化算法实现资源的最优分配。随着工业4.0的发展，传统调度算法已难以应对动态订单插入、设备异构性等复杂场景。强化学习作为新一代智能决策技术，通过与环境交互学习最优策略，特别适合解决这类动态优化问题。在实际工业场景中，结合Petri网等离散事件建模方法和微分方程连续模型，可以构建混合智能调度系统。这类系统在3C制造、汽车装配等领域展现出显著优势，

weixin_34289454
2026-07-23 11:13:33

 367

 5

#智能制造
多模态目标识别技术在智能制造中的应用与优化

多模态目标识别技术结合计算机视觉、行为分析和空间语义理解，为智能制造提供立体感知能力。通过动态感知、时空卷积和三维知识图谱构建，系统能准确识别物体、分析行为并理解空间规则，显著提升工业检测精度和响应速度。在硬件选型、数据融合和模型优化方面，采用多尺度特征融合、自适应光照补偿和混合精度量化等策略，确保系统在复杂工业环境中的稳定性和实时性。该技术已成功应用于智能仓储、高危作业监护等多个场景，展现出强大

 weixin_34289454
2026-07-23 10:55:16

 478

 8

#计算机视觉 #智能制造
智能制造AI转型：核心技术栈与实施策略

智能制造作为工业4.0的核心驱动力，其本质是通过AI技术实现生产系统的自主决策与持续优化。从技术原理看，这需要构建包含数据治理、混合智能决策等在内的完整技术栈，其中工业数据治理体系确保数据质量，而混合智能系统则结合物理模型、知识规则与深度学习，在提升准确率的同时保持可解释性。这类技术在汽车制造、半导体等离散制造业具有广泛应用价值，能显著提升OEE（设备综合效率）并降低缺陷率。以某光伏电池片分选项目

 weixin_30546189
2026-07-23 15:51:16

 335

 9

#智能制造
AI动态调度在智能制造中的实战应用与优化

AI动态调度是智能制造领域的核心技术之一，通过结合强化学习与约束规划，实现生产资源的智能优化配置。其核心原理在于利用实时数据感知和多目标优化算法，动态调整生产排程，以应对设备故障、紧急订单等不确定性因素。技术价值体现在提升设备利用率、缩短响应时间和降低生产成本等方面，广泛应用于汽车制造、医疗器械等行业。特别是在处理离散事件和连续优化问题时，Graph Neural Networks和进化算法等技术

 weixin_34289454
2026-07-24 11:48:39

 440

 9

#智能制造
工业数字人：智能制造的核心技术与应用实践

工业数字人是数字孪生、人工智能和物联网技术的融合产物，通过构建虚拟化工业实体实现环境感知、自主决策和持续进化。其核心技术包括传感器网络、边缘计算和云端AI平台，能够显著提升制造系统的数据处理能力和生产效率。在应用场景上，工业数字人已广泛应用于汽车制造、电子行业和化工过程，实现精密检测、工艺优化和安全控制。数字孪生和分层强化学习框架是其关键技术支撑，通过虚实融合和多物理场耦合仿真，显著降低能耗并提升

 cqvlo26080
2026-07-24 11:25:36

 358

 5

#智能制造
Agentic AI与提示工程在智能制造中的动态优化实践

Agentic AI（自主智能体）作为人工智能领域的前沿技术，通过模拟人类决策过程实现自主任务执行。其核心技术原理在于结合强化学习与多智能体系统，能够动态适应复杂环境变化。在工业4.0背景下，这种技术特别适用于智能制造场景中的产线优化问题。通过引入提示工程（Prompt Engineering）方法，可以显著提升AI系统的可解释性和控制精度。实际工程应用中，这种组合技术已成功实现良品率提升12.3

