搜索--e-works数字化企业网

e-works为您找到 10000 条结果

相关性
发布时间

第十届粤港澳大湾区标杆智能工厂考察之旅

2024年持续优化升级，围绕自动化、网络化、数字化、可视化推进转型，搭建数据中台打通设备、系统与产品数据，实现生产全流程可视化管理。当前，企业智能体已落地运行，AI技术覆盖设备运维、生产优化、质量检测、营销分析等场景。基于AI技术可实时预警设备故障、优化生产参数、分析消费者偏好，推动生产更柔性、管理更精细、营销更精准。早在2007年，艾比森便启动数字化布局，分阶段完成ERP、MES、SCADA、APS、PLM等18大核心系统的搭建，拉通从客户需求、研发设计、生产制造到供应链协同、售后服务的全链路数据，构建起&ldquo 舜元激光作为利元亨激光技术核心载体，专注为新能源锂电、汽车制造、光伏等行业提供一站式激光智能加工解决方案，核心技术涵盖激光光源、精密光学设计、在线视觉跟踪监测、运动控制等。为实现数智化升级目标，利元亨自主构建培训平台、设计平台、信息化管理系统等核心体系，全力推进数智化建设。最后，考察团走进视觉实验室，了解机器视觉技术在智能制造领域的创新应用。

其他

来源：e-works

2026-05-26

2026制造业新拐点：五轴数控编程与数字孪生如何重构加工边界

一个资深的编程工程师，靠的是经验来规避干涉、优化刀轴矢量、控制切削负载。但在2026年，这种模式已难以为继。如今，先进的五轴编程系统已演变为“工艺智能引擎”。模型利用这些真实数据修正自身的误差补偿算法，并自动优化后续工序的刀路。迭代即自动：当同一个零件反复加工时，数字孪生系统会不断“学习”。过去，零件设计的复杂程度受限于编程人员的能力和试切的成本。如今，在孪生环境下，再复杂的自由曲面、再深腔的结构件，都可以在虚拟环境中反复验证。这使得设计师敢于突破传统制造约束，实现真正的“面向性能”的设计，而非“面向可制造性”的设计。展望：迈向自优化制造系统展望2026年之后，五轴编程与数字孪生的融合不会止步于闭环制造。随着人工智能技术的进一步嵌入，我们将看到“自优化”制造系统的雏形。

数控机床

2026-04-15

Denodo：变革AI时代数据管理模式，重塑企业价值核心基石

当前，AI技术正以颠覆性力量重塑千行百业，无论是金融领域的智能风控与投资优化，还是制造行业的数字孪生与预测性维护，或是医疗领域的辅助诊断与新药研发，其从核心业务革新到服务体验升级，已在各行业留下深刻且持久的印记冗余备份带来的人力与资源消耗，大幅降低企业数据管理总成本；最后，业务适配性更灵活，对于采用“多云多湖”架构的大型企业而言，数据编织可快速响应业务变化，新增数据源或调整应用场景时无需重构数据架构，仅需优化逻辑关联规则即可 1.逻辑数据管理：颠覆传统的数据移动理念在ChatBI的部署与应用过程中，数据湖作为分析型数据管理的终极产物，核心是通过数据集中整合支撑分析需求，但如今AI多为运营型工作负载，其数据需求与湖仓设计存在本质矛盾这一创新带来两大核心价值：一方面，大幅降低数据管理成本，企业无需投入巨资构建超大容量集中存储，也省去了数据迁移、同步维护的人力成本；另一方面，提升数据应用敏捷性，当业务需求变化或新增数据源时，无需重新设计数据迁移流程一方面，Denodo摒弃传统单向输出模式，聚焦“双向赋能、全球拓展”的战略合作，例如帮助中国制造企业出海，实现供应链全周期数据管理，链接中外企业共创全球市场价值的生态合作。

精英面对面

来源：e-works

2025-11-25

AI时代下工业软件的发展：不是取代，而是进化

例如，利用AI增强CAD，实现根据自然语言描述或参数约束的快速概念设计生成；在MES中部署AI模型，实现生产排程的动态优化、设备故障的预测性维护。这不仅提升效率，更是将宝贵的专家经验从重复劳动中解放出来，投入到更富创造性的工作中，从而优化企业人才结构。3.将数据治理提升为最高优先级战略：AI的效能严格取决于“燃料”质量。成功的制造企业，将是那些能够率先利用AI，将自己的核心工业软件从“记录过去”的系统，转变为“预测未来、优化当下”的智能协同伙伴的企业。

