為您找到相關(guān)結(jié)果 4136 篇
-
例子。為解決這一難題，項(xiàng)目團(tuán)隊(duì)在建立單機(jī)控制模型和工序間聯(lián)動(dòng)控制模型的基礎(chǔ)上，采用“機(jī)器學(xué)習(xí)+策略優(yōu)化”控制方式，動(dòng)態(tài)調(diào)整控制參數(shù)，實(shí)現(xiàn)
-
和制造單元數(shù)據(jù)的數(shù)據(jù)標(biāo)準(zhǔn)模型，為工業(yè)企業(yè)進(jìn)行數(shù)據(jù)采集、處理和展示提供了便捷高效的方式。同時(shí)，該數(shù)據(jù)模型和數(shù)據(jù)標(biāo)準(zhǔn)具有較強(qiáng)的適用性，能夠助力更多企業(yè)提升數(shù)據(jù)治理效率
-
優(yōu)化。以“基于模型預(yù)測(cè)控制的空調(diào)前饋動(dòng)態(tài)節(jié)能技術(shù)研究”“基于數(shù)字孿生監(jiān)測(cè)技術(shù)的除塵系統(tǒng)運(yùn)維能力提升與研究”等科技項(xiàng)目研究為抓手，三峽卷煙廠通過(guò)模型模擬和現(xiàn)場(chǎng)實(shí)驗(yàn)，探索能源
-
;助力實(shí)現(xiàn)物流運(yùn)行提質(zhì)增效的目標(biāo)。物流配送綜合智能調(diào)度平臺(tái)由物流數(shù)字化管理中心和數(shù)據(jù)透視模型組成，具有響應(yīng)及時(shí)、實(shí)時(shí)反饋、動(dòng)態(tài)調(diào)整的特點(diǎn)。在實(shí)際應(yīng)用中，調(diào)度人員依托物流數(shù)字化
-
申請(qǐng)后勘驗(yàn)”轉(zhuǎn)變?yōu)椤跋瓤彬?yàn)后申請(qǐng)”，實(shí)現(xiàn)信息收集、模型測(cè)算、線上預(yù)判、實(shí)地預(yù)堪、判定告知服務(wù)流程，避免群眾盲目選址，并且聚焦卷煙經(jīng)營(yíng)收益預(yù)期，運(yùn)用
-
原料供應(yīng)鏈深化拓展應(yīng)用，構(gòu)建了煙葉全過(guò)程質(zhì)量管控體系，全面采集核心環(huán)節(jié)的質(zhì)量數(shù)據(jù)，整合質(zhì)量評(píng)價(jià)數(shù)據(jù)，構(gòu)建批次數(shù)據(jù)歸集模型與質(zhì)量評(píng)價(jià)模型
-
技術(shù)，實(shí)現(xiàn)更精準(zhǔn)可靠的溫度監(jiān)測(cè)。信息技術(shù)部負(fù)責(zé)人周文濱介紹道：“我們正在利用AI算力平臺(tái)自主訓(xùn)練自己的火災(zāi)預(yù)警模型，基于AI智能檢測(cè)技術(shù)識(shí)別微小火星、火花和煙霧
-
大。長(zhǎng)沙市局（公司）以實(shí)現(xiàn)更高水平的供需動(dòng)態(tài)平衡為目標(biāo)，充分激發(fā)強(qiáng)大算力。構(gòu)建品牌市場(chǎng)狀態(tài)測(cè)評(píng)模型，運(yùn)用多維量化評(píng)估方法，全面
-
數(shù)據(jù)，該廠運(yùn)用數(shù)字孿生技術(shù)建立物流數(shù)字孿生系統(tǒng)，將實(shí)際數(shù)據(jù)與數(shù)字孿生模型進(jìn)行對(duì)比和分析，利用機(jī)器學(xué)習(xí)和數(shù)據(jù)分析算法，根據(jù)設(shè)備運(yùn)行數(shù)據(jù)更新模型，
-
協(xié)同發(fā)力“我認(rèn)為，在日常走訪中可以充分運(yùn)用客戶畫(huà)像的豐富功能，從數(shù)據(jù)模型中指導(dǎo)客戶日常經(jīng)營(yíng)，查找不足和薄弱環(huán)節(jié)，看清該從哪些方面持續(xù)發(fā)力提升經(jīng)營(yíng)
