打造5G智慧工厂,推动传统中药制造企业数字化转型
为把握5G、Al等新一代信息技术与中药制造融合发展的契机,推动经营方式转型和管理模式升级,马应龙大力建设中药大品种智慧工厂,创新药品智慧生产模式,通过产品制造全流程的“信息数据化、监测数字化、运行智能化”,全面集成产业链上下游及产品制造交付全流程的信息数据,实现生产全过程信息实时采集、互联互通、高效流转和透明化管理。基于智能工厂,马应龙实现了膏栓产线全过程自动化精确控制,生产多环节协同管理和远程自治,产能效率大幅提升,产品交付周期显著缩短,在中药制造行业达到国际尖端、国内领先水平。
图:马应龙5G智慧工厂架构图
业务模式方面,以核心产线智能升级为基础,逐步完善数据监测与智能应用,强化产业链的高效协同。
其一,深化核心产线智能升级。基于数字孪生建成全连接数字化工厂,核心产线实现自动化、智能化运转,达到国际一流水平。
其二,完善数据监测与智能应用。重点监测“品质”、 “效率”、“成本”相关指标;应用数据建模和智能算法,实现智能排产,提高生产计划的效率和效益。
其三,强化产业链高效协同。构建具有共享能力的平台体系,实现订单、库存、物流、生产等信息的实时传递与共享,为资源共享和协同制造夯实基础。
技术架构方面,通过实施5G\AI等新一代信息技术与中药制造的融合应用,对生产制造的装备、软件、安全等领域配置持续改造升级,建设国内中药大品种数字化智能工厂。
其一,广泛应用自动化设备、工业机器人、AVG小车等智能装备,膏栓产线实现整体智能升级。
其二,完善数据监测与智能应用。重点监测“品质”、 “效率”、“成本”相关指标;应用数据建模和智能算法,实现智能排产,提高生产计划的效率和效益。
其三,强化产业链高效协同。构建具有共享能力的平台体系,实现订单、库存、物流、生产等信息的实时传递与共享,为资源共享和协同制造夯实基础。
技术架构方面,通过实施5G\AI等新一代信息技术与中药制造的融合应用,对生产制造的装备、软件、安全等领域配置持续改造升级,建设国内中药大品种数字化智能工厂。
其一,广泛应用自动化设备、工业机器人、AVG小车等智能装备,膏栓产线实现整体智能升级。
其二,建立5G工业互联网,实现关键设备数据的联网,形成内部工业大数据库。
其三,全面集成生产计划、采购、产线、能耗、工艺、环安等数据,建立关键指标和关键模型,进一步保障了交付效率。
马应龙打造的智慧工厂,2022年经国家工信部评定为新一代信息技术与制造业融合发展试点示范,获湖北省经信厅认定为首批“省级5G全连接工厂”、“湖北省5G应用十大优秀案例”,重点子项目“工业互联网超5G网络关键设备研发及应用示范项目”获得湖北省科技厅认定“2022年高新领域科技重大专项”。
通过实施5G智慧工厂项目,马应龙深化“信息数据化、监测数字化、运行智能化”在生产制造领域的创新应用,实现了中药传统制造向智能制造模式的转型升级,显著提升产能,稳定产品质量,大幅提升市场需求满足效率。
其一,通过智能装备升级,设备100%网联化,实现产线全过程自动化精确控制和产品无人转运、远程协调和自治,达到国际尖端、国内领先水平,产能大幅提升60%,产品交付周期平均缩短50%。
其二,通过数字孪生技术实现设备管理实时远程监控和自动预警,保障产品质量,下线产品一次合格率100%,产品不良品率降低20%。产品品质多次获得监管机构认可,凭借痔疮膏荣获细分领域隐形冠军、制造业单项冠军。
其三,通过全面集成产业链上下游及产品制造交付全流程的信息数据,对上下游展开多方、立体数据服务,有助于平台化经营战略的开展。
同时,基于5G智慧工厂,马应龙创新中药制造智慧生产模式,在新冠疫情防控期间,其凭借智能化生产线、线上运营平台等优势,率先实现复工复产。在内部成果转化方面,通过新一代信息技术与肛肠诊疗的融合发展,实现“医-药-患”信息共享互通和精准诊疗,打造了肛肠领域首个数字模型库。并开展新一代信息技术向营销、管理等领域的延伸融合,协同开展数字化营销,实现销售规模增长,通过组织模式的转变、自动化业务处理、精细化的过程管控,提高管理效率,降低成本。
好文章,需要你的鼓励
韩国科学技术院研究团队提出"分叉-合并解码"方法,无需额外训练即可改善音视频大语言模型的多模态理解能力。通过先独立处理音频和视频(分叉阶段),再融合结果(合并阶段),该方法有效缓解了模型过度依赖单一模态的问题,在AVQA、MUSIC-AVQA和AVHBench三个基准测试中均取得显著性能提升,特别是在需要平衡音视频理解的任务上表现突出。
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。