项目编号： 钢铁行业预测 AI 大模型 应 用 方 案 目 录 1. 引言...............................................................................................................6 1.1 钢铁行业现状............................ .........................................109 6.1.2 故障预测与诊断.......................................................................110 6.2 质量控制与预测...................................................... 2 产品质量预测模型...................................................................117 6.3 供应链管理.......................................................................................119 6.3.1 需求预测.......

预测性维护 03.2021 上海 / 中国 罗兰贝格 洞见 数字化运维的制胜基石 1 随着互联技术的革新、大数据的应用与积累、计算能力的提 升及相关模型理论的高速发展，人工智能的应用场景逐渐丰 富，并在近几年逐步过渡到实操落地。各行各业正积极探索 通过人工智能赋能的运营模式，并以此推动产业升级及长期 的运营转型。 在政策端，从2017年7月国务院印发的《新一代人工智能发 展 备品备件销售、设备维护及维修等）作为制造业的重要组成 元素，通过工业互联网及人工智能的深度融合打造出创新的 应用场景，并实现持续降本增效的趋势目标。 运维服务的发展进程主要分为四个阶段： 01 预测性维护是什么？ 我们为什么需要它？ 封面图片： koto_feja 01 / 运维服务的发展进程 从需求侧来看，完整的数字化运维服务将成为企业选择运维 服务供应商的主要考量维度之一。罗兰贝格针对全球领先制 能赋能的数字化运维解决方案将是新的趋势。 资料来源：罗兰贝格 基于故障 预测的维护 响应式 维修 计划性 维护 基于条件 的维护 "故障后维护" "预防性维护" "预测性维护" "状态监控式维护" 2 02 / 预测性维护运作原理 1.消极维护：这是运维服务最原始的方式，通常指当机械故 障后安排技术人员到场维修。由于此维护方式通常发生在 设备故障后，具有高度不可预测性及突发性，且设备本身 的损伤程度较高，易造成修理时间及费用垫高等情况，还

智能决策支持......................................................................................53 4.4.1 预测模型.....................................................................................56 4.4.2 优化算法 ........125 1. 引言 随着全球气候变化和人口增长的双重压力，水资源管理和利用 日益成为各国面临的重大挑战。传统的水利工程在应对复杂多变的 自然环境时，往往显得力不从心，尤其是在预测、监控和决策支持 方面存在明显不足。为了提升水利工程的智能化水平和综合管理能 力，引入先进的 DeepSeek 技术成为了一种切实可行的解决方 案。DeepSeek 作为最新一代的人工智能平台，具备强大的数据处 根据多源数据（如降雨量、水库水位、用水需求等）构建动态模 型，优化水资源的分配和调度，确保水资源的合理利用。 - 基础设 施健康诊断：通过对大坝、渠道等水利基础设施的结构数据进行深 度学习，DeepSeek 能够预测潜在的故障风险，并提出针对性的维 护建议。 - 环境生态管理：DeepSeek 还可以结合生态数据，评估 水利工程对生态环境的影响，并为生态修复提供科学依据。 为更直观地展示 DeepSeek

45 5.1 自动化预算编制流程..........................................................................47 5.2 成本预测与估算..................................................................................48 5.3 预算审核与优化 情信息以及建筑材料价格波动，从而为造价工程师提供更为精准的 成本估算和预测。此外，DeepSeek-R1 还能够通过自然语言处理 技术，自动解读建筑图纸、合同文本等技术文档，进一步减少人为 干预，提高工作效率。 在具体应用中，DeepSeek-R1 大模型可以广泛应用于以下几 个关键环节：  成本预测：通过分析历史项目数据和当前市场行情，进行精准 的成本预测，减少预算偏差。  风险评估：利用大数据分析技术，识别潜在的风险因素，提供 风险管理不足：传统方法在风险预测和应对措 施上较为薄弱，难以提前识别潜在的成本超支或工期延误风险。 DeepSeek-R1 大模型通过引入深度学习算法，能够在以下方 面显著提升工程造价管理的效率和质量： 1. 数据处理与分析：模 型能够快速处理海量数据，并提取关键信息，减少人工干预的同时 提高准确性。 2. 动态预测与调整：基于实时数据，模型能够动态 预测成本变化趋势，并提供优化建议，帮助管理者及时调整策略。

1 实时数据分析.............................................................................25 2.2.2 乘客流量预测.............................................................................29 2.2.3 运营调度优化...... 数据分析与预测..................................................................................52 3.2.1 实时数据处理.............................................................................54 3.2.2 客流预测模型... ..........................................................................55 3.2.3 车流预测模型.............................................................................58 3.3 运营优化.....................

