page contents

从数字化转型中

获得最大价值

 

汇集不同产品和领域的知识

感知和洞察,基于事实的决策

将数据转化为更高的生产力和可用于操作的知识

市场的需求

当前的生产制造业正在向服务和知识经济转型,借助结合了大数据和机器学习技术的分析平台,“数字服务”正在改善生产和制造过程,表现为:产能提升,成本降低,废品率降低,能源消耗减少,非计划维护停机时间减少,对生产材料和生产过程的全新认知。

我们的优势

作为分析设备制造商和系统集成商,我们了解现场测试设备的性能与潜力,也了解客户的生产过程的日常问题和关注点。正是基于此,我们正在越来越多的与客户合作,共同创新产品和解决方案,用以提高流程的生产力,降低整体运营成本,从而增加客户的利润空间。

我们的能力

针对特定问题和目标,采用专门的数学方法,结合过程分析和数据分析技术,可以帮助用户纠正生产中的错误,并使大量的生产过程数据转化为可用于优化操作的知识。通过分析技术所洞察和预测到的预防性维护的执行,正在将资产数据转化为可运行的,更具价值的信息。

整车和零部件的客观气味评级

客观气味评级时基于人工神经网络的深度学习方法的人工智能应用。将离子分子反应质谱仪测量到的气体成分特征,抽象成气味评价等级,即模拟人脑对气味评级进行学习的过程,模仿人脑的机制对气味进行评价,通过监督学习机制,将气体成分和浓度,以及气味评价等级这两种不同的,但是复杂的数据关联起来。我们可以认为它是一种感知器,或者认为它是一个专家系统。

为什么要实现客观评价

了解更多

常规的主管评价完全依赖于人,即使受过专业训练的评价员,也很难避免受到身体状态和情绪的影响。另外,评价员也很难长时间连续工作,无法完成大批量的评价测试。因此,面对大批量的检测,需要能够长期连续可靠运行的客观评价测试方法和设备。

客观评价结果如何指导气味改善

了解更多

客观评价是基于样品气味散发成份的指纹图谱和模型预测,在对气味评级进行预测的同时,也能给出气体成份对气味影响的权重分布。由此,进一步参考化学成份的特性,溯源生产过程中所用到的原材料以及工艺,即可指定气味改善的计划。此外,基于预测模型,也可以人为的输入一组数据,调节其中的特定气体成份的浓度,从而预测响应的气味评价值是否得到改善。

如何对气味进行溯源

了解更多

由于预先已经采集和设立了零部件相关的指纹图谱和气味评价模型,因此,在对整车进行气味评价的过程中,通过矩阵分解和回归计算方法,可以针对整车的评价结果​​,溯源某一类甚至某一个对整体气味评价影响权重较高的零部件。

车内气味水平是影响驾乘体验的重要因素之一,也是所有汽车制造商重点关注的内容。传统的气味评价方法依靠经过训练的评价员用鼻子闻,来对气味进行评级。但是由于人的个体差异,以及环境影响因素以及心理因素,这种评价方法的一致性和稳定性并不是很好。通过选择性极强的离子分子反应质谱指扫描,每种气体和材料的散发都有其特征的指纹图谱。结合人工智能计算技术,在一定数量的样品基础之上,可以建立客观的气味评价模型,具有良好的一致性和稳定性。

打破已有的藩篱,勇敢的进入新世界

当已有的知识,经验,工具和技术手段已经不能有效解决问题的时候,首先要做的最重要的事情就是突破已有的边界,去寻找全新的解决方案

基于数据库的FTIR光谱分析模型

基于数据库的FTIR光谱建模,使得建模过程无需再使用难于获得和存储的标准气体,无需耗时和复杂的通过扫描标准光谱来建立分析模型的过程。统一的分析模型可以在不同的硬件设备之间有效传递,也可以方便的增加新的用户定制的测量组份。模型在不同的硬件之间传递时,仅需要做简单的单一浓度的H 2 O标定。

改进的NIR光谱建模算法

常规的近红外光谱分析都是采用PLS方法建立模型,并且需要对光谱数据进行导数处理,而这样也会引入更多的噪声,且很难消除。我们所建立的SpectrumMatrix方法,无需对光谱数据求导,而是直接利用原始光谱数据建立模型,在实现更高精度的预测的同时,几乎消除了异常值数据点。

整车VOC和气味溯源

OdorMatrix通过建立整车和零部件的指纹图谱库,结合模式识别和预测模型,可以在整车VOC和气味评价基础上,计算和分析出导致VOC和气味异常的零部件源头或类别。从而协助零部件开发人员在设计验证和测试阶段获得充分和可信赖的信息,以便通过对零部件的筛选,来确保整车的VOC和气味符合法规的要求。

随着传感器,IoT和网络通讯技术的发展,工业生产和测量中的海量数据成为了一种新的“资源”。如何从这一资源中获得更多的“信息”来帮助工程领域重新认识工业生产过程,提高生产效率,已经形成了一场新的工业变革。而人工智能技术就是发掘和利用这一资源新型生产力工具,引导这一场工业变革的根本技术。

对于规则比较清晰的任务,人工智能已经被证明可以超过人的效率,部分代替人的专业技能。更为重要的是,在新的认知领域,人工智能更像一个多维度显微镜,通过对大量数据的“分析”和“理解”,为技术和管理人员提供对工业过程的更清晰的“高维度”认知,帮助人们发现新的规律。这一点对工业生产尤为重要。

大数据和在线自学习

用于锅炉自动燃烧平衡调节

降低氧量,避免局部高温腐蚀,智能吹灰

结合温度场的燃烧平衡控制的核心是基于燃烧器运行参数对温度场分布进行预测,在预测到炉膛内温度分布不平衡的情况下,调节燃烧器参数,使炉膛内温度场分布平衡。将测温数据转变为真正具有价值的控制参数,真正关注锅炉运行效率和安全性。燃烧平衡控制系统每四秒钟采集包括温度,燃烧器参数,机组负荷等超过100个数据点,在两个月内可获得上亿个数据。

我们提供完整的解决方案

从数据采集,分析,方案实施到数据维护

采集和连接数据

我们支持各种标准的数据通讯方式,包括Modbus,Profibus,OPC,DDE,模拟量,以及通过数据库的数据交互。也可以根据用户的特殊环境开发针对性的通讯协议。

数据分析

根据项目的场景需求,数据量和分布方式,以及数据质量和最终目标,我们会采用不同的数据分析方法包括:时间序列分析,主成分分析,线性相关性分析,自相关性分析,各态历经性分析;并采用合适的建模方法包括:广义线性建模(如逻辑回归,最小二乘,偏最小二乘),正则化广义线性建模,神经网络建模,高斯动态/静态建模,状态空间建模等来建立最终投入应用的模型。

方案实施

依据用户的需求和目标,提供完整的系统设计,设备供货,系统安装调试,性能测试,以及数据验证。数据服务器可以选择本地服务器或基于云的服务器。

数据维护

基于年度维护服务合同,我们可以提供定期系统维护和应急维修,除硬件故障处理外,还包括定期的数据分析,模型维护更新,模型优化调整,数据备份以及应急的数据恢复等技术支持。

让我们共同开启一段全新的旅程吧!

告诉我们您所关心的话题,或者任何我们可以合作的机会,或者需要了解更多关于我们的产品和解决方案的信息,欢迎您给我们留言,或拨打公司电话,我们将第一时间和您取得联系

通过以下的地址,电话或邮件,您可以联系到我们

北京市丰台区南三环西路78

北京万兴大厦

B1-0001

+86 10 63290650

info@palmarytech.com