午夜神马影院-日本天堂在线-国产精品777-奇米影视亚洲春色-天堂8中文-日本在线观看一区二区-天天干天天操天天插-国产精品女同-色骚综合-四川一级毛毛片-99在线看-国产极品久久-波多野吉衣毛片-婷婷在线综合-欧美视频成人-亚洲影视一区二区三区-国产精品久久久久久久一区二区-国产精品9191-污污免费观看-日本三区在线

7月27日，AI賦能紡織產(chǎn)業(yè)高質(zhì)量發(fā)展大會(huì)暨工業(yè)決策大腦產(chǎn)品發(fā)布會(huì)在浙江紹興柯橋舉行。會(huì)上，中科聞歌重磅發(fā)布工業(yè)決策大腦。作為一套面向AI原生工廠的完整能力體系，工業(yè)決策大腦以DOMA技術(shù)架構(gòu)和“基—樞—核—腦—端”決策AI樹(shù)為底座，打通工業(yè)數(shù)據(jù)、模型、智能體、智能裝備的全鏈路，讓AI真正讀懂工廠、深度參與決策，打通“感知－決策－行動(dòng)”的智能化閉環(huán)。

中科聞歌副總裁、CTO曹家發(fā)布工業(yè)決策大腦

工業(yè)決策大腦所面向的，正是制造業(yè)日益增長(zhǎng)的智能化需求。我國(guó)工業(yè)門類齊全、制造業(yè)主體數(shù)量龐大，無(wú)論是大型企業(yè)的智能化升級(jí)，還是廣大中小制造企業(yè)的提質(zhì)增效，都為工業(yè)AI提供了豐富的應(yīng)用場(chǎng)景。在訂單處理、工藝優(yōu)化、生產(chǎn)排程、質(zhì)量檢測(cè)和設(shè)備運(yùn)維等環(huán)節(jié)，大量真實(shí)、高頻的業(yè)務(wù)需求正加快釋放。

但豐富的場(chǎng)景需求并不會(huì)自然轉(zhuǎn)化為規(guī)模化應(yīng)用。如何將企業(yè)已有的數(shù)據(jù)、工藝知識(shí)和生產(chǎn)經(jīng)驗(yàn)轉(zhuǎn)化為可執(zhí)行、可驗(yàn)證的決策能力，推動(dòng)AI真正融入生產(chǎn)經(jīng)營(yíng)流程，已成為工業(yè)智能化從單點(diǎn)應(yīng)用邁向規(guī)模化落地的關(guān)鍵。

紹興柯橋產(chǎn)業(yè)集聚度高、產(chǎn)業(yè)鏈條完整、紡織制造場(chǎng)景豐富。中科聞歌選擇在此發(fā)布工業(yè)決策大腦，并與當(dāng)?shù)囟嗉壹徔椘髽I(yè)開(kāi)展合作，正是希望以紡織制造為樣板，探索一條可復(fù)制、可推廣的“人工智能+工業(yè)制造”規(guī)模化落地路徑。

從信息化走向智能化，工業(yè)AI仍需跨越三重瓶頸

“工廠并不缺設(shè)備、系統(tǒng)和數(shù)據(jù)，真正缺少的是連接‘?dāng)?shù)據(jù)”與‘執(zhí)行’的決策智能大腦。”中科聞歌副總裁、CTO曹家在發(fā)布會(huì)上表示。

過(guò)去多年來(lái)，隨著ERP、MES、PLC等系統(tǒng)廣泛部署，大量工業(yè)企業(yè)持續(xù)推進(jìn)信息化建設(shè)，積累了豐富的數(shù)據(jù)資源。然而，信息化并不等于智能化。許多企業(yè)的數(shù)據(jù)仍停留在記錄、查詢和展示層面，尚未真正轉(zhuǎn)化為分析問(wèn)題、優(yōu)化生產(chǎn)和輔助決策的能力。

曹家指出，工業(yè)AI要真正落地，仍需跨越數(shù)據(jù)難理解、模型難適配、經(jīng)驗(yàn)難沉淀等三重障礙。

首先，工業(yè)企業(yè)并不缺少數(shù)據(jù)，真正缺少的是可被AI直接理解和有效使用的高質(zhì)量數(shù)據(jù)。企業(yè)數(shù)據(jù)一般分散在ERP、MES、PLC、設(shè)備及Excel等不同系統(tǒng)中，存在標(biāo)準(zhǔn)不一、語(yǔ)義不通、彼此割裂等問(wèn)題。相同的指標(biāo)在不同環(huán)節(jié)可能有不同定義，設(shè)備數(shù)據(jù)、訂單數(shù)據(jù)和工藝數(shù)據(jù)也難以關(guān)聯(lián)，導(dǎo)致AI看到了數(shù)據(jù)，卻無(wú)法準(zhǔn)確理解數(shù)據(jù)背后的業(yè)務(wù)關(guān)系。

