首页期刊导航|新型工业化
期刊信息/Journal information
新型工业化
新型工业化

月刊

新型工业化/Journal New Industrialization Straregy
正式出版
收录年代

    工业元宇宙场景下的人机智能体发展

    于海华王炜于浩
    74-84页
    查看更多>>摘要:随着国务院《新一代人工智能发展规划》的深入落实,以企业为主体的高质量AI场景创新,成为工业和信息化部等政策指导机构重点关注并大力支持的发展方向.2023 年,大语言模型奠定了AI技术底座,进而拉低了基于自然语言理解的多模态数字化内容生成门槛,为元宇宙进化补上了数字化生产力升级的关键一环.AI的快速发展也引发了一系列伦理问题,甚至部分业界专家也频频警示"AI威胁论".本文聚焦"工业元宇宙"场景,在重新定义物理"原宇宙"、数字"源宇宙"和认知"元宇宙"三元体系基础上,结合联想控股旗下企业及国外企业实践案例,探讨人机智能体的可控进化体系和面向意图的开发范式,为新型工业化的智能化升级和系统实施提供了可验证场景.

    数字化转型工业元宇宙人机智能体面向意图开发范式AIPC

    大模型在工业安全领域的应用研究与探索

    芦存博左璇金博张恒硕...
    85-95页
    查看更多>>摘要:目前,以ChatGPT为代表的生成式大模型技术引领着工业人工智能技术的发展趋势,推动着新型工业化的不断深化和提升.但大模型本质上是基于深度学习的一个大型模型,也面临着人工智能安全方面的诸多威胁.本文首先介绍了大模型的发展历程及核心技术、国内外工业大模型研究现状,然后引出了工业大模型的模型安全问题,接着介绍了工业大模型的 4 种典型应用场景,最后给出了解决工业大模型安全问题的建议.

    工业大模型新型工业化人工智能安全

    大模型深度赋能行业形成AI+新质生产力

    冯俊兰
    96-104,131页
    查看更多>>摘要:以GPT为代表的基座大模型快速进步,其认知能力的通用性、可完成任务的无限性以及生成内容的多样性等特点为行业深层智能化打开了全新的道路.然而大模型大规模落地于行业主体生产环节仍面临显著挑战.本文深入分析了大模型技术给产业智能化升级带来的机会以及形成"AI+新质生产力"所面临的挑战,并针对这些挑战提出了体系化人工智能技术体系,包括方法论以及相关的核心技术.

    大模型行业智能化体系化人工智能

    数字化转型背景下缝制机械制造行业可持续发展共性需求分析与策略研究

    李丽罗文博房启成李涛...
    105-115页
    查看更多>>摘要:近百余年以来,中国缝制机械制造实现了从黑头家用机、中低速工业缝纫机、高速工业缝纫机向现代化的电控工业缝纫机、自动工业缝纫机乃至智能工业缝纫机的结构转型和创新演变,逐步形成了全球规模最大、产业链最为完善的缝制机械制造工业体系.进入新时代,缝制机械制造行业面临着新的发展机遇,同样也承受着严峻的行业挑战.上游零部件生产、中游缝制设备制造和下游服装等全产业链正加速推动缝制机械制造产业实现现代化、数字化和智能化.本文结合缝制机械制造领域发展现状,在面向产业现代化和数字化转型的关键阶段,基于发展趋势引发需求的逻辑,重点分析了行业面临的共性需求,分别围绕产品智能化、生产数字化、发展绿色化 3 个方面进行了重点阐述.

    缝制机械制造共性需求数字化智能化

    面向制造型企业的数据质量管控研究

    张士存李云志刘众博
    116-123页
    查看更多>>摘要:制造型企业的数据管理能力相对较弱,是目前普遍存在的问题,而提高数据管理能力的核心在于数据质量管控.本文介绍了制造型企业数据分布的特点,分析了制造业数据质量的特性要求及管控准则,并基于数据全生命周期的角度提出了制造业数据质量管控的建议,从多方面入手建立科学、规范的数据管理流程及数据质量提升方案,保证数据的规范性、完整性、准确性和一致性等质量特性,为企业的决策和管理提供更好的支持.

    制造业数据质量数据管理

    滚动轴承热处理虚拟仿真实验探索

    庞晓旭朱定康仲志丹
    124-131页
    查看更多>>摘要:轴承热处理是提高轴承品质的关键工艺之一,培养具有轴承热处理专业知识、实践和创新能力的人才对我国轴承行业发展具有重要意义.针对传统实体轴承热处理实验模式受限于设备要求高、成本高等因素,以及在课程实验中应用困难的问题,以《轴承热处理技术》课程为典型案例,构建"四层次双模块"的滚动轴承热处理虚拟仿真实验平台,并对比三年来全教学过程中实验指标的变化情况.数据显示本试验获得了良好的实验成效.

    轴承热处理虚拟仿真平台实验

    基于WT-CNN-LSTM混合神经网络的电力系统负荷预测模型

    陈亮吉朱晨君
    132-141页
    查看更多>>摘要:随着电力在我国能源占比中的持续提升,电力预测在现代能源管理中具有不可替代的作用.由于电力结构的多元化以及影响因素的复杂化,传统的预测模型在电力负荷预测中存在局限性.本文结合小波变换(WT)与神经网络CNN-LSTM,将WT-CNN-LSTM混合神经网络应用于电力系统的负荷预测,并与传统机器学习模型、时间序列预测模型进行对比,结果表明WT-CNN-LSTM神经网络在电力负荷预测上具有更高的准确性,能够为电力系统运行和规划提供参考依据.

    电力系统负荷预测CNN-LSTM混合神经网络小波变换大数据

    征稿通知

    封3页