搜索--e-works数字化企业网

e-works为您找到 592 条结果

相关性
发布时间

基于PLM的数智化协同工艺开发平台建设研究及实践

可见，PLM平台在工艺开发部门内部各角色之间的信息传递更多是文档为主，结构化数据为辅的状态，尚未实现端到端的结构化数据联通。在平台架构基础上，细化业务数据管控方案，形成结构化工艺数字模型。企业应用工艺数字模型，使用结构化数据表达工序流程、制造信息和资源要素，实现不同角色从文档协同到结构化数据的跨越。依据结构化数据标准建立对象化、结构化的三维工艺资源库、工艺知识库。在工艺开发中借助系统功能，实现多角色间基于PBOM、BOE、BOP结构化数据的在线数智化、协同开发。 MPM平台自动抽取PBOM、BOP、BOE终版结构化数据和知识库结构化数据比对，给出知识库迭代优化指示，实现标准体系及数字化平台的智能化运营管理。经过多年系统建设以及业务数据沉淀，全部车型、全部工厂、全部专业的工艺数据均已实现结构化，对象化，三维轻量化在线管理，形成500百万+高质量结构化数据。通过抽取系统结构化数据形成近20万份工艺文档。

PDM/PLM

来源：e-works

2025-12-09

中船镇柴：推进智能制造，数据驱动高效脉动式生产

，实现节拍化的数据驱动、结构化的决策支撑，实现脉动式的数字高效赋能生产。 3）数据结构化，主生产计划管理的重要数据标识是机型大类。将原来杂乱随意的数据转变为结构化的规范表述，为后续各类数据的执行管理与统计分析打下基础。通过主生产计划平台的机型库结构化、台位适配结构化、机型交付时间结构化等数据结构化后的科学运算，实现“台位辅助排程”可视化，根据生产计划对底表进行台位数字化模拟排产，为生产计划部门实际排产提供强大决策支持 1）“制造辅助排程”可视化，需要完备的数据结构化运算基础。 ;台位辅助排程”、“节拍码”等多种途径，通过数据结构化、计划数字化、采购约束化、排程智捷化、集配节拍化的方式，构建基于“数据结构治理+数字支撑管控&rdquo

其他

来源：e-works

2026-02-02

以eCOLMPM系统为支撑建设工艺智能化的基础环境

eCOLMPM系统以可视化、结构化、知识化为特征，以基于知识的工艺规划智能为支撑，建设工艺智能化的基础环境。图1可视化的工艺模型(2)结构化由于工艺本身的灵活性以及复杂性：多工艺方案，多级协同工艺，多厂协同工艺，大量的设计变更，以及产品本身的复杂结构与配置，都增加了工艺信息的复杂性。通过结构化工艺信息模型的定义，按照各类工艺信息之间内在的逻辑关系建立了信息之间的关联，并可对这些关联关系进行管理。使得工艺设计数据与产品设计数据实现了有效的关联，体现了产品结构在工艺阶段的核心作用。 eCOLMPM能够为企业搭建统一的工艺管理平台，提供结构化的工艺数据管理、工艺计划管理、文件签审管理、工艺研发项目管理、变更管理、技术状态管理、工艺汇总、打印管理、编码管理等。 4小结工艺智能化是制造企业的中长期发展战略，这一目标的实现需要逐步发展逐步完善。eCOLMPM系统以可视化的工艺模型、结构化的工艺信息和知识化的工艺方法为支撑，能够为企业建立工艺智能化的基础环境。

其他

来源：e-works

2017-11-25

人形机器人与具身智能热潮涌动，行业发展亟需回归理性

以行星丝杠肢体结构的研发应用为例，其成功实现机器人站立状态下的零功耗运行，有效解决了机器人的待机能耗痛点，为相关产品加速商业化落地提供了重要支撑。资本市场的热情同样高涨。然而，当前人形机器人在复杂和非结构化场景中仍普遍依赖遥控或遥操作，远未实现真正的智能化与自主化。在商业化落地层面，成本高企、场景适配复杂、真实世界数据闭环构建缓慢等痛点，共同构成行业发展的核心阻碍。例如，在工业装配、物流搬运等成熟场景中，其能耗、耐用性、维护成本均不及传统工业机器人，性价比短板凸显；在家庭服务场景中又难以应对多样化的非结构化任务。轮式结构凭借移动效率高、运行稳定、成本可控、续航持久等优势，更适配工厂、仓储等结构化场景的规模化应用；双足形态虽被视为家庭服务、公共服务等非结构化场景的终极解决方案，但目前在复杂地形适应性、精细操作精度等方面仍面临诸多技术瓶颈

