随着科技飞速发展,人工智能逐步揭开了技术变革的新篇章,为各行各业的创新发展带来了更多可能。尽管看不见、摸不着,但AI技术正不断渗透进各种应用场景中,成为企业提升经营效率、降低运行成本、增强决策能力的“得力助手”。
在工业制造领域,传统的自动化应用已无法满足当下各行业对精益高效、绿色低碳的生产需求,企业开始将AI技术应用到预测性维护、质量控制、生产调度、供应链管理、工厂自动化、能耗管理等诸多场景,以实现降本增效,提升市场竞争力。其中,处于不断创新和技术进步前沿的半导体产业便是AI技术应用的“先行领域”。
在某半导体企业的智能厂务管理平台建设中,施耐德电气为其设计了一套冰机冷量预测解决方案。该方案基于AI算法,根据冰机运行的历史数据,对需求端的制冷量进行精准预测。通过对用能需求更加精准的把控,实现能耗的精细化管理,帮助用户达成节能降耗的最终目标。
AI算法助力,实现高效能耗优化控制
冰机系统由冷水机组成,用于芯片工厂的机台降温,并维持洁净车间和办公区的温湿度,以符合生产工艺标准和舒适度要求。该半导体企业的冰机系统,包括低温水和中温水两个子系统,其中低温水系统有4台冷水机组,中温水系统有6台冷水机组。施耐德电气为其开发的冰机冷量预测解决方案,分别对低温水系统和中温水系统两个冷量点位进行AI建模,确定制冷量需求和冰机负荷与变量之间的关系,根据冰机运行的历史数据,对制冷量需求进行未来4小时的预测,进而实现对冰机机群的优化控制。
冷量预测模型主要通过采集两个点位的冷量数据,同时结合室外温度和湿球温度作为数据集,采用Neurel Prophet深度学习算法进行自回归预测。其中,冷量预测的模型训练,采用cuckoo调度机制,分为冷启动模型训练、过度模型训练、预期模型训练三个阶段,先使用离线训练的模型进行冷启动,上线之后再逐步积累实际数据用于模型训练,从而完成模型的训练。
与此同时,冷量预测的模型推理采用自动调度机制,对数据进行解析处理后,加载模型预测未来4小时目标值;对预测结果进行规则检查等后续处理,最终冷量预测输出值可用来进行冷水机组控制策略分析。
实测数据显示,该方案节能效果达3-5%,如果配套硬件改造,综合节能效果可达5-10%,具有较高经济价值和创新性,可以在更多半导体企业推广普及。通过实施这样的冰机冷量预测算法,该半导体企业在提高冰机系统运行效率的同时,也降低了设备能耗。而项目的成功实施,则得益于施耐德电气在AI技术研发上的长期积累,能够将AI应用到能源管理和工业自动化等场景中,帮助企业加速实现节能减碳和智能化运营。
如今,AI已经成为当之无愧的新质生产力,为加速千行百业的智能化变革带来强大动能,也为工业数字化发展带来新的契机。与此同时,施耐德电气正积极加大对AI技术的研发投入,通过结合自身在工业自动化和能源管理领域的技术积淀与丰富经验,持续赋能工业、楼宇、基础设施等不同行业用户加速实现节能减碳和智能化运营,促进业务创新。
在7月4至7日举行的世界人工智能大会(WAIC)上,施耐德电气将于H1号馆W1020展位以“双擎并进,数智新生”为主题,现场展示人工智能(AI)技术与电气化、自动化和数字化技术的融合及场景应用,以促进产业高效与可持续发展。更多细节,敬请锁定施耐德电气官网及微信视频号,预约展期内的展台直播。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。