其次，通用大模型難以直接理解復(fù)雜的工業(yè)場(chǎng)景。工業(yè)場(chǎng)景中的數(shù)據(jù)遠(yuǎn)不止文本和圖像，還包括波形、頻譜、場(chǎng)數(shù)據(jù)、設(shè)備信號(hào)和時(shí)序數(shù)據(jù)等復(fù)雜模態(tài)；生產(chǎn)過(guò)程又受到工藝參數(shù)、設(shè)備狀態(tài)、交付周期、成本和質(zhì)量等多重約束。僅依靠通用大模型，難以理解復(fù)雜工藝機(jī)理和生產(chǎn)規(guī)則，更難以支撐生產(chǎn)排程、質(zhì)量控制、設(shè)備協(xié)同等專業(yè)決策。

最后，大量關(guān)鍵知識(shí)仍沉淀在資深技術(shù)人員和專家團(tuán)隊(duì)的經(jīng)驗(yàn)之中。從異常判斷、工藝調(diào)整到排產(chǎn)優(yōu)化，許多決策依賴個(gè)人經(jīng)驗(yàn)和反復(fù)討論，難以形成結(jié)構(gòu)化、可傳承、可復(fù)制的知識(shí)體系。一旦人員發(fā)生變化，經(jīng)驗(yàn)就可能隨之流失，企業(yè)決策效率和能力提升也因此受到限制。

這意味著，制約工業(yè)AI落地的并非單一的模型能力，而是數(shù)據(jù)可用性、工業(yè)知識(shí)沉淀與決策智能化的系統(tǒng)性瓶頸。中科聞歌此次發(fā)布的工業(yè)決策大腦，正是針對(duì)這些共性問(wèn)題提出的系統(tǒng)性決策智能產(chǎn)品。

以DOMA和決策AI樹(shù)打造工業(yè)決策大腦

中科聞歌將DOMA（Data—Ontology—Models—Agents，即數(shù)據(jù)—本體—模型—智能體）技術(shù)架構(gòu)引入工業(yè)場(chǎng)景：匯聚企業(yè)真實(shí)業(yè)務(wù)數(shù)據(jù)，構(gòu)建設(shè)備、訂單、產(chǎn)品、工藝與質(zhì)量之間的關(guān)系，再由專業(yè)模型進(jìn)行理解和推理，最終通過(guò)智能體調(diào)用業(yè)務(wù)系統(tǒng)與生產(chǎn)工具完成任務(wù)。

在產(chǎn)品層面，中科聞歌“基—樞—核—腦—端”決策AI樹(shù)進(jìn)一步把這些能力組織為完整體系：底層由海匯和DIP負(fù)責(zé)組織工業(yè)數(shù)據(jù)和知識(shí)，中間由雅意、磐石大模型和決策機(jī)完成預(yù)測(cè)、推演與決策，上層通過(guò)龍工智能體和工業(yè)智能裝備進(jìn)入具體工廠生產(chǎn)和經(jīng)營(yíng)業(yè)務(wù)。

（中科聞歌“基—樞—核—腦—端”決策AI樹(shù)）

依托決策AI樹(shù)，工業(yè)決策大腦提供一套面向AI原生工廠的完整能力體系——讓AI理解工廠、參與決策，并把決策轉(zhuǎn)化為系統(tǒng)任務(wù)和設(shè)備行動(dòng)。這套體系不要求企業(yè)推倒重建已經(jīng)投入使用的系統(tǒng)，而是將訂單、客戶、設(shè)備、物料、產(chǎn)品、工藝和質(zhì)量數(shù)據(jù)連接起來(lái)，讓工廠使用統(tǒng)一的業(yè)務(wù)語(yǔ)言，并在交期、產(chǎn)能、庫(kù)存、成本、品質(zhì)和能耗等多重約束下，形成可執(zhí)行的決策方案。

以紡織產(chǎn)業(yè)為樣板，驗(yàn)證工業(yè)AI應(yīng)用成效

依托紹興柯橋完整的紡織產(chǎn)業(yè)鏈和豐富的制造場(chǎng)景，中科聞歌將紡織制造作為工業(yè)決策大腦重點(diǎn)落地的樣板行業(yè)，圍繞訂單多樣、工藝復(fù)雜、交付周期緊、生產(chǎn)高度依賴經(jīng)驗(yàn)等行業(yè)特點(diǎn)，在真實(shí)生產(chǎn)環(huán)境中持續(xù)驗(yàn)證和優(yōu)化產(chǎn)品能力。

