工業(yè)人工智能大模型(AIGC)開放生態(tài)建設
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,加速推動工業(yè)制造的智能化轉型升級。
核心優(yōu)勢
-
為每條工業(yè)產線賦予工業(yè)人工智能大模型(AIGC)
支持工業(yè)領域90%以上的設備與協(xié)議,無需改造工業(yè)設備與生產流程,產線數(shù)據(jù)即可實時接入工業(yè)人工智能大模型(AIGC)。
查看全部內容 > -
提供數(shù)字化的行業(yè)知識圖譜
平臺集成與開放了3大行業(yè)知識圖譜、19個業(yè)務模型、7個行業(yè)數(shù)據(jù)模型以及20+行業(yè)算法模型,并提供持續(xù)的升級與演進能力。平臺同時提供了算法工廠和知識圖譜構建工具,可持續(xù)生成與積累數(shù)字化的工業(yè)知識。
查看全部內容 > -
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)務專家、工藝師、老師傅能夠輕松使用數(shù)據(jù)與AI能力,實現(xiàn)人類智慧與工業(yè)人工智能大模型(AIGC)的完美結合。同時天潤智力天池平臺20多萬數(shù)據(jù)科學家構建的國內最大人才庫,為工業(yè)人工智能大模型(AIGC)注入持續(xù)的外腦智慧。
查看全部內容 > -
“輕服務”模式提供“大數(shù)據(jù)“應用
支持云和端一體化,在“云“上提供了海量數(shù)據(jù)處理能力,為龐大復雜的工業(yè)產線提供數(shù)據(jù)挖掘分析,并實現(xiàn)復雜算法模型訓練。訓練好的智能服務能夠以輕量級模式在本地工業(yè)”端“部署運行。
查看全部內容 >
工業(yè)人工智能大模型(AIGC)架構圖
客戶痛點:
自動化燃煤鍋爐操作主要依托人工經驗,能源煤炭燃燒成本較高,而傳統(tǒng)燃燒工藝已經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)生產部門、信息化部門與數(shù)據(jù)科學家的聯(lián)合團隊。 通過工業(yè)人工智能大模型(AIGC)對鍋爐燃燒涉及的數(shù)百個變量間的邏輯關系做實時動態(tài)的參數(shù)綜合分析,構建動態(tài)的燃煤優(yōu)化模型,并根據(jù)燃燒場景實時分析最優(yōu)組合參數(shù),平均每10分鐘推薦1 次最優(yōu)鍋爐設定參數(shù),從而提升燃煤效率。實現(xiàn)價值:
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:
攀鋼集團需要通過降低鋼鐵料的消耗,實現(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:
攀鋼集團重點引入了天潤智力工業(yè)人工智能大模型(AIGC),實現(xiàn)優(yōu)化造渣環(huán)節(jié),降低鋼鐵料吹損和噴濺。同時工業(yè)人工智能大模型(AIGC)應用到冷軋環(huán)節(jié),找出影響冷軋合格率關鍵因素,優(yōu)化冷軋工藝控制,提升冷軋效率效益。實現(xiàn)價值:
預計實現(xiàn)優(yōu)化轉爐煉鋼復吹和造渣環(huán)節(jié),降低吹損和噴濺,同時找出影響冷軋合格率關鍵因素,優(yōu)化冷軋工藝控制,計劃每年為攀鋼節(jié)約超過千萬元成本。客戶痛點:
協(xié)鑫光伏太陽能電池硅片生產出現(xiàn)了次品率升高的情況,由于難以定位原因導致生產效率降低,致使生產成本升高。解決方案:
工業(yè)人工智能大模型(AIGC)全方位監(jiān)控生產過程中的實時參數(shù)曲線并構建核心部件的健康指數(shù)模型,在識別關鍵因素的基礎上進行參數(shù)推薦,最終提升良品率。實現(xiàn)價值:
通過對太陽能電池硅片生產過程進行最優(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:
中策橡膠在橡膠密煉(橡膠生產的核心環(huán)節(jié))過程中的能耗和次品率受原材料及生產環(huán)境影響很大,導致綜合生產效率波動大,生產成本控制難。解決方案:
工業(yè)人工智能大模型(AIGC)應用于橡膠生產環(huán)節(jié),根據(jù)密煉過程參數(shù)實時數(shù)據(jù)構造訓練數(shù)據(jù)(如:排膠時刻的特征、膠料監(jiān)測結果等),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。實現(xiàn)價值:
通過最優(yōu)參數(shù)推薦,優(yōu)化密煉工藝,門尼值標準差(密煉工藝關鍵參數(shù))降低了14%,密煉時長減少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:
自動化燃煤鍋爐操作主要依托人工經驗,能源煤炭燃燒成本較高,而傳統(tǒng)燃燒工藝已經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)生產部門、信息化部門與數(shù)據(jù)科學家的聯(lián)合團隊。 通過工業(yè)人工智能大模型(AIGC)對鍋爐燃燒涉及的數(shù)百個變量間的邏輯關系做實時動態(tài)的參數(shù)綜合分析,構建動態(tài)的燃煤優(yōu)化模型,并根據(jù)燃燒場景實時分析最優(yōu)組合參數(shù),平均每10分鐘推薦1 次最優(yōu)鍋爐設定參數(shù),從而提升燃煤效率。實現(xiàn)價值:
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:
攀鋼集團需要通過降低鋼鐵料的消耗,實現(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:
攀鋼集團重點引入了天潤智力工業(yè)人工智能大模型(AIGC),實現(xiàn)優(yōu)化造渣環(huán)節(jié),降低鋼鐵料吹損和噴濺。同時工業(yè)人工智能大模型(AIGC)應用到冷軋環(huán)節(jié),找出影響冷軋合格率關鍵因素,優(yōu)化冷軋工藝控制,提升冷軋效率效益。實現(xiàn)價值:
預計實現(xiàn)優(yōu)化轉爐煉鋼復吹和造渣環(huán)節(jié),降低吹損和噴濺,同時找出影響冷軋合格率關鍵因素,優(yōu)化冷軋工藝控制,計劃每年為攀鋼節(jié)約超過千萬元成本。客戶痛點:
協(xié)鑫光伏太陽能電池硅片生產出現(xiàn)了次品率升高的情況,由于難以定位原因導致生產效率降低,致使生產成本升高。解決方案:
工業(yè)人工智能大模型(AIGC)全方位監(jiān)控生產過程中的實時參數(shù)曲線并構建核心部件的健康指數(shù)模型,在識別關鍵因素的基礎上進行參數(shù)推薦,最終提升良品率。實現(xiàn)價值:
通過對太陽能電池硅片生產過程進行最優(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:
中策橡膠在橡膠密煉(橡膠生產的核心環(huán)節(jié))過程中的能耗和次品率受原材料及生產環(huán)境影響很大,導致綜合生產效率波動大,生產成本控制難。解決方案:
工業(yè)人工智能大模型(AIGC)應用于橡膠生產環(huán)節(jié),根據(jù)密煉過程參數(shù)實時數(shù)據(jù)構造訓練數(shù)據(jù)(如:排膠時刻的特征、膠料監(jiān)測結果等),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。實現(xiàn)價值:
通過最優(yōu)參數(shù)推薦,優(yōu)化密煉工藝,門尼值標準差(密煉工藝關鍵參數(shù))降低了14%,密煉時長減少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:
傳統(tǒng)風力發(fā)電機維護主要是在故障發(fā)生后,事后發(fā)現(xiàn)維修復雜,維修周期長、維修費高昂,同時停機造成巨額的經濟損失。解決方案:
利用溫度傳感器對整個風機的溫度測點進行實時監(jiān)控,同時對海量溫度數(shù)據(jù)實時分析,構建風機異常檢測與感知預測模型,提前識別風機運行異常并預警。實現(xiàn)價值:
提前發(fā)現(xiàn)風機潛在的問題故障,變大修為小修,大幅降低維修成本,縮短維修時間,降低30%左右的年運維成本。客戶痛點:
電池片生產工序繁多、工藝極其復雜,依靠傳統(tǒng)的分析方式已經很難在品質提升上取得突破性的進展。解決方案:
基于對電池片全生產流程數(shù)據(jù)的整理與打通,識別影響電池片質量的關鍵工序與核心因素,利用智能算法對核心參數(shù)進行優(yōu)化推薦,并在產線的對比測試中不斷調優(yōu),最終提升電池片的A品占比。實現(xiàn)價值:
通過對天合光能生產關鍵環(huán)節(jié)的優(yōu)化,幫助天合光能實現(xiàn)了A品比例7%的提升,幫助天合光能進一步鞏固在行業(yè)中的領先地位。客戶痛點:
鍋爐關鍵部件發(fā)生故障后,客戶很難快速定位發(fā)生故障的部件,維護時間長,致使設備停機造成的損失比較嚴重。解決方案:
基于工業(yè)鍋爐系統(tǒng)的實時監(jiān)控數(shù)據(jù),針對鍋爐的主體部分及其主要輔助裝置/部件(如給料機、引風機、送風機、省煤器、空氣預熱器、布袋除塵器等)的每一個子系統(tǒng)搭建了相應的“基于殘差的異常預警模型”,對鍋爐的主體和各個部件的異常狀態(tài)進行預警,輔助故障定位,減少因故障對業(yè)主帶來的生產損失,優(yōu)化備件資源。實現(xiàn)價值:
通過對自動化燃燒鍋爐運行過程的測點進行分析和建模,對異常狀態(tài)進行預警,輔助故障定位,優(yōu)化備件資源,減少因故障對業(yè)主帶來的生產損失。客戶痛點:
客戶生產的通信產品需要進行嚴格測試,但測試內容點數(shù)百個,測試周期長,耗時與成本高。解決方案:
工業(yè)人工智能大模型(AIGC)應用于京信通信的產品質量測試領域,對測試點與產品質量結果進行建模分析;分析海量測試數(shù)據(jù)結果與質量關系,找出影響產品質量的關鍵測試內容點,同時對產品調試調測過程中的參數(shù)進行關系挖掘分析,分析可優(yōu)化關系指標。實現(xiàn)價值:
產品的調測效率提升了43%~100%,從而大幅降低產品測試周期與成本,同時保障了生產連續(xù)性。加入工業(yè)人工智能大模型(AIGC)開放平臺,共筑工業(yè)力量
工業(yè)人工智能大模型(AIGC)開放平臺當前已廣泛應用到能源、化工、鋼鐵、水泥等不同工業(yè)制造領域, 幫助生態(tài)伙伴取得了巨大的經濟價值