weixin_33933118
2026-07-24 09:34:26

 592

 6

#智能制造
Agentic AI与提示工程在智能制造中的实践

Agentic AI（自主智能体）是工业4.0时代智能制造的核心技术之一，通过多模态数据融合和实时决策实现生产自主优化。其核心原理在于分层架构设计，包括感知层的数据采集与特征提取、决策层的动态提示模板与多目标优化，以及执行层的设备控制与反馈闭环。结合提示工程（Prompt Engineering），系统能够将复杂工业知识转化为可执行的参数调整策略，显著提升设备利用率和产品质量。在焊接机器人电极磨损

 weixin_34348174
2026-07-24 09:13:45

 391

 10

#智能制造
工业AI实战：智能制造中的模型部署与优化

在智能制造领域，AI模型从实验室到产线的部署面临数据差异、环境干扰和实时性三大挑战。动态卷积神经网络(DyCNN)和注意力机制等技术创新，通过自适应特征提取和多模态数据融合，显著提升模型在复杂工业环境中的表现。以质量检测和设备预测性维护为例，结合增量学习和边缘计算优化，工业AI解决方案能实现98.7%的检测准确率和40%的刀具利用率提升。这些技术在汽车制造、家电装配等场景的应用，展示了AI如何突破

 weixin_30319153
2026-07-24 12:32:26

 302

 10

#智能制造
工业4.0时代智能制造质量检测的提示工程技术突破

机器视觉在智能制造质量检测中面临传统算法适应性差与人工检测效率低下的双重挑战。通过深度学习与提示工程结合，构建动态特征提取架构，采用CLIP模型基础特征层、LoRA技术领域适配层和小样本提示学习实例微调层，显著提升缺陷识别准确率。多模态提示设计规范融入空间关系描述与物理量约束，结合边缘计算硬件方案，实现高速产线实时检测。该技术已成功应用于汽车零部件、新能源电池等领域，检测效率提升150%，人力成本

 oldbalck
2026-07-24 11:46:43

 500

 13

#智能制造
AI在金融风控与智能制造中的关键技术解析

人工智能技术正深度渗透到金融与工业领域，其中机器学习模型和图神经网络是两大核心技术支柱。在金融风控场景，XGBoost、LightGBM等集成学习算法通过特征工程优化和模型融合策略，显著提升了信贷风险评估准确率；而基于图神经网络的关联分析则成为反欺诈系统的核心技术。在智能制造领域，工业视觉检测依赖YOLOv5等目标检测算法，预测性维护则结合了CNN和LSTM的时序建模能力。这些技术的工程落地面临模

 bo o ya ka
2026-07-24 09:43:37

 541

 7

#人工智能 #智能制造
PaddlePaddle工业视觉检测系统实战：装配制造智能化升级

计算机视觉与深度学习技术正在重塑传统制造业的质量检测体系。基于特征金字塔和多尺度融合的目标检测算法，配合边缘计算硬件部署，能够有效解决装配工艺合规性验证、微小缺陷识别等行业难题。以PaddlePaddle框架为例，其产业级模型库和工具链支持快速构建高精度检测系统，通过YOLOv3改进模型实现96%的小零件识别率。在重型机械装配等场景中，这类AI系统可将单台检测时间从45分钟压缩至8分钟，同时降低8

agtvo48266
2026-07-24 12:22:07

 332

 4

#智能制造
工业AI在汽车制造中的三大核心应用与优化路径

工业AI作为智能制造的核心技术，正在深刻改变传统汽车制造模式。其技术原理基于数据感知、认知决策和执行控制三大核心层构建智能体系，通过工业物联网(IIoT)设备采集全要素数据，结合深度强化学习和数字孪生技术实现工艺优化。在工程实践中，工业AI显著提升了整车生产效率，如通过动态排产技术将排产耗时从4小时压缩到8分钟，设备综合效率(OEE)提升11%。典型应用场景包括涂装工艺参数自动调节、焊接电流动态优

 weixin_30387423
2026-07-25 12:06:18

 353

 8

#智能制造
工业AI在汽车供应链中的智能化应用与实践

工业AI作为智能制造的核心技术，通过计算机视觉、机器学习等算法实现生产流程的自动化与优化。其技术原理主要基于深度学习模型对工业数据进行特征提取与模式识别，在汽车制造领域具有显著价值，能够提升检测精度、优化工艺参数并降低能耗。典型应用场景包括焊接质检、装配验证和能耗管理等，其中AI视觉系统可实现每秒30帧的全检覆盖，漏检率低至0.05%。广域铭岛的实践表明，采用迁移学习技术仅需5000张样本即可训练

