工业智能 · 技术与实践
精选资讯
围绕视觉质检、设备维护和能源管理，阅读有出处的技术解读。
全部文章
质量检测
视觉质检怎么做才有用：澄序工业从成像与判定标准谈起
AI 视觉质检的前提是缺陷能够被稳定成像，并有一致的判定标准。项目评估应分别检查漏检、误检和整站响应时间，再决定是否扩大应用。
阅读全文 →质量检测
自动检测与人工复检怎样协作：澄序工业的质量流程建议
机器视觉适合重复且标准明确的检查；争议样件、新缺陷和系统异常需要有人工复核入口。复检能力应与自动检测的误判数量一起评估。
阅读全文 →设备运维
预测性维护需要哪些数据：从曲线到设备事件
预测性维护需要把状态信号与设备、时间、工况和维修反馈关联起来。缺少工况的异常曲线只能作为线索，不能直接当成故障结论。
阅读全文 →设备运维
设备告警怎样减少无效干扰：先分工况，再定规则
设备预警阈值应结合工况、设备要求和现场复核设置。降低无效告警，重点是识别干扰、合并重复事件并改善数据质量，而非一味提高阈值。
阅读全文 →能源管理
能源管理怎样算清价值：澄序工业关注单耗与对比条件
能源管理应先建立可信计量和可比较口径，再分析单耗与异常。总用量、能源费用和能源效率是不同指标，不能相互替代。
阅读全文 →能源管理
能源管理立项资料清单：仪表、生产与异常记录
能源项目启动前，应把仪表台账、能源流向图和生产口径表放在一起核对。先明确数据可以回答哪些问题，再决定补点与平台范围。
阅读全文 →数据采集
老旧产线数据接入：复用接口之前先确认运行边界
老旧产线的数据接入应先确认接口、关键点位和访问限制，再选择协议接入或独立补点。采集方案需要验证对原有控制和生产运行的影响。
阅读全文 →项目管理
读懂智能制造典型场景：企业怎样选择首个试点
工业 AI 立项可以从一个可验证的生产问题开始：明确影响对象、现有处理方式、可获得的数据，以及结果由谁采取行动。场景目录不能直接替代项目可行性论证。
阅读全文 →质量检测
反光材料视觉检测：像素、照明与工位条件怎样配合
机器视觉成像应围绕目标特征选择照明、镜头与相机。像素数量只是配置的一部分，缺陷对比度、视野、工作距离和运动状态同样需要验证。
阅读全文 →项目管理
智能制造项目怎样验收：功能、数据与运行记录一起看
智能制造验收应从用户实际任务出发，验证数据、响应、异常处理和交接。功能演示与持续运行证据应分别记录，避免用一张截图替代验收。
阅读全文 →