智能流程机器人平台助力数字化转型

为顺应新基建和产业数字化转型潮流,广州银行积极引入AI和RPA技术,并打造全行统一的技术平台,以提供企业级智能自动化流程开发框架和共享技术能力.针对感知,认知和基于明确规则的重复性人工工作流程,通过非侵入式的客户端流程及数据集成技术,面向全行各部门提供流程自动化的输出能力,以实现工作流程的智能化和自动化,达到解放人工劳动力,提高工作效率和质量的目的.

AI智能制造管理平台赋能制造业数字化转型

本报告聚焦AI智能制造管理平台在机械装备制造企业的应用实践,从技术架构,实施路径与应用价值三个维度展开深度分析.该平台构建了"数据采集—智能分析—决策优化"闭环机制,采用分层架构整合物联网,大数据与AI算法,通过边缘计算与云端协同实现设备状态实时监控与工艺参数动态优化.实践表明,该平台不仅显著提升了生产效率,降低了运营成本,更推动了企业管理模式向数据驱动转型,并重塑了供应链协同生态.本报告为离散制造业数字化转型提供了可复用的"技术-管理-生态"三位一体解决方案,验证了AI在复杂工业场景中的规模化应用价值,对推动制造业高质量发展具有重要示范意义.

基于智能运维的时序预测算法研究

随着企业服务器数量和软件模块的不断增长,传统IT运维模式已经无法满足企业数字化转型的需求.企业系统日益复杂,运维成本线性增长.而智能运维(AIOps,Algorithmic IT Operations)的出现缓解了这一现状,AI智能算法可以对当前系统中的海量运维数据进行高效分析,执行企业运维规划和决策,进而提高整体运营效率,降低IT运维成本.本文基于电力信息系统智能化的背景,深入研究智能运维中的基础时间序列预测技术,以提高对系统指标状态的监测告警能力.主要的工作内容和结论如下:(1)针对单维的主机负载时间序列数据,本文借鉴了时间序列预测领域应用广泛的预测模型以及误差补偿领域的前沿算法技术,提出了一种基于GRU误差补偿的电网主机负载预测模型SARIMA-GRU模型.在综合分析了电网主机负载数据的波动性和周期性后,建立SARIMA模型对时间序列趋势,周期进行分开预测,再利用GRU误差补偿模型对SARIMA预测误差进行自回归分析.实验中以内存负载数据为例,验证了本文所提出的模型在电网运维场景中的准确性和有效性.(2)现有的信息设备状态多维预测方法中存在难以充分学习复杂时间模式的缺点.为了解决这一问题,本文提出了一种基于MAT-Transformer的信息设备状态概率预测模型.该模型通过对数据的异常处理,提高了数据的鲁棒性;并结合线性特征和非线性特征提取方法,提高数据特征表达能力.然后使用Transformer结构精准解析时空特征,从而提高预测的准确性.本文在真实电网营销生产WEB服务器数据集上开展了多次实验,发现在多模型对比中,本文提出的模型各指标表现最优;而相对于原始Transformer,本文在长距离预测的性能上提升了20%.图27幅,表8个,参考文献82篇

探索人工智能在企业数字化转型中的应用与发展

在中小企业进行数字化转型时,采用人工智能技术(AI)是至关重要的.人工智能技术是一种非常重要的手段和工具,能够改变企业所处的商业环境,放宽经营条件,提高生产效率,并且重新塑造中小企业的发展格局.本文结合人工智能的必要性分析及典型案例,探索在企业数字化转型中的应用与发展.

AI助力企业数字化转型深度重塑

随着技术的进一步发展,数字化转型已经从"浅水区"逐步迈向"深水区",转型的战略性,系统性和复杂性显著增加.企业不仅需要在技术方面进行更深入的整合,还需要在顶层设计,组织结构,企业文化和业务模式上进行根本性的重塑.

人工智能赋能的数字孪生网络自治

随着全球数字化进程的迅速加快,第六代(6G)移动网络将在推动工业智能化,促进高质量经济发展和实现全社会全面数字化转型中发挥关键作用.面对维护和优化现有第五代(5G)移动网络日益增加的复杂性和成本压力,为发挥人工智能(AI)的优势并克服其局限性,6G网络必须从设计之初就融入AI.一方面,原生AI可以按需提供计算能力以及数据和算法支持,在网络整个生命周期中系统地启用AI;另一方面,无线网络的数字孪生(DT)进一步增强了网络模拟,动态预测和性能验证能力,极大地降低了试错成本.将原生AI和DT技术融入6G移动网络的研究令人振奋.6G网络自治的潜在关键技术益处包括: 1. 6G自治网络的架构和部署 架构设计和部署对于更好地支持6G网络的自主性至关重要.基于服务的无线接入网(RAN)架构是一种有前景的方法,它利用AI实现动态资源分配和分层部署,满足多样化的任务需求,同时提高网络灵活性.此外,结合AI与网络数字孪生技术的自主RAN框架可以显著提升网络自主性,使网络具备更强的感知,分析和优化能力.此外,随着大模型技术的兴起,研究其在6G网络中的部署和优化已成为一个新的焦点. 2. DT支持AI学习和6G网络优化 融合AI和DT技术为6G网络带来智能增强,同时也引入新的优化挑战.数字孪生网络的精确建模和未来网络状态预测能力,不仅能够实现通信环境的高保真重构,还能增强网络对动态变化的适应能力.此外,原生AI和DT技术赋能的6G网络中定价策略和任务卸载的协同优化,可以在促进高级别网络自治的同时,优化AI训练过程. 3. 利用AI提升6G网络性能 AI技术在提高6G网络性能方面发挥着重要作用.通过优化资源分配和网络配置,AI可以提升系统容量并显著提高通信效率.此外,将DT与AI结合有助于开发更高效的无线网络管理解决方案,促进6G网络的可持续发展. 然而,6G网络自治的未来应用仍面临诸多挑战.在此背景下,《信息与电子工程前沿(英文)》期刊组织了本期"人工智能赋能的数字孪生网络自治"专刊.专刊涵盖了6G网络自治的基本理论,硬件设计,系统架构,算法优化和应用技术,旨在促进业界对6G无线网络架构的共识以及相关技术的标准化和实施.专刊收录8篇论文,包括1篇立意,5篇研究和2篇通讯.