 weixin_34289454
2026-07-25 12:58:32

 523

 7

#智能制造
B2B咨询行业数字化转型与差异化服务解析

B2B咨询行业正经历数字化转型浪潮，市场需求从传统效率咨询转向智能制造、供应链协同等整体解决方案。通过数据分析平台和自然语言处理等技术的应用，咨询机构能够提升战略建议的精准度和效率。行业标杆企业如中网咨询、里斯战略和特劳特定位，通过产业深耕、场景化创新和认知科学应用等差异化服务模式，重塑行业标准。这些技术驱动的服务升级不仅提高了咨询效率，还带来了方法论创新，广泛应用于制造业、服务业等多个领域。

weixin_30487201
2026-07-30 10:00:19

 362

 7

#智能制造
数智化转型实战：五大行业应用场景解析

数字化转型通过数据要素与智能算法的结合重构产业价值链，其核心在于将业务逻辑转化为可计算的模型。从技术原理看，物联网传感器采集实时数据，机器学习算法进行模式识别与预测，最终形成决策闭环。这种技术架构在工程实践中展现出巨大价值，以智能制造为例，基于LSTM的预测性维护系统可减少68%非计划停机，而强化学习优化的智能排产能提升27%产线利用率。典型应用场景覆盖零售业的动态定价引擎、医疗影像的AI辅助诊断

 weixin_30832405
2026-08-03 11:21:47

 373

 6

#智能制造
汽车焊装工艺智能化转型：数据驱动与算法应用

在智能制造领域，数据采集与特征工程是构建工业智能系统的关键技术基础。通过PLC传感器网络和视觉检测系统实现多维度数据采集，结合XGBoost等机器学习算法对焊接工艺参数进行建模分析，可显著提升质量预测准确率。这种数据驱动方法在汽车制造中尤其重要，能有效解决传统焊装工艺依赖经验、质量追溯困难等痛点。实际应用表明，智能化系统可使工艺调试时间缩短65%，缺陷率下降42%，特别适用于新能源汽车多材料混合焊

 weixin_34289454
2026-08-07 14:25:47

 391

 7

#智能制造
工业本体论：从数据整合到智能认知，解码特斯拉超级工厂的制造革命

在智能制造领域，数据整合与知识图谱是构建智能系统的基石。其核心原理在于通过统一的数据模型和语义关系，将分散的工业数据转化为机器可理解、可推理的知识网络。这一技术的价值在于突破传统数据孤岛，实现跨系统、跨领域的语义一致性，从而支持复杂的决策优化和预测分析。在应用场景上，它广泛应用于设备预测性维护、产品质量追溯和生产排程优化等关键环节。本文以工业本体论为切入点，探讨如何通过极致的原子化建模和实时知识演

 weixin_33725270
2026-08-08 10:43:28

 373

 10

#知识图谱 #智能制造
人类经验与AI协同：智能制造中的实践与挑战

在智能制造领域，人类经验与AI技术的协同已成为提升生产效率和质量的关键。人类经验通过多模态感知（如视觉、触觉）和模糊决策能力，弥补了AI在物理世界适应性上的不足。AI系统虽然在实验室环境下表现优异，但在真实场景中常面临数据分布偏移和长尾问题等挑战。通过数字化工匠经验和构建混合增强智能架构，可以实现人机优势互补。典型应用场景包括柔性装配线调试和设备预测性维护，其中人类经验的注入显著提升了系统的鲁棒性

