- 点击观看直播 点击观看直播
- 在工业生产中，机器设备的稳定运行至关重要。传统维护模式存在滞后性和不确定性，导致高昂成本和风险。随着人工智能技术兴起，故障预测性维护成为可能。通过传感器采集数据，利用机器学习和深度学习算法，AI能提前预判故障，提高生产效率和安全性。工业物联网（IIoT）进一步增强了实时监控与远程管理能力，使得维护更加智能化、精准化。尽管面临数据安全和模型解释性等挑战，AI驱动的预测性维护正逐步改变传统模式。 在工业生产中，机器设备的稳定运行至关重要。传统维护模式存在滞后性和不确定性，导致高昂成本和风险。随着人工智能技术兴起，故障预测性维护成为可能。通过传感器采集数据，利用机器学习和深度学习算法，AI能提前预判故障，提高生产效率和安全性。工业物联网（IIoT）进一步增强了实时监控与远程管理能力，使得维护更加智能化、精准化。尽管面临数据安全和模型解释性等挑战，AI驱动的预测性维护正逐步改变传统模式。
- 当遭遇闪电等极端天气时，传感器能够迅速捕捉到相关信息，并通过无线网络传输到地面控制中心。控制中心可以根据实时数据对飞机进行远程监控和诊断，及时采取必要的措施，确保飞行安全。 当遭遇闪电等极端天气时，传感器能够迅速捕捉到相关信息，并通过无线网络传输到地面控制中心。控制中心可以根据实时数据对飞机进行远程监控和诊断，及时采取必要的措施，确保飞行安全。
- 智能制造中的AI预测性维护：从理论到实战的深度解析 一、背景与挑战：为什么传统维护模式已走到尽头维护模式平均停机时间年度维护成本备件库存冗余数据利用率事后维护（Reactive）12–36 h基准100 %30–50 %<5 %定期维护（Preventive）4–8 h70 %60–80 %10–15 %预测性维护（Predictive）0.5–1 h40–50 %10–20 %85 %以... 智能制造中的AI预测性维护：从理论到实战的深度解析 一、背景与挑战：为什么传统维护模式已走到尽头维护模式平均停机时间年度维护成本备件库存冗余数据利用率事后维护（Reactive）12–36 h基准100 %30–50 %<5 %定期维护（Preventive）4–8 h70 %60–80 %10–15 %预测性维护（Predictive）0.5–1 h40–50 %10–20 %85 %以...
- 提前预判故障，省时又省心：openEuler的预测性维护实战 提前预判故障，省时又省心：openEuler的预测性维护实战
- 在“双碳”目标的推动下，风力发电逐渐成为能源领域的“明星产业”。然而，风力发电设备面临的环境挑战之一是温度监测，特别是轴承和定子绕组等关键部位。无源RFID测温标签在发电机轴承与定子绕组、齿轮箱（轴承、齿轮啮合点、油温）和变桨轴承与齿... 在“双碳”目标的推动下，风力发电逐渐成为能源领域的“明星产业”。然而，风力发电设备面临的环境挑战之一是温度监测，特别是轴承和定子绕组等关键部位。无源RFID测温标签在发电机轴承与定子绕组、齿轮箱（轴承、齿轮啮合点、油温）和变桨轴承与齿...
- 一、项目开发背景工业设备预测性维护是智能制造领域的重要发展方向。传统设备维护依赖定期人工巡检或故障后维修，存在维护周期长、故障响应滞后、运维成本高等痛点。随着工业物联网（IIoT）技术的发展，通过实时采集设备振动、温度等关键参数，结合信号处理算法实现故障特征提取与趋势预测，可显著提升设备可靠性并降低维护成本。当前市场方案多采用分立的振动监测与温度监测系统，存在数据孤岛、边缘计算能力不足、... 一、项目开发背景工业设备预测性维护是智能制造领域的重要发展方向。传统设备维护依赖定期人工巡检或故障后维修，存在维护周期长、故障响应滞后、运维成本高等痛点。随着工业物联网（IIoT）技术的发展，通过实时采集设备振动、温度等关键参数，结合信号处理算法实现故障特征提取与趋势预测，可显著提升设备可靠性并降低维护成本。当前市场方案多采用分立的振动监测与温度监测系统，存在数据孤岛、边缘计算能力不足、...
- 大数据加持的预测性维护：让设备故障“未卜先知” 大数据加持的预测性维护：让设备故障“未卜先知”
- 在智能制造与工业物联网（IIoT）背景下，设备故障的预测性维护（Predictive Maintenance）成为提升生产效率的关键。传统方法依赖阈值报警和定期检修，存在滞后性与资源浪费。本文结合PyModbus（工业数据采集）、ARIMA（时间序列预测）与LSTM（深度学习模型），构建端到端的设备健康预测系统，覆盖数据实时采集→特征分析→模型训练→故障预警全流程，并通过实战代码与性能对比，... 在智能制造与工业物联网（IIoT）背景下，设备故障的预测性维护（Predictive Maintenance）成为提升生产效率的关键。传统方法依赖阈值报警和定期检修，存在滞后性与资源浪费。本文结合PyModbus（工业数据采集）、ARIMA（时间序列预测）与LSTM（深度学习模型），构建端到端的设备健康预测系统，覆盖数据实时采集→特征分析→模型训练→故障预警全流程，并通过实战代码与性能对比，...
- DAY7 机器学习助力预测性维护（下） DAY7 机器学习助力预测性维护（下）
- https://education.huaweicloud.cn:8443/courses/course-v1:HuaweiX+CBUCNXE026+Self-paced/about操作流程:后面就是截图交作业的一部分了接着添加 随机决策森林分类 和 分类模型评估 回来，最快的办法是直接搜的最快； https://education.huaweicloud.cn:8443/courses/course-v1:HuaweiX+CBUCNXE026+Self-paced/about操作流程:后面就是截图交作业的一部分了接着添加 随机决策森林分类 和 分类模型评估 回来，最快的办法是直接搜的最快；
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签