目前，工業(yè)決策大腦已深入木林森、中輝紡織、東進(jìn)新材料、舒美針織、龍玉才紡織、福華世家、東丘針紡、華孚時(shí)尚等企業(yè)的生產(chǎn)經(jīng)營(yíng)流程，覆蓋智能理單、生產(chǎn)排程與排缸、印染配色、智能跟單、質(zhì)量檢測(cè)、生產(chǎn)執(zhí)行等關(guān)鍵環(huán)節(jié)。

據(jù)曹家介紹，工業(yè)決策大腦已進(jìn)入紡織企業(yè)生產(chǎn)經(jīng)營(yíng)的多個(gè)關(guān)鍵環(huán)節(jié)，并在典型應(yīng)用場(chǎng)景中取得階段性成效，推動(dòng)AI從單點(diǎn)工具加速走向貫通生產(chǎn)經(jīng)營(yíng)流程的決策閉環(huán)。

具體來(lái)看：

貿(mào)易智能理單場(chǎng)景：過(guò)去，一張外貿(mào)訂單需要人工在多個(gè)文件之間反復(fù)核對(duì)，通常耗時(shí)30至60分鐘。應(yīng)用工業(yè)決策大腦后，面料規(guī)格、顏色、數(shù)量、工藝、交期等關(guān)鍵信息可被自動(dòng)識(shí)別，數(shù)十秒內(nèi)即可完成理單，關(guān)鍵要素提取準(zhǔn)確率超過(guò)95%。

織造智能排產(chǎn)場(chǎng)景：傳統(tǒng)織造排產(chǎn)過(guò)去主要依賴人工經(jīng)驗(yàn)統(tǒng)籌，一份排產(chǎn)計(jì)劃需要統(tǒng)籌設(shè)備、產(chǎn)能、工藝、庫(kù)存和交期等多項(xiàng)因素，往往耗時(shí)數(shù)小時(shí)。接入工業(yè)決策大腦后，AI能夠綜合各類生產(chǎn)約束，自動(dòng)分配任務(wù)，并根據(jù)現(xiàn)場(chǎng)變化實(shí)時(shí)重算，排產(chǎn)計(jì)劃由數(shù)小時(shí)壓縮至分鐘級(jí)，讓生產(chǎn)計(jì)劃更快響應(yīng)臨時(shí)插單、設(shè)備異常和訂單調(diào)整。

印染智能配色場(chǎng)景：印染配色原本高度依賴?yán)蠋煾到?jīng)驗(yàn)，往往需要反復(fù)打樣和調(diào)整。如今，工業(yè)決策大腦能夠綜合歷史配方、光譜數(shù)據(jù)、面料信息和染料屬性生成配色建議，并根據(jù)打樣結(jié)果持續(xù)優(yōu)化。在典型場(chǎng)景下，打樣由7至8輪降至3至4輪，成本可節(jié)省30%至50%，并將老師傅經(jīng)驗(yàn)持續(xù)沉淀為可復(fù)用能力。 

印染智能排缸：以前完成一次排缸通常需要約2小時(shí)，訂單或設(shè)備情況發(fā)生變化后，還要重新協(xié)調(diào)。接入工業(yè)決策大腦后，AI能夠綜合多重約束生成可解釋的排缸方案，將排缸時(shí)間由約2小時(shí)縮短至約2分鐘，幫助企業(yè)更快應(yīng)對(duì)插單、設(shè)備變化等生產(chǎn)現(xiàn)場(chǎng)的不確定性。

完工反饋與訂單交付：過(guò)去，一個(gè)批次完成生產(chǎn)，生產(chǎn)記錄、質(zhì)檢結(jié)果和原始訂單需要逐項(xiàng)核對(duì)，還要聯(lián)動(dòng)銷售、倉(cāng)儲(chǔ)、質(zhì)檢和財(cái)務(wù)等多個(gè)部門，費(fèi)時(shí)費(fèi)力。落地工業(yè)決策大腦后，系統(tǒng)自動(dòng)核對(duì)生產(chǎn)記錄、質(zhì)檢數(shù)據(jù)與訂單要求，并同步觸發(fā)后續(xù)業(yè)務(wù)流程，將原本1.5至3小時(shí)的跨部門協(xié)作壓縮至約5分鐘。

從數(shù)字決策到具身執(zhí)行，打通工業(yè)智能閉環(huán)

工業(yè)智能不僅要在數(shù)字系統(tǒng)中完成分析和決策，還要將決策轉(zhuǎn)化為生產(chǎn)現(xiàn)場(chǎng)的具體行動(dòng)。曹家表示：“中科聞歌本身并不做機(jī)器人，而是致力于為各類機(jī)器人進(jìn)入工廠打造統(tǒng)一的工業(yè)決策大腦。我們希望在機(jī)器人‘會(huì)感知’與‘會(huì)行動(dòng)’之間，構(gòu)建統(tǒng)一的協(xié)同決策能力和決策算法，讓不同類型的機(jī)器人能夠圍繞同一生產(chǎn)目標(biāo)協(xié)同工作、持續(xù)優(yōu)化，共同推動(dòng)未來(lái)工廠運(yùn)行模式從自動(dòng)化走向智能化。”

