生产运维实时优化

依托国产信创生态的边缘智控中心，实现从感知到毫秒级控制的安全闭环与装备全景状态可视化管控

精密电机出厂前的测调判定，长期靠工程师盯着波形、凭经验下结论，同一条曲线换个人可能换个说法。项目把这套人工判断重建成四层自动流程：测试数据先转成可比较的量化指标，再由大模型（Large Language Model，LLM）按场景路由到对应的贝叶斯诊断网络（Bayesian Diagnostic Network），给出判定、根因与证据清单。网络结构与阈值来自现场专家经验，逐条确认后入库；判错的案例回流更新判据，系统越用越准。方法已在散热风扇启动故障诊断场景完成开发验证。

监测-诊断-补偿三类智能体协同闭环，实现增材制造从内生感知到工艺参数自适应补偿

针对海上风机维护“修早了浪费发电、修晚了被迫停机”，且传统调度普遍忽视风机发电损失这一隐性成本的难题，团队建立了综合考虑发电损失、加班人力与船舶航行成本的全局最优运维调度模型，并设计专用遗传算法求解器。系统在真实海上风电场数据上完成验证，一次性输出维护排程甘特图、船舶航线与技师指派的完整方案，已在某风电龙头企业产品化落地。

一条注塑产线几十台机器同时开工，换模换料一天几轮，靠固定阈值报警不是漏报就是误报。团队为每台设备的每种工况自动建立基线，用只需正常样本的检测模型给每一模打分，报警时按特征重要性指出最可疑的工艺环节，让工程师直奔问题参数。该系统已在头部智能制造科技企业产品化落地，方法在真实注塑数据上完成验证。