主页公司名称

您的位置: 首页
新闻中心
基层动态

齐鲁云商数智云科:AI深度融合破局设备管理难题

作者: 孙旭冉  朱运恒 乔英馨   发布日期: 2025年12月02日

近日,山东省大数据协会公布了2025年山东省大数据协会大数据科学技术奖获奖名单,齐鲁云商数智云科的“设备智能诊断分析系统研究与应用”荣获“2025年度大数据科技进步奖二等奖”。今年以来,数智云科打造的“煤炭设备知识服务大模型”还入选了山东省工业领域行业大模型“揭榜挂帅”攻关项目,“设备智能诊断分析系统V2.0”入选山东省优秀大数据产品名单,“煤炭设备故障智能诊断解决方案”入选山东省优秀大数据解决方案名单。

这一系列成果的背后,是该公司深耕“AI+产品研发”融合创新的坚实实践,更是他们技术成果落地转化的有力印证。

如何将抽象的技术理念转化为解决实际痛点的硬核能力,让AI真正扎根设备管理场景?该公司将“AI+研发”理念全面融入业务全流程,成功构建起具备自主学习与决策能力的设备诊断与管理智能体系,实现了人工智能与设备管理场景的深度“绑定”。

人工智能重塑发展“新动能”

在该公司的研发工作中,AI 编程助手已成为不可或缺的高效伙伴,以技术赋能重构研发全流程效率体系。面对数据接口搭建、常规数据库语句撰写等重复性代码任务,它能基于预设规范与业务场景快速生成高质量代码,将研发人员从机械繁琐的基础工作中彻底解放,让研发人员能够集中精力投身核心算法设计、关键功能优化等创造性工作,最大化释放研发团队的创新潜能。面对复杂代码模块时,AI编程助手又能化身专业分析师,梳理结构框架、标注调用关系与数据流向,精准指出漏洞风险,大幅缩短代码理解时间并提升代码质量。

在研发流程优化与知识支撑层面,AI编程助手的作用同样突出。它可依据项目需求智能推荐技术方案与代码架构,在团队协作中实现代码规范监测与风格统一;通过与版本控制系统深度集成,自动比对代码差异、定位问题节点,显著提升代码审查效率;依托海量知识库,该助手能快速匹配技术难题的解决方案与代码示例,同时主动推送前沿技术动态,助力研发人员拓宽视野。

AI赋能的研发模式成效显著。数智云科研发周期平均缩短30%,成果转化效率与市场响应速度大幅提升,为公司数字化核心业务拓展提供了坚实的技术支撑与效率保障。

“智能大脑”颠覆设备管理模式

基于AI研发能力的沉淀,结合自研的“D立方”大模型一体机,数智云科成功培育出具备自主学习与决策能力的设备诊断与管理的“智能大脑”。

这个“智能大脑”拥有一套高度智能化的数据采集与分析系统,它通过分布在设备各个关键部位的传感器,如同无数双敏锐的眼睛,实时、精准地采集设备运行过程中的各种数据,包括温度、压力、振动、转速等关键参数。这些数据以毫秒级的速度被传输到“智能大脑”中,进行深度的分析与处理。

这样一来,依托机器学习与数字孪生模型等先进技术,设备诊断系统便能精准破解传统设备管理效率低下、响应滞后的痛点,实现了设备管理从“被动维修”向“主动预判”的根本性转变。

某制造企业的应用实践充分印证了这套模式的价值,在引入数智云科设备智能诊断系统后,设备非计划停机时间减少70%,每年避免数百万元因设备故障导致的生产损失,设备故障率与维修效率得到显著改善。

今年以来,数智云科已为20余家矿山、化工、新材料等企业提供设备诊断运维服务,并通过代理商模式实现外部市场收入规模同比增长206%。当前,他们正在拓展“存量维护+增量拓展”的市场驱动模式,将基于AI的设备智能管理系统推广至更多的智能制造场景,进一步扩大市场覆盖与营收增长空间。

硬核产品筑牢竞争“护城河”

在产品研发过程中,数智云科深知根基稳固的重要性,如同建造高楼大厦,坚实的地基是承载一切的基础。

为此,数智云科搭建起六大支撑系统,犹如大厦的钢筋铁骨,构建起层次清晰、协同高效的技术支撑体系,为核心产品的研发与升级提供了不可或缺的基础。

机理模型管理系统作为“理论基石”,通过设备物理原理建模实现运行参数预测,如为矿山破碎机精准计算能耗与磨损情况;AI模型管理系统以机器学习算法挖掘设备数据,可提前预警电力变压器故障等风险;知识图谱管理系统整合设备全维度知识,助力化工反应釜等设备快速定位故障原因;大模型应用开发平台则支持智能客服等个性化应用开发,提升设备巡检效率……六大系统数据共享、协同联动,共同支撑数智云科快速响应市场需求,构筑技术优势。

在坚实技术骨架之上,数智云科精准布局SIDAS智能诊断系统、SILAS智能润滑系统、SIMAS设备管理系统三大核心产品“王牌”,通过持续迭代升级丰富产品矩阵

“我们通过升级产品,精准匹配不同行业的个性化需求,为客户量身定制全面、精准的数智化解决方案,持续打牢基础、突出核心,不断提升自身竞争力。”该公司负责人马兵介绍。

从研发端的效率革命到应用端的价值创造,数智云科通过“数据+算力+模型+应用”的深度融合,将设备运维从被动抢修推向主动预测,为工业企业带来降本、提质、增效的综合价值。面向未来,随着工业大模型的持续迭代与技术边界的不断拓展,他们将依托跨场景泛化能力适配更多细分行业需求,让智能基因深度融入工业生产的每一个“毛细血管”,为制造业智能化转型注入持久动力。

(未经授权禁止转载)