未來(lái)工廠的運(yùn)行效率，不僅取決于單臺(tái)機(jī)器人的智能水平，更取決于機(jī)器人、智能裝備和智能體能否基于統(tǒng)一的決策體系協(xié)同運(yùn)行。中科聞歌希望構(gòu)建連接數(shù)字系統(tǒng)與物理現(xiàn)場(chǎng)的決策層，讓工業(yè)決策算法成為智能工廠的新型基礎(chǔ)設(shè)施。

在工業(yè)決策大腦統(tǒng)一調(diào)度下，由中科聞歌孵化企業(yè)中科巨細(xì)打造的智能巡檢、智能掛紗和智能落布機(jī)器人，成為AI進(jìn)入生產(chǎn)現(xiàn)場(chǎng)的具身智能終端。

機(jī)器人融合自主導(dǎo)航、視覺(jué)識(shí)別、任務(wù)規(guī)劃和協(xié)同調(diào)度等能力，將系統(tǒng)決策轉(zhuǎn)化為巡檢、停機(jī)、掛紗、轉(zhuǎn)運(yùn)等生產(chǎn)動(dòng)作，并實(shí)時(shí)回傳現(xiàn)場(chǎng)數(shù)據(jù)，形成“感知—決策—執(zhí)行—反饋”閉環(huán)。

其中，智能巡檢機(jī)器人可識(shí)別20余類紡織瑕疵，檢測(cè)準(zhǔn)確率超過(guò)95%，單機(jī)續(xù)航達(dá)8小時(shí)；發(fā)現(xiàn)嚴(yán)重缺陷后，可上傳數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)研判并聯(lián)動(dòng)織機(jī)停機(jī)。智能掛紗機(jī)器人能夠協(xié)同完成取紗、定位和掛入，作業(yè)高度覆蓋0.5至3米，最大掛載15公斤/卷，重復(fù)定位精度達(dá)±0.1毫米。智能落布機(jī)器人額定負(fù)載達(dá)300公斤，定位精度達(dá)±5毫米，每日可轉(zhuǎn)運(yùn)100至150卷布卷，并支持動(dòng)態(tài)避障和多機(jī)協(xié)同。

通過(guò)工業(yè)決策大腦與具身智能終端協(xié)同，中科聞歌進(jìn)一步貫通數(shù)字系統(tǒng)與物理現(xiàn)場(chǎng)，讓AI從分析生產(chǎn)、輔助決策走向執(zhí)行任務(wù)、反饋結(jié)果，推動(dòng)決策智能與工業(yè)具身智能深度融合。

在紡織制造業(yè)持續(xù)驗(yàn)證應(yīng)用路徑的同時(shí)，中科聞歌正推動(dòng)工業(yè)決策大腦向電力、煤炭、新能源、鋼鐵、船舶、航空航天等重點(diǎn)工業(yè)領(lǐng)域拓展，相關(guān)能力已應(yīng)用于輸配電設(shè)備預(yù)測(cè)性維護(hù)、電力科研、能源產(chǎn)業(yè)投資、鋼鐵低碳研發(fā)和氣動(dòng)仿真優(yōu)化等場(chǎng)景。

“我們希望通過(guò)不同行業(yè)場(chǎng)景的持續(xù)驗(yàn)證，沉淀可遷移、可復(fù)用的工業(yè)決策能力，推動(dòng)AI從單點(diǎn)應(yīng)用走向跨行業(yè)規(guī)模化落地。”曹家表示。

從數(shù)字化工廠邁向AI原生智能工廠，關(guān)鍵在于讓AI真正進(jìn)入生產(chǎn)經(jīng)營(yíng)流程，連接數(shù)據(jù)、決策與行動(dòng)，形成持續(xù)優(yōu)化的決策與執(zhí)行閉環(huán)。未來(lái)，中科聞歌將攜手制造企業(yè)與生態(tài)伙伴，以工業(yè)決策大腦推動(dòng)AI從單點(diǎn)應(yīng)用走向全流程協(xié)同，加快AI原生智能工廠建設(shè)。

注：文中應(yīng)用效率與準(zhǔn)確率指標(biāo)，來(lái)自中科聞歌合作企業(yè)試運(yùn)行及典型場(chǎng)景測(cè)試；機(jī)器人相關(guān)參數(shù)為特定測(cè)試條件下的產(chǎn)品數(shù)據(jù)。實(shí)際應(yīng)用成效可能因企業(yè)業(yè)務(wù)流程、設(shè)備配置及運(yùn)行環(huán)境不同而有所差異。