苏州奥尔马电子科技有限公司
江苏省苏州市高新区金猫路9号B幢
丁经理
13584892482
13584892482
135848924828
一款专注于工业领域,以人工智能、机理、专家经验、知识混合建模为核心的工具型模型训练/服务平台。可通过零代码界面进行数据预处理、数据可视化,内置多种人工智能算法与机理模型,能实现对于多种复杂场景智能模型的构建,从而助力解决业务场景核心问题,实现提质增效、节能降碳的业务目标。
产品功能
产品优势
自研求解器
国产自主知识产权,领先的线性规划、混合整数规划、约束规划求解能力。针对客户大规模问题,可进行AI方法定制化训练;针对不同行业需求,可进行定制化问题类型开发。
零代码
从数据获取、数据预处理、数据统计分析、模型训练、模型评估、模型预测到模型发布完整闭环,零代码低学习成本,开箱即可用。
丰富场景模板
既有通用场景模板,如:时序预测、异常预警、故障诊断等场景;又有行业场景模板,如:水务行业场景、能源行业场景等。
定制化场景开发
对于新应用场景需求,团队可提供模型定制化开发与封装服务,实现端到端、高质量、高适用性的场景交付。
可扩展
平台采用微服务架构开发,可灵活部署,保证整体服务高可用性,企业可根据数据及模型训练的负载情况,灵活增删节点进行动态伸缩,节约成本。
应用场景
工艺优化场景
痛点需求
工业企业生产中常面临原材料、环境、设备状态的外部干扰,如何在复杂环境下以更高的生产效率、产品质量去实现降本增效的目标,需要调节的工艺参数众多,同时经验丰富的工程师人才稀缺,培养周期长。
价值体现
基于人工智能的工艺优化技术融合复杂机理知识和专家经验, 构建工业大脑,实现自动参数调优,可有效协助工程师日常工作,降低工作量、提高智能化水平,从而提高产品质量和稳定性,提升生产效率。
设备预测性维护场景
痛点需求
工业设备广泛采用定时检修、更换配件的维护方式,难以发现和避免突发性故障,导致非计划停机,对产线正常工作造成影响;且计划性维修往往导致过度维修,产生不必要的维修费用。
价值体现
准确预测分析设备故障机理,预测性维护可通过算法和模型来监控、预测、管理设备的健康状态,预先诊断设备可能发生的故障和关键部件的剩余寿命,指导备品、备件和设备维修,减少意外停机故障引起的生产停工,避免失修过修,降低维护成本,延长设备服务寿命。
调度优化场景
痛点需求
目前主要依赖人工排产,造成订单交付存在延期、生产资源利用率不高、产能分配不均衡、库存成本高、生产效率低等问题。
价值体现
以百度自研求解器为核心引擎,运用运筹优化、人工智能等技术,解决资源调配问题,实现高效、均衡的计划排程及快速的实时调度响应,让企业有智能决策的能力。
客户案例
水泵设备预测性维护
借助信号处理和人工智能算法,实现设备的信号采集、状态的智能判断和预警功能,达到设备的实时监控和管理、重大事故发生预防的效果,可以提前预测出泵机故障类型和剩余寿命。
某铁路调度优化
随着国家经济快速发展,高铁承运量日益增加,在某些繁忙线路上出现供需不平衡的难题。在明确高铁运营计划和调度的优化目标后,抽象时间、空间、安全等约束条件,使用强化学习+规划模型的方式,快速获得效果较好的可行解。
某家具装箱优化
实现业务集柜/分柜的半自动化,结合订单PO/产品数据/集分柜规格,在订单生产前根据匹配规则输出对应模型,提高效率和准确率,提升集装箱满载率,减少运输成本。
某水务集团能耗优化
根据历史数据,建立区域用水量预测AI模型,以此为基础,分析泵组实际运行工况,给出开/停机、频率等控制参数推荐值,从而在保证安全、稳定供水的前提下,进行智能化调压控制,比人工规则操作情况下节能8%以上。
某火电厂空冷能耗优化
空冷岛的冷却能力受气温、风速和负荷等因素的影响很大,存在夏季机组背压高、负荷受限,冬季散热管束易冻结的难题。结合现场运行历史数据,基于机理建模、机器学习建模和强化学习等方法,优化空冷岛风扇的起停及转速,从而提高机组运行效率、减少碳排放。
助力企业数智化转型 如果您有工艺优化、设备预测性维护、调度优化的需求,我们能给您提供定制化量身定做的解决方案,给您带来可量化的价值体现,助力您在智能化转型的征程中更进一步!