ET工业大脑

用数据赋能智造,让机器拥有智能

ET工业大脑创新实践

  • 库存优化

    1.在历史数据和销量预测的基础上,对库存进行分析和优化,包括多层ABC分析、库存周转率分析、库存仿真,最终确定各类商品合理的库存数量。

     

    2.根据不同货物的销售量和销售频率,确定其类别(A/B/C),对不同类别,采用不同的库存策略。通过阿里云高性能计算平台的仿真模拟计算,最终确定合适的库存量,使得: 在控制库存量的前提下,尽量避免缺货。 一旦预测到即将缺货,及时从就近仓库或网点调拨。

  • 在销量预测、库存优化和运输优化的基础上,综合考虑库存成本、运输成本和服务水平,对整个供应链网络进行优化: 对各仓库/网点的负荷量进行分析,哪些仓库/网点超负荷,哪些负荷不足,通过优化使得负荷平均分配。 对每种商品的供应链网络进行合理布局,包括选择供应方和设置销售网络。 对每种商品的调拨策略进行优化,包括: 日常调拨:调拨频率和调拨量的设置。 紧急调拨:发生缺货时的调拨策略,包括从上级和平级仓库/网点调拨。

    供应链网络优化

  • 背景 

    风电机组的本地适应性差、产品质量标准缺失、不掌握核心技术(控制系统)、风电场设计粗放,运行水平低等。

    设备故障预测

    实现方法 

    1. 把两个风机机组的数据合并 2. 自变量为风速、发电功率、环境温度、机舱温度;因变量为传动链(powertrain)各环节的温度测量值。 3. 建模找残差(residual) 4. 求出每台机组每个月的平均残差。残差最大的月份可能就是某种未知机械原因造成的磨损(产生热能)最大的月份。 5. 把这些月份和维修记录做对比。 

    效果 

    风电机组远程故障预警及诊断系统最终实现机组故障自诊断。 窗口期运维 实现风电场运行维护的强计划性,大幅降低运维成本。

  • 工艺参数优化

    降低每批次线痕的均值或中值 (其次降低线痕的方差) 考虑成本因素 给定辅料的参数选择范围 考虑辅料的品牌和参数 考虑切片机工艺参数

    某企业良品率每提高千分之一,就能节省上千万的生产成本,通过ET工业大脑的实施,一年节省成本达到几千万元

    目标

    价值

本网站由阿里云提供云计算及安全服务 Powered by 卓见云