e-works视点

来源：e-works

2026-01-21

Denodo：变革AI时代数据管理模式，重塑企业价值核心基石

图2Denodo数据编织系统结构图在具体实现方法上，Denodo大中华区技术总监郭杰解释，数据编织并非孤立的技术工具，而是Denodo构建的一套以“逻辑整合、高效协同”为核心的完整数据管理架构站在知行合一的角度，Denodo数据编织依托三大核心技术路径构建闭环：一是多源数据适配能力，通过预置海量数据源连接器，兼容结构化、半结构化、非结构化等各类数据格式，覆盖数据库、API接口、文件存储等全场景数据来源：AI需实时数据、语义化关联数据、分布式数据访问能力，且对成本敏感，而湖仓的批量摄入、数据集中、成本高企等特性难以适配。为跨源数据提供标准化的定义与解释，从根源上解决数据理解偏差问题，Denodo采用了语义层统一治理的方式。深耕本土数据生态：加速数字化转型进程作为数据管理领域的革新者，Denodo不仅为企业提供技术解决方案，更推动着数据文化的构建与普及。

精英面对面

来源：e-works

2025-11-25

基于PDM的三维工艺设计与管理探讨

从制造角度，向生产系统的工艺发布，也不能是纸质发布，而是需要结构化的工艺信息，能够被ERP、MES等系统直接使用，避免不必要的数据转换。 4)实现工艺数据的结构化管理通过对工艺阶段主数据的抽象，实现产品、工艺、工厂和资源四大数据的有机关联和结构化组织，可以有效的减少数据冗余，保证数据的一致、有效和重用。基于结构化数据组织方式，有效降低了数据冗余，实现了数据源的一致，所有的工艺文件报表均来源为统一的工艺过程结构数据，在减少了重复编辑工作的同时，更为更改关联提供技术和数据支持，减少变更可能出现的错误。工艺相关工序、工步、工艺资源（设备、工装、人员技能等）、材料等的动态结构化管理，并准确维护各类数据之间的关联关系；6)构建统一的工艺制造知识库，集中存储制造工程所需的各类数据。 d)零件工艺结构化设计：在结构化零件工艺设计过程中，充分利用PDM系统的Catia模型，通过集成Catia设计工具，在工艺设计过程中使用Catia零件模型制作3D工序模型及标注信息来说明零件的制造过程、

PDM/PLM

来源：e-works

2018-09-30

数字化浪潮下的BOM革新：从数据分离迈向智能整合

近年来，在产品智能化、需求个性化等的多重驱动下，传统BOM管理模式的瓶颈日益凸显：数据孤岛林立、变更困难、协同低效等。数字浪潮下设计BOM与EBOM分离策略的再思考随着人工智能、大数据、物联网等新技术在各个行业的深度渗透，产品正加速向智能化、服务化和个性化方向发展。另外，工程应用（检索、对比选用和设计再优化）也高度依赖个人经验，重用效率低，且难以挖掘隐性、非结构化数据知识。这种管理模式显然难以适用智能化时代瞬息万变、快速迭代的技术创新需求。 BOM作为结构化知识载体，其管理方式也正被AI技术深刻重塑。 AI基于机器学习分析历史BOM数据，能根据结构相似性、工艺关联性等推荐复用方案，避免重复设计。

