ET工业大脑开放平台有哪些应用场景？

工业大脑的使用场景如下图所示： ** 良率提升** 您可以使用工业大脑平台，提升生产良品率，具体应用场景如下：

企业借助工业大脑的人工智能技术提升光伏电池片生产A品率。公司首先把从车间实时采集到的上千个生产参数传入工业大脑，通过人工智能算法，对所有关联参数进行深度学习计算，精准分析出与生产质量最相关的30个关键参数，并搭建参数曲线模型，在生产过程中实时监测和调控变量，最终将最优参数在大规模生产中精准落地，提升生产A品率7% ，创造数千万元利润。

质检效率提升 您可以使用工业大脑平台，高效低成本地完成图像质检，提高生产质量，具体应用场景如下：

企业在生产电池片过程中都是通过肉眼做产品质检，成本高、效率低。如今，企业使用AI图像技术，将带有产品缺陷的5万多张图片上传到云计算平台，通过深度学习与图像处理技术进行算法训练。优化的AI算法，其识别准确度可达到95%以上，碎片率（瑕疵品）下降50%。不仅如此，从图像拍摄到数据接收、处理，然后到数据上传MES系统做缺陷判定，再到最后MES系统下达指令给机械手臂抓取缺陷产品， 整个流程耗时不到一秒，仅为原先的一半，且检测过程无需人工参与。

测试效率提升 您可以使用工业大脑平台，提升产品检测效率，具体应用场景如下：

产品调试一直是通信生产过程中的瓶颈工序。调测成本占总生产成本比重高达30-40%，单个产品平均耗时超过1个小时。企业通过云端汇总、打通生产关键环节数据，以测试/检测数据为主体，使用算法模型进行制程能力的综合分析、评估、优化。最终，检测指标项从平均300个点位降到200个，产品整体调试效率优化35%。

能耗优化 您可以使用工业大脑平台，对产业能耗进行优化，降低生产消耗量，具体应用场景如下：

化纤属于高耗能行业，公司每年煤炭消耗达几亿元人民币。公司以提升燃煤发电效率做为首个突破口，使用喷煤到产出蒸汽整个流程中采集到的数据，基于工业大脑构建算法优化模型，准确实时预测蒸汽量，并向燃煤工程师推荐最优燃煤工艺参数指导实际生产，进而降低总体燃煤消耗。最终，燃煤效率提升2.6%，这意味着一家工厂一年可节省上千万元的燃煤成本。

设备维护成本降低 您可以使用工业大脑平台，预测设备故障并进行维护，具体应用场景如下：

企业使用物联网与算法模型技术提前预测风机故障。通过温度传感器对整个风机的温度测点进行实时监控，并对海量温度数据进做深度学习，构建风机故障检测与感知预测模型，最终做到提前1-2周识别风机微小故障并预警，单台风机单次重大事件维护成本大大降低。

生产工艺优化 您可以使用工业大脑平台，进行生产工艺的优化，提升产品合格率，具体应用场景如下：

作为一种天然植物，橡胶并不能像工业化流水线的出品一样标准，不同原产地、不同批次等因素，都可能带来指标的波动。ET工业大脑对橡胶的各类数据进行深度运算和分析，并给出最优方案。比如，哪几个产地的原料组合在一起质量最好，某个工艺处理环节该用怎样的参数可以使混炼胶的性能更稳定。通过云计算，企业的混炼胶平均合格率提高3到5个百分点，达到国际水平。