治理中心 服务监控 微服务 自研微服务组件库 应用微服务 规则微服务 流程微服务 Al 组件 生态合作微服务组件库 知识组件 算法组件 原理模型组 件 园区智慧中枢 - 业务中 台 管理与运维 应用编排服务 函数服务 微服务组件库 仿真模型 算法模型 API 网 关 项目管理 代码托管 流水线 代码检查 安全管控 篇论文被 CVPR 、 AJCAI 等顶尖学术会议及期刊收录。 目前，小视科技已与华为、中移、天翼物联、腾讯、唯品会、美团、中国平安、 招商银行、东软、南京市相关政府单位、沈阳市相关政府单位、中电科、太原理工 大学等上千家用户单位合作，提供 Al 产品与服务。拓展国内业务的同时，小视积极 响应国家“一带一路”号召， 2017 年开始，小视科技将中国人工智能产品及服务拓 展至新加坡、印尼、日本等国家。

设及订单合理 分配 来料交期管理 到货数量控制 来料质量控制 应付账龄账期 付款计划管理 付款审批管理 再订货点法（ ROP ）是面向库存采购的一种重要的 采购计划生成方式，其基本原理是连续不断地监视库存余 量变化，当库存余量降至 " 再订货点 " 时就发出订货单 （采购单或加工单）来补充库存，直至库存量降低到安全 库存时，发出的订单所定购的物料（产品）刚好到达仓库， 补充前一时 制定车间费用计划， 设定资源费率。 u 产品在车间（工作 中心）完工后，进 行工序转移，收集 资源成本，转入订 单成本。 u 完工报告及完工资 源报告结转成品成 本。 生产作业工序成本核算基本原理 材料料 A 工序 10 生产订单 工序 30 工序 20 材料成本 材料成本 材料成本 要素成本 资源成本 资源成本 资源成本 资源 机器资源 人工资源 外协资源 其它资源

电场强 度、磁感应强度等物理量分布，且预测时间较有限元仿真计算时间大 幅缩短31。 2.物理驱动的智能仿真方法 物理驱动的仿真方法深度融合已知的物理定律与方程来构建模 型框架。将基本的物理原理（如守恒定律、控制方程）作为核心约束 或先验知识嵌入到模型架构中。通过在物理主导的模型框架内结合适 28 MINDSPORE. MindScience/MindElec/examples/dat 37 (5): 057130. 科研智能：人工智能赋能工业仿真研究报告（2025 年） 24 测34。二是深度能量方法，DEM 主要依赖于一阶微分和精确的数值积 分训练神经网络，如利用最小势能原理求解静态载荷条件下的变形问 题，可以看作是有限元分析的一种替代方案 34。三是物理信息神经算 子，融合神经算子框架与物理信息神经网络的物理约束，提升长期预 测稳定性与分辨率无关性，如 PI-DeepONet35，将相关参数和坐标点 学控制防止植入神经网络，实现正、逆问题求解。基于物理驱动的仿 真方法仅依据结构表面的少数几个位移观测点，结合材料本构关系， 即能反演出整个结构内部的应力场分布。如在设备健康监测领域，将 线弹性断裂力学原理编码至网络中，使 PINN 能够在不依赖超密集网 格的情况下，精确捕捉裂纹尖端复杂的应力场，并预测其扩展路径36。 物理驱动的结构仿真方法主要包括物理信息神经网络、物理嵌入 的降阶模型和物理驱

的高管表示，计划在未来两年内使用生成式 AI，推动互连设备产生差异化成果。 7 然而，提高效率只是第一步。通过将互联数 据用于可视化全程供应链，企业可以深入理 解供应链的各个环节，并预测和应对潜在的 中断。 其工作原理如下：无人机、机器人、摄像头 及其他互连设备的数据汇总至一个统一平 台，平台包括地理空间层、信息层和协调层。 接着，通过时间推移的可视化，供应链团队 可以回顾特定变化对生态系统的影响，并根

通用工业大模型是工业大模型的一种类型。它是在工业领域构建的，相对 于行业大模型和场景大模型而言，更具通用性的模型。它以通用的工业数据和 知识为基础，旨在为工业领域提供较为广泛的支持，例如对不同行业共通的工 业流程、原理等进行处理和分析，但相比通用大模型又针对工业领域进行了优 化。 ➢ 行业大模型 行业大模型聚焦于特定的工业行业。例如在汽车制造、电子设备制造等不 同的工业行业中，每个行业都有其独特的工艺、设备、产品要求等。行业大模 力学、热力学、电磁学等领域的物理规律，往往是工业生产过程中的核心要素。 基座层通过工业机理嵌入，将这些专业知识直接融入大模型的训练和推理过程 中，使模型在解决实际问题时能够遵循工业领域的基本原理。例如，在能源行 业中，嵌入电力系统的物理规律后，模型可以更精准地优化电网调度方案，从 而提升能源利用效率。在航空制造领域，嵌入流体动力学知识后，模型能够更 好地优化飞机零部件的设计，减少空气阻力并提升燃油效率。此外，工业机理 大规模预训练技术是工业大模型的核心支撑技术，旨在通过对海量工业领 域数据的自监督学习，构建通用的特征表示，为后续的任务微调和场景适配提 供有力支持。工业领域的数据来源广泛且多样，设计文档包含产品设计的原理、 参数等信息；生产日志记录了生产过程中的实际情况；技术标准规定了行业的 规范和要求；设备运行记录反映了设备的实时状态，这些数据蕴含着丰富的工 业知识和场景信息。 在预训练过程中，构建高质

AOI+AI 智能检测 AOI + AI 智能检测是制造 F5G-A 绿色万兆全光园区的一个典型应用场景。 自动光学检测 AOI（Automatic Optic Inspection）是基于光学原理来对焊接生 产中遇到的常见缺陷进行检测的技术，AOI 通过摄像机自动扫描 PCB，采集图像， 测试的焊点与数据库中合格的参数进行比较，经过图像处理，检查出 PCB 的缺陷， 并通过显示器或自动

如果储热的规模和温度水平允许，热量可以在涡轮机中 重新转化为电能。 更多信息 55 热交换器 压缩机 换热器 蒸发器 扩展器 热交换器 电机 储冷罐 储热罐 M 图14：ETES系统的原理示意图 56 57 6.1 园区能源管理系统的设置 为了实现对园区能源系统的一致控制，需要遵循以下步 骤： 1.定义目标，即实现给定的关键绩效指标 2.实现关键绩效指标的方法和策略 3

二维码在可表示内容方面优于一维码  应用 此技术集光、机、电和计算机技术为 一体，将数据进行自动采集并输入控 制系统  组成 两个部分组成，嵌入到设备中的读写 单元和嵌入到物料中的载码体 （ TAG ）  原理及应用 载码体进入磁场后，可接受读写单元 发出的射频信号发送存储在芯片的产 品信息，信息被解码后送至控制系统 进行数据处理。 可以提高接受和整合订单的准确率以 及库存精确度  组成： 一般包括光源、照相机系统、图像处理

要的时间和资 源。 首先，进行系统的员工培训是重中之重。培训应分为多个层 次，包括基础知识培训、专业技能培训和高级应用培训。基础知识 培训着重于让员工了解 AI 大模型的基本概念、功能和工作原理。 通过开展线上课程和线下讲座，确保每位员工都能初步掌握相关知 识。 专业技能培训则针对各个岗位的特定需求，制定量身定制的培 训计划。例如，生产线工人需要学习如何使用智能设备进行生产流 程监控，而数据分析师则需掌握如何利用