集团新闻 / 人工智能

楚天AI智能体在工业场景的应用

日期:2025-09-12 / 来源: 原始材料

图片来自出版物

人工智能技术

楚天科技作为一家从事制药全流程智能装备研发、生产和销售的企业,面临合规性高、精准度要求高的行业特点。经过多年的优先制造战略研发以及数字化转型升级,公司已经积累了大量高质量的流程数据,这也成为AI智能体在楚天科技工业场景垂直应用的基础。通过结合PLM/MOM数据、模型、图纸和技术参数的数据训练,楚天科技逐步实现AI代理辅助参数的优化,以及工艺路线、技术要求和检验数据的智能编制和推荐,实现AI+模型在数控程序编制和检验中的智能集成。得益于“相对+准确”的模式,最终实现了Deepseek-AI智能体实际应用方案的目标之一:CAPP流程的智能化。

图片来自出版物

楚天科技Deepseek-AI-Agent应用目的

01

项目历史和核心价值观

楚天科技旨在解决以下行业的重大问题: CAPP流程分析:

确保流程准确性并提高效率以满足高合规性要求

复杂工艺数据手动处理效率瓶颈(CNC程序审核时间为35%)

生成过程文档的速度和质量之间的矛盾(查看过程数据占用了25%的时间)

Deepseek-AI智能体的核心价值:

智能CAPP流程:交付周期缩短40%

NC程序智能编译与分析:减少人工干预60%

动态过程精度迭代:平均年累积增益≥12%

02

主要应用

CAPP数据处理

目标:

实现工艺路线、技术参数、控制数据的智能编制和优化。

实施路径:

集成 PLM/MOM 数据,结合 3D 模型和图纸,并自动创建工艺路线和参数建议。

利用AI+算法智能编译和验证NC程序,减少人工干预。

动态调整工艺参数,保证生产过程的高精度和稳定性。

预期结果:

流程实施周期缩短40%,人工干预减少60%。

智能数控编程

目标:

利用 AI 技术优化您的 CNC 编程效率和准确性。

实施路径:

应用AI+算法分析CNC编程数据并优化刀具路径和加工参数。

实施动态校准模块,实时监控CNC程序偏差,确保编程结果满足工艺要求。

使用规则引擎执行行业规范,自动审查和纠正NC程序。

预期结果:

CNC编程效率提高200%

图片来自出版物

微服务架构项目Deepseek-AI

建筑设计的主要特点:

模块化和松耦合设计

独立的AI服务,易于扩展和维护。

集中数据访问和知识管理

灵活的部署和扩展选项。

实时处理和决策支持

03

实施概述

基于楚天科技对高合规性、高精度的要求,提出“相对+精度模式”实施方案,以“人工智能与算法协同”为核心,提高AI模型的精度,同时降低人工数据处理的复杂度。主要想法包括:

双轨检测机构

AI模型产生初步预测后,利用概率统计和规则引擎进行二次验证和调整。

闭环数据管理

从收集多个来源的数据到重新组装反馈数据,创建了持续优化的数据生命周期。

准确率逐渐提高。

通过动态基准比较和1%精度迭代策略,实现模型性能的持续提升。

图片来自出版物

基于AI的自动化工艺规划实现路径

04

明确关键技术点

关键技术步骤
舞台详情
数据收集和预处理历史流程数据:成功案例的路线和操作。
CAD模型数据:产品几何特征。
生产设备参数:机器和工具的能力。
材料性能数据:加工特性和热处理要求。
深度学习模型用于特征识别和 CAD 模型分析的 CNN。
RNN 用于操作序列预测。
用于优化技术解决方案的强化学习。
知识图谱的构建领域本体。
提取实体之间的关系。
基于知识图谱的推理。
自动规划系统考虑产品特性和设备能力的技术路线的生成。
规划操作内容和顺序。
设置加工参数。
优化与反馈使用数字孪生进行虚拟检查。
收集有关质量和效率的事实反馈。
不断训练和更新AI模型和知识图谱。

数据质量提升技术

多源数据融合:整合系统日志、用户行为数据等多模态数据。分层标注策略:根据业务价值对数据进行优先级排序,并使用半自动化标注。

模型优化系统

集成学习框架和迁移学习:通过使预训练模型适应领域来提高模型性能。自动调参:逐步优化模型参数,提高预测精度。

算法交互机制

动态验证模块:实时监控预测差异,确保结果满足流程要求。规则引擎设计:检查AI输出的合理性。

系统工程架构

分布式数据库:支持列式存储,支持大数据快速查找。模块化服务设计:数据、模型、验证组件独立更新。闭环系统:用户修正的数据自动反馈到训练过程中,不断优化模型。

05

主要思想分析

AI+概率统计:

在深度学习模型的基础上,添加概率统计模型,利用AI评估输出预测值的可靠性。使用多元模型输出比较来提高结果的稳定性和可解释性。

相对精度和绝对精度的组合:

“相对+准确度模式”通过不断迭代、验证、比较,提高预测准确度。当标注数据不足时,首先采用相对指标推断,当高质量数据量增加时,逐渐转向绝对精度校准。

1%精度连续累加:

每次优化的准确性小幅提高 1%,就会在大规模应用中带来显着的收益。利用自动化模型监控和反馈机制,对更新评估结果的差异进行量化,形成长期优化引擎。

数据用途及多级分类:

根据准确性要求或用例逐层处理数据,以避免“一刀切”。注重有价值数据的标注和反馈,提升模型训练的价值。

结果各不相同:

以 PDF 文件或可视化报告的形式输出分析结果。引入“概率分布”或“置信区间”,使用户直观地感知预测结果的变化范围和置信度。

图片来自出版物

AI与算法协作架构

06

Deepseek-AI进化架构图假设对比分析

设计微服务架构

第一个版本:基本线性过程(数据→模型→验证→输出)。

优化版本:增加了数据质量监控和用户反馈模块。

最终版本:强化概率统计模块,明确相对标杆路径。

Deepseek-AI 架构选项比较
特点第一个版本的架构架构优化版本最终架构
数据监控否独立的质量控制模块集成强化处理和监控流程
反馈机制简单的结果反馈多级用户反馈循环评估数据的结构化返回
验证方法通过静态规则验证动态阈值设置相对基线+概率分布+双重验证
结果展示一份 PDF 输出置信区间可视化集成多维数据仪表板

闭环反馈机制

通过定期评估和及时更新,形成基于预测结果和用户反馈的闭环机制。每一个小的改进都会导致“准确度提高 1%”,最终导致整体性能的显着提高。

07

预期收益

预期效果
方向结果
提高效率工艺准备周期缩短了40%。
NC编程效率提高200%。
品质保证动态迭代精度年均提升≥12%。
人工干预减少60%。
成本优化减少了手动数据处理的复杂性和验证时间。
智能更新实现制药装备行业更加高效、精准、可持续的优化。

Deepseek-AI智能体或楚天科技因“相对+精准模式”在智能制药装备领域拥有强大的核心竞争力。通过人工智能技术与算法的协同结合闭环数据管理和动态检测机制,楚天科技不仅将提高生产效率和工艺精度,还将为行业数字化升级提供有力支撑。在人工智能和工业互联网快速发展的背景下,Deepseek-AI Agent将为制药装备行业的智能化转型树立新标准。

Deepseek-AI-代理楚天科技医疗装备智能制造系统应用楚天科技AI部署的实践思考——DeepSeek的私有化分层部署更适合医疗设备用例。