人工智能

来源：e-works

2026-04-29

产需双升，6月制造业PMI升至50.3%

产业结构优化特征明显，高技术制造业PMI为53.5%，环比上升0.6个百分点，显著高于制造业均值，高端制造引领复苏；装备制造、消费品行业PMI分别为52.5%、50.2%，同步改善；高耗能行业维持47.1% 收缩状态，产业结构持续优化。

e-works视点

2026-06-30

云道智能屈凯峰：物理AI将仿真推向世界模型的C位

物理AI恰恰需要解决这些痛点——在虚拟世界中高效、低成本地生成海量、多样且符合物理规律的数据，并训练出能理解、预测乃至优化物理过程的智能体。这一架构的意义在于：物理引擎提供可验证、可追溯、可干预的物理一致性保障，规避了纯数据驱动模型的黑箱风险；数据引擎则大幅缩短了设计周期，降低了仿真的时间成本。朱子玉判断，未来机器人中试环节中，虚拟仿真验证将占据80%以上，从而大幅降低成本、提升效率，并真正打通研发设计与生产制造，实现柔性生产。这一预测与全球产业趋势高度一致。

CAE

来源：e-works

2026-06-10

德国守了几十年的榜首没了，中国机床悄悄干到全球第一

高端机床需要一套复杂的热补偿系统来实时修正，这不是一个简单的传感器就能解决的事，而是涉及整机结构、材料选型和控制算法的系统性优化。抑制振动涉及结构刚性、用于吸收振动能量的阻尼设计、切削参数和数控系统的动态补偿，哪个环节弱了都会出问题。第三个是磨损：主轴在高速转了上亿圈之后，轴承会磨损，导轨会磨损，丝杠也会磨损。

数控机床

2026-08-31

当工业AI进入深水区，为什么说“生态共创”才是更优解？

这套体系形成了“现场设备及仪表提供数据、控制器负责执行、数字孪生平台实现数据接入与可视化、AI负责输出洞察与决策建议”的运作模式，可实现设备故障预判、能效动态优化、碳排精准核算，立足现有合作基础，远景能源及旗下远景智能将聚焦新能源系统物理AI基础设施、工业及零售场景AIoT的联合产品创新，依托研华工业级边缘AI硬件产品设计与集成能力，在新能源与零售场景中携手开拓新边界。

人工智能

来源：e-works

2026-08-12

工装夹具全揭秘：让制造企业效率翻15倍，成本直降40%的秘诀

就像先确定要装多少东西，才能决定做多大的盒子，夹具设计若不先锚定工艺核心需求，后续再优化可行性也只是本末倒置；反之，若只盯着好造好用，忽视工艺对精度、变形的要求，夹具则会失去保证加工质量的核心价值，沦为无用的摆设制造可行性优化：优先“标准化+简化结构”在满足工艺需求的前提下，夹具设计需通过“标准化+简化结构”提升制造可行性，降低成本与交期。重量超过15kg的夹具必须加装吊环、快拆手柄，避免人工搬运导致的工伤；设置防错机构，如单向装入定位销（防止工件装反）、夹紧到位指示灯（提醒操作人员确认状态）、颜色标识（区分不同工位夹具），减少人为失误。某汽车零部件厂为变速箱壳体设计夹具时，初期未考虑操作空间，工人装卸工件需侧身伸手，每小时仅能完成15件；优化夹具布局，增加10cm操作间隙，并将手动夹紧手柄改为气动控制（一键夹紧/松开），工人操作效率提升至每小时在绿色化方面，工装夹具更加注重采用环保材料、优化设计减少材料用量，并通过长寿命设计和可维修性来降低全生命周期的资源消耗。

其他

来源：数字化企业

2025-10-10

未来工厂：为何要先试错，方能决胜千里？

在真实车辆撞上测试屏障之前，工程师们早已探索完所有设计可能性。的确，工程师已经很擅长在对实体产品做出改动前，通过数字技术深入了解其特性。而现在，企业需要以对待产品的态度，来对待工厂。但要明确前行方向结合中国制造业发展实际，近岸外包、可持续发展监管、供应链波动、产品个性化——所有这些趋势都要求工厂在不重建前提下，就能实现灵活调整；同时也要求工程师能够更快、更多地提出问题，探索优化路径每一步前行，都应朝着同一个方向：打造一座不再为过去的现实优化，而是能灵活适配未来变化的工厂。

其他

2026-05-23

共 1000 页总数：10000 条

«
1
7
8
9
1000
»

全年活动计划

信息搜索中，请稍候...

资料

视频

第十届粤港澳大湾区标杆智能工厂考察之旅

2026制造业新拐点：五轴数控编程与数字孪生如何重构加工边界

Denodo：变革AI时代数据管理模式，重塑企业价值核心基石

AI时代下工业软件的发展：不是取代，而是进化

产需双升，6月制造业PMI升至50.3%

云道智能屈凯峰：物理AI将仿真推向世界模型的C位

德国守了几十年的榜首没了，中国机床悄悄干到全球第一

当工业AI进入深水区，为什么说“生态共创”才是更优解？

工装夹具全揭秘：让制造企业效率翻15倍，成本直降40%的秘诀

未来工厂：为何要先试错，方能决胜千里？

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