上层应用——————
积梦开发了自有版权的精品APP
构建了开发者社区提供海量APP
中层平台——————
行业专家提供咨询方案
提炼工厂模型
建设企业专属数字工厂
底层结构——————
积梦自主开发工控电脑
同时与合作伙伴共建数采生态
帮助客户建立完善的数据检测收集体系
基于AR的视频监控
“利用AR技术将现场工程师和专家联系起来，使工程师解决问题的平均时间减少两个小时，人员需求下降。此外，客户自主解决技术问题的速度提高了76%，满意度上升到95%。”
—— 施乐
基于AR的视频监控 | 优势
第一视角画面多方共享
支持多方用户共享第一视角画面，沉浸式的通讯体验，如同亲 临现场。
一键冻屏， 瞬时标注
首创冻屏指导功能，远程用户可一键暂停通讯画面，并对其进行实时标注，指导结果将同步展现 在现场用户视野中。
多方多终端协作
HiLeia 的多人通讯支持一对多、多对一、多对多等各种场 景，且用户可自由选择接入通讯的终端设备类型。
高清音视频通话
720P高清视频、高保真语音信 息同步互传，低功耗、低延迟，保障超长时间的清晰通话。
各类文件内容传输
支持在通讯过程中传输多种类型 的文件，包括文档、图片、视频等。
任务记录
可直接记录、保存现场一手数据，并对任务状态进行实时跟踪，便于信息的管理与追溯。
基于AR的视频监控 | 应用场景
生产工作的视频记录，能够作为工作检查的重要依据，并且可以作为培训新员工的教材：
• 通过智能眼镜，内置拍照/录制应用，结合配备的RGB摄像头， 进行第一视角的音视频录制。
• 在现场进行操作作业的工人，能够以第一视角进行音视频录制，全程记录下操作作业的过程。录制不占用双手，不影响工人的工作。
• 录制的视频，能够通过网络回传给后台存储。
基于视觉检测的质量监控1
基于视觉检测的质量监控2
积梦智能制造应用实践-信息孤岛，部门间难以协同
使用前：
数据不互通
各系统数据不一致
数据形式多样化，难以统计分析
使用后：
建立企业数据中台，数据集中式
存储，易搜索易分析
信息交互速度提升80%
积梦智能制造应用-实践缺乏电子化信息收集方式1
使用前：
来料检验/设备维护保养等先用纸质记录，再集中电脑登记，数据实时性和准确性不够
使用后：
采用移动端进行现场数据收集，实时检验/保养，实时记录数据，立刻上传云端，保证数据实时性和准确性
积梦智能制造应用实践-缺乏电子化信息收集方式2
使用前：
随着质量标准提升，部分测量设备和生产设备需要进行数据/参数记录
使用后：
利用数据采集接口/协议对设备进行在线自动数据采集，对设备进行线上状态管理
积梦智能制造应用实践-缺乏高质量数据集智能分析方法1
使用前：
对质量数据人为判定是否符合要求，发现数据不合格时质量问题已经发生，对质量数据的分析不实时
使用后：
利用SPC图制作实时预警系统，利用算法模拟在数据发生偏移时发出预警，及时预防质量问题的发生
积梦智能制造应用实践-缺乏高质量数据集智能分析方法2
使用前：
人工制作报告，数据确认等，200页报告需要1小时制作完成
使用后：
报告自动制作，数据自动抓取，200页的报告在不到1分钟内制作完成，支持多种组
件；自定义报告格式；系统内引用实时数据
积梦智能制造应用实践-缺乏高质量数据集智能分析方法3
使用前：
车身质量要求严格，测量点位2200个，因此车身测量时间长，外测费用高
使用后：
通过动态化尺寸测量实现精简50%的测点，单台车测量节省费用约1.2W(按4个基地
估算，每年总计可以节约测量费用约7200W)
积梦智能制造应用实践-缺乏交互协同分析算法，复杂质量问题解决效率低1
使用前：
车身膜厚偏差较大，涂装工艺影响因素较多，膜厚质量一直不稳定
使用后：
规范数据采集，数据正则化，通过相关性分析，分类展示不同因素对膜厚偏差的影 响，对影响因素进行针对性控制，保证膜厚质量稳定
积梦智能制造应用实践-缺乏交互协同分析算法，复杂质量问题解决效率低2
使用前：
复杂问题需要针对每个工序收集数据后，一一进行排查，必要时每个工序 做对比试验，耗费人力物力时间
使用后：
根据贝叶斯算法模型，复杂质量问题直接按照算法推荐进行工序排查，复杂质量问题解决时间减少50%
小结 | 企业升级、转型助力
实践应用效果：提效率，降成本
质量提升，质量问题解决时间缩短50%以上
信息可视化，提升信息交互速度80%，响应速度提升50%以上
降低停线率，优化生产流程，部分产线产量提升
测点精简50%，年节约费用7200W
设备全生命周期管理降低维护保养费用，减少能源损耗
临港无人车间
网络互联、数据采集、智能生产