 黄小二哥
2026-08-13 15:46:14

 465

 13

#智能制造
汽车智能制造转型：从数字孪生到AI质检的千亿产值实践

智能制造是制造业数字化转型的核心方向，其原理在于通过物联网、大数据和人工智能技术实现生产全流程的数字化映射与智能决策。这项技术的价值在于显著提升生产效率、降低运营成本并保障产品质量稳定性，在汽车、电子等复杂装配行业具有广泛应用前景。以汽车制造为例，数字孪生技术可在虚拟环境中完整复现生产线，实现工艺仿真与设备调试的预验证，将新车投产准备周期缩短30%以上；AI视觉质检系统则通过深度学习算法自动识别毫

 weixin_30482383
2026-08-13 10:26:11

 421

 8

#智能制造
自动驾驶汽车工厂革命：从传感器集成到软件定义生产的制造范式变革

在智能制造与工业4.0的浪潮下，汽车制造正经历从传统机械装配向智能化生产的深刻转型。其核心原理在于通过高度自动化的生产线，将复杂的硬件系统与海量软件代码高效集成，实现产品的大规模定制化生产。这一变革的技术价值在于，它不仅提升了生产效率和精度，更确保了如功能安全等关键特性的实现，为自动驾驶等前沿技术的商业化落地奠定了制造基础。具体到应用场景，现代汽车工厂需要应对多传感器融合安装的精度挑战、车载高性能

 weixin_34289454
2026-08-18 15:27:09

 348

 11

#自动驾驶 #智能制造
小米人形机器人进厂实训：从实验室炫技到产线务实的场景革命

人形机器人作为人工智能与机电一体化技术的集大成者，其核心原理在于模仿人类形态与运动能力，通过多传感器融合、实时运动规划与环境交互算法实现自主作业。这项技术的核心价值在于解决复杂、非结构化环境下的自动化需求，尤其在需要高度灵活性与环境兼容性的场景中。当前，其最具潜力的应用场景正从早期的展示性演示转向规模化商业落地，其中现代化智能制造产线因其标准化与非标任务并存的特点，成为验证技术实用性的关键试验场。

weixin_30633405
2026-08-21 11:14:16

 338

 11

#智能制造
小米机器人汽车工厂实训：从实验室到产线的技术落地路径解析

机器人技术正从实验室演示迈向工业落地，其核心在于解决真实场景下的感知、决策与执行问题。感知层需应对复杂光照、动态环境，通过多传感器融合（如视觉与力控）实现精准操作；决策层则需构建从单次任务到连续可调度任务流的能力，涉及实时路径规划与工艺管理。这些技术能力的整合，旨在提升自动化单元的可靠性与柔性，最终服务于智能制造中的人机协作与产线升级。小米机器人近期完成的“汽车工厂实训”，正是这一技术演进过程的典

 weixin_34289454
2026-08-21 13:17:20

 352

 7

#智能制造
智能制造技术栈全解析：从工业AI质检到数字孪生部署实践

智能制造是工业互联网、人工智能与先进制造技术深度融合的产物，其核心在于通过数据驱动实现生产过程的智能化升级。从技术原理上看，它依托工业互联网平台实现设备互联与数据汇聚，运用机器学习算法对生产数据进行深度分析，从而构建起感知、分析、决策与执行的闭环。这一融合体系的技术价值在于显著提升生产效率、产品质量与资源利用率，是实现制造业数字化转型的关键路径。其典型应用场景广泛覆盖工业AI质检、预测性维护、数字

 weixin_30784501
2026-08-22 09:31:36

 421

 7

#智能制造
华为数智生命体：打破制造信息烟囱，迈向自感知自优化的智能制造

在制造业数字化转型的浪潮中，系统林立、数据孤岛（信息烟囱）是阻碍效率提升的核心痛点。其本质在于不同业务系统间数据标准不一、无法互通，导致协同困难、追溯低效。为解决这一问题，业界正通过构建统一的数据底座和智能中枢，实现数据的全域融合与智能驱动。这种技术架构的核心价值在于，它能将割裂的生产要素连接为一个有机整体，从而支撑生产全流程的实时感知、智能决策与自主优化。典型的应用场景包括基于实时数据的预测性维

 weixin_30587927
2026-08-23 12:47:49

 334

 7

#智能制造