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
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。