案例名称:【数字化推动冷藏箱发泡工艺优化】
公司名称:【中国国际海运集装箱(集团)股份有限公司(000039)】
案例简述:
国务院办公厅印发《“十四五”冷链物流发展规划》标示着冷链行业进入新的发展阶段。冷链全流程对载体均有非常高的温度控制性能要求,除了使用专用温度控制设备进行温度调节外,也需要用到特殊材料进行保温。聚氨酯泡沫是目前世界主流隔热材料之一,广泛应用于冷藏集装箱的保温层。当前业内普遍采用基于聚合MDI的闭式浇筑三明治发泡,其工艺涉及参数达到一百多种,且参数间存在明显的交叉关系,有的参数甚至人工难以观测。在这样的复杂场景下,传统的优化手段以人工经验主导,无法兼顾众多影响参数,目前已陷 入工艺瓶颈,难以突破。

本案例主要介绍如何利用数字化技术,分两个阶段推动冷藏箱保温材料硬质聚氨酯发泡工艺优化,打破工艺瓶颈。一阶段利用IOT对工艺过程进行数字化,通过对数据的分析挖掘,帮助生产趋向质量稳定。在数据积累可观量级后,二阶段以数字化为基础走向智能化,利用大数据技术进行特征工程处理,使用人工智能算法进行模型训练,并将AI模型与业务生产流程相结合,赋能工艺优化,从而降低生产成本,优化产品质量。该关键工艺摸索出的优化路线不仅为企业带来经济效益, 同样为行业提供了一种可行的应用模式参考。

扫码查看详细案例
好文章,需要你的鼓励
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。