PDM/PLM

来源：西门子

2025-09-30

泸州老窖：智能包装生产线设备数字化管理优化

为应对这一挑战，我们启动了设备全生命周期管理系统建设项目，旨在实现设备管理业务的标准化、流程化与数据化，提升设备保障质量与效率，为生产持续稳定运行提供支撑，并逐步构建面向未来的设备智能管理生态。主要实现以下业务目标：设备档案与知识库数字化：建立全厂设备电子台账，积累结构化检维修知识库，推动维修作业标准化与知识沉淀；流程线上化与移动化：实现设备点检、报修、维修、验收等流程在线闭环管理，支持移动端实时操作，提升业务协同效率与响应速度；关键设备状态实时监测与预警：通过集成实时数据与报警机制，降低非计划停机时间，提高设备可用率；备件科学管理：实现备件需求预测、库存优化与全流程跟踪，降低库存资金占用，提升供应链响应能力；数据驱动决策：通过可视化看板展示设备OEE、故障率、MTTR（平均修复时间）等关键指标，支持管理层进行精准分析与管理优化；系统可扩展架构设计：采用平台化、模块化设计，为预测性维护、智能诊断等高阶应用预留接口与数据基础；资源精细化：实现备件库存与人员资质的系统化管理，提升资源利用效率与合规性；决策可视化：构建包括设备完好率、OEE、故障TOP分析等在内的多维度数据看板，为设备管理策略优化提供实时数据支持。

其他

2026-02-02

新产业生物：打造一体化数字样机，驱动IVD研发变革

目前已构建覆盖产品全生命周期的数字化系统架构，全面部署PLM、ERP、SCM、WMS、QMS及售后服务系统，实现从研发端到服务端的数据贯通，为智能研发与智能制造奠定坚实基础。图2新产业生物数字化系统架构三、参评智能制造项目详细情况介绍1.项目背景介绍体外诊断设备结构复杂、机电液气高度集成，传统研发模式面临三大痛点：设计脱节：机械、电气、流体设计依赖二维图纸与离散沟通，易出现管线与结构干涉，实现原理图、三维模型、工程图及物料清单（BOM）等全生命周期研发数据的集中化、结构化管理。该平台不仅保障各类设计数据的版本可追溯与一致性，还打破部门壁垒，支持多专业、多角色的实时协同作业，提升数据流转效率与研发流程的规范化管理水平。 2.3项目实施与主要应用产品结构化管理图6PLM系统通过产品数据之间的关联实现对产品数据的结构化管理3.效益分析本项目不仅是工具升级，更是研发模式的数字化转型——从“

其他

2026-01-31

工业企业试点具身智能与人形机器人应用，规模化落地仍存瓶颈

在制造业加速迈向柔性化与智能化的浪潮下，具身智能及其核心载体人形机器人，凭借对复杂非结构化场景的适配能力，正成为重构生产模式、驱动产业变革的关键变量。它使得AI系统不再局限于被动处理数据，而是能够像人类一样主动与物理环境进行多模态感知与实时交互，在动态环境中理解任务、推理问题、制定策略并执行动作。例如，林芝金属结构厂作为西藏最大的金属结构制造基地，针对高原“低温、低气压、强光照”的特殊环境，引入了具身智能焊接机器人。此外，行业层面仍缺乏统一的技术规范与交付标准，高质量工业场景专用数据集供给稀缺，数据采集与模型训练的闭环尚未形成，安全认证体系、伦理责任界定等配套制度也存在明显空白。这些共性挑战，同样不容忽视。参考资料：人形机器人，批量上岗宁德时代中国华电：基于具身智能机器人打造的智能化无人值守新能源场站正式投运越疆科技：多形态具身智能机器人落地CNC车间，引领精密制造智能化升级

e-works视点

来源：e-works

2026-02-04

共 60 页总数：592 条

全年活动计划

信息搜索中，请稍候...

资料

视频

基于PLM的数智化协同工艺开发平台建设研究及实践

中船镇柴：推进智能制造，数据驱动高效脉动式生产

以eCOLMPM系统为支撑建设工艺智能化的基础环境

人形机器人与具身智能热潮涌动，行业发展亟需回归理性

Denodo：变革AI时代数据管理模式，重塑企业价值核心基石

基于PDM的三维工艺设计与管理探讨

数字化浪潮下的BOM革新：从数据分离迈向智能整合

泸州老窖：智能包装生产线设备数字化管理优化

新产业生物：打造一体化数字样机，驱动IVD研发变革

工业企业试点具身智能与人形机器人应用，规模化落地仍存瓶颈

系列微信

旗下机构

旗下其他网站

特色服务

向您推荐

新书推荐

系列微信

旗下机构

旗下其他网站

特色服务