...............................................16 2.1.2 预测客流量与车次安排..............................................................18 2.2 设备故障预测与维护...................................................... .83 6.1.1 案例一：智能调度系统..............................................................84 6.1.2 案例二：故障预测与维护..........................................................86 6.2 经验总结与教训....................... 力，能够帮助运营方获取更为精准的客流预测，优化车辆调度方 案，提高整体运营效率。 在这一背景下，AI 大模型在城市轨道交通行业的应用方案应围 绕以下几个核心方面展开： 1. 客流预测与分析：利用 AI 算法对历史客流数据进行深度分 析，可以准确预测不同时间段、不同线路的客流变化趋势，进 而为运营管理提供有效支持。 2. 车辆调度优化：基于实时数据和预测信息，构建高效的车辆调 度模型，

技术、容知日新、川仪股份 2022 年数据为真实值，其余为预测值） 重点关注公司及盈利预测 核心提要 人工智能未来有望赋能化工“研发 - 设计 - 建造 - 运营”全生命周期。 u AI 提升研发效率 在研发环节， AI 可提高研发效率，对实验数据建模，并使用该模型对反应条件进行优化和筛选催化剂等，加速研发进程；还可用于分子设计，并在 分子性能预测的基础上，提前筛选出合适的化学物质。 尤其是在合成生物学领域， 尤其是在合成生物学领域， AI 已在元件工程、基因线路、代谢工程、基因组工程中广泛应用，大幅提升合成生物学的各环节效率。基于 AI 的研发 平 台，可预测蛋白质结构，进而构造具有目标功能的物质。另一方面， AI 也促进了实验室自动化，对传统劳动密集型实验室进行技术革命。其中 微流 控技术，具有高灵敏度、高集成、高通量、高效率等多种优势，对合成生物学的研发和应用起到了巨大作用，加速合成生物学行业发展。 少用人数量、提升安全性、降低能耗等多维度优势。 u AI 在工业中具有巨大潜力 AI 与工业数据的结合有助于有效获得不同变量之间的关系，并预测及优化特定参数。在工业中， 已应用于精馏塔、反应器、锅炉、控制器、冷水机 组、压缩机、泵、管道等各种工艺设备的校正、工艺参数预测、故障诊断与优化；在纺织，水处理，化肥，核电站和油气等领域均有应用。 投资建议： 重点关注：合成生物学：凯赛生物、华恒生物；基因测

1 信用风险评估.............................................................................27 3.1.2 市场风险预测.............................................................................28 3.1.3 操作风险识别...... 1 投资组合优化.............................................................................57 3.5.2 市场趋势预测.............................................................................59 3.5.3 自动化交易系统..... 2 资源调度优化.............................................................................65 3.6.3 成本控制与预测.........................................................................67 4. 实施策略...............

四五"生物经济发展规划》等，旨在推动云计算、大数据、人工智能等技术在新 药研发中的应用。AI 技术在新药研发领域中的应用推动行业快速变革，涉及靶 点发现、蛋白质结构预测、化合物筛选、ADMET 特性预测、临床试验结果预测、 药物重定位、晶型预测和逆向合成分析等多个关键环节。AI 制药技术的应用有 望缩短药物研发周期，降低成本，提高研发成功率。AI 技术使得从药物设计到 临床试验的全流程更加高效，为传统药物研发带来创新变革，并展现出在药物 药物 研发领域的广阔前景和巨大潜力。  CRO 公司加速布局 AI+制药应用技术。CRO 药物研发外包公司的 AI 技术应用正 逐步深化，涵盖药物发现的各个环节，从靶点识别、化合物筛选、结构预测到 药物设计等。维亚生物建立纵向 AI 应用技术平台加速先导化合物发现；泓博医 药持续推进 PR-GPT 多模态大型语言模型的应用；成都先导依托 DNA 编码化合物 库技术与 AI 技术结合，优化苗 AlphaFold 促使蛋白质结构预测革命性进步 .......................................................... 12 2.3 化合物虚拟筛选有效提升化合物结构新颖性 ...................................................... 12 2.4 ADMET 预测可提前考量药物成药可能性 ..

针对大量的监管合规要求，批量、快速的 审核合同文本、协议条款、用户授权文本 等，辅助人工审核，大幅提升审核效率， 如江苏银行合同质检场景应用。 03 舆情监控 实时分析社交媒体与新闻，识别潜在风险 （如客户投诉趋势预测、企业客户舆情风 险预警等） 互 联 网 / 公 有 云 金 融 机 构 内 网 私有云版 DeepSeek or 其他 AI 产品 客观数据：内部 交易数据、客户 数据 监管文件 技术优势：数据可信、生成可控、可 干预、模糊语义理解 BI 分析可分为统计型、归因型、预测型、决策型四个层次 展现数据，了解现状，发现问题 统计型 利用体系，以小见大，见微知著 预测型 拆解指标，建立体系，找到根因 归因型 直面问题，督办改进，完成闭环 决策型 4 BI 分析 层次 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 • 针对所输入的问题进行提 前阅读，模糊字段会触发 据进行问答，提问中 可以方便地进行主题 和模型的切换 划定范围 模糊匹配 业务黑话 • 笨办法：做配置表 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 ChatBI—— 统计型分析 统计型 归因型 预测型 决策型 • 规则模型，提问精准命中底层数据 • 平台配置，辅助企业个性化问题识别 语义清晰的问题 语义模糊的问题 • 基于大语言模型解析意图 •