制造特征识别

自动化加工特征识别是实体建模的一个分支学科，近三十年来一直是一个活跃的研究领域，是数字化制造过程中从计算机辅助设计(CAD)模型中检测制造信息的关键组成部分。本文提出了一种利用深度三维卷积神经网络(3D- cnn)学习机械零件CAD模型加工特征的新框架——FeatureNet。FeatureNet在大型3D模型数据集上学习复杂制造特征形状的分布，并发现有助于自动识别过程的显著特征。为了对FeatureNet进行训练，自动构建带有标记加工特征的三维CAD模型的大规模机械零件数据集。

1.导读随着企业数字化进程不断加速，PDF转Word的功能、纸质文本的电子化存储、文件复原与二次编辑、信息检索等应用都有着强烈的企业需求。目前市面上已有一些软件，但普遍需要繁琐的安装注册操作，大多还存在额度限制。此外，最终转换效果也依赖于版面形态，无法做到针对性适配。针对开发者的需求，飞桨文字识别套件PaddleOCR全新发布PP-StructureV2智能文档分析系统，支持一行命令实现PDF转W...

关注公众号，发现CV技术之美1.导读随着企业数字化进程不断加速，PDF转Word的功能、纸质文本的电子化存储、文件复原与二次编辑、信息检索等应用都有着强烈的企业需求。目前市面上已有一些软件，但普遍需要繁琐的安装注册操作，大多还存在额度限制。此外，最终转换效果也依赖于版面形态，无法做到针对性适配。针对社区开发者迫切的需求，飞桨社区开发者吴泓晋（GitHubID：whjdark）基于最新发布的PP-S...

有不少开发者和我一样，学知识、技术的时候都喜欢去 GitHub 上逛逛，看看有没有高质量的仓库。我有在 GitHub 上读文章的习惯，但是屏幕属实太亮了，加上 GitHub 的主题就是亮...

本文介绍了如何在星图GPU平台上自动化部署MiniCPM-o-4.5-nvidia-FlagOS镜像，快速构建制造业设备智能诊断系统。该方案利用模型的多模态理解能力，通过上传设备照片，即可自动识别故障特征并生成具体的维修建议，有效辅助现场人员进行快速故障排查与决策。

针对异型零件具有众多复杂的相交特征，加工特征难以自动识别，进而影响其高效、高质量自动编程设计的问题，提出了一种基于图和体分解的加工特征识别方法。首先，以STEP中性文件作为输入，获取异型零件的几何、拓扑信息，以构造其毛坯特征和体积特征；同时，采用布尔减运算得到异型零件的加工体积特征，并将其分解为只含凸边关系的单一特征。

本文探讨了如何通过数据包络分析（DEA）方法识别和评估制造工厂的核心业务。文章详细介绍了DEA在制造业中的应用，以及如何利用该方法评估工厂内部各部门的效率，从而确定核心业务。同时，文章还提出了提升核心业务效率的策略，并强调了持续改进和创新在保持核心业务高效运行中的重要性。希望为制造业企业提供有价值的参考，帮助其在激烈的市场竞争中脱颖而出。

Analysis Situs 主要关注基于图的特征识别。本文所述的基于图特征识别方法中，采用一个叫做属性邻接图的补充数据结构来扩种B-Rep模型。关于使用图方法的优点可以参考我们的论文。AAG的提出可以追溯到上世纪80年代。论文描述了邻接图如何帮助识别布尔减特征，如槽、台阶等。AAG收集CAD模型的面之间的邻接关系。AAG中的节点与CAD模型的面一一对应，它不关注两个面之间有多少公共边，而是关注他们的邻接性，相邻两个面对应的节点之间只有一条无向边。

C-WMSC-WMS定位于工业4.0环境下的智能仓储管理，在策略引擎方面提供入库库位推荐、先进先出、批次出库、拣货路径优化等功能。其“波次魔方”功能支持订单自动聚合与波次触发，以减少人工干预；在条码解析环节，支持自定义标签规则解析，适用于多供应商、多标准条码共存的制造场景。针对制造企业，C-WMS还提供BOM物料齐套校验、序列号（SN）与批次追踪、PDA移动质检及合格证上传等工具，旨在打通从原料入厂到成品出库的质量数据链。该方案在半导体、电子等离散制造领域有一定应用积累。中之杰WMS。

新增核心能力：终端客户（小米、OPPO、车企）高层对接、晶圆代工（中芯、华虹）商务沟通、研发预算管控、产品毛利率核算、项目量产交付。岗位合并、层级压缩，一人兼顾设计、客户、代工对接： 射频 IC 工程师 → 项目负责人 → 研发负责人（统筹全部芯片开发） → 总工（兼顾工艺、产品定义） → CTO 短板：缺少多产品线、集团化管理、跨赛道整合经验，跳槽上市公司 CTO 竞争力偏弱。独立完成完整芯片子系统（单颗 FEM、单路 PA）全流程：规格定义、电路、版图、PDK 适配、流片跟进、量产良率修复；

本文以某头部自动化控制企业为例，阐述了离散制造行业数据治理的实践路径。针对企业面临的数据分散、系统割裂问题，项目组采用"理、采、存、管、用"五阶方法论，通过建立统一主数据标准、构建行业数据模型、打通核心业务系统，实现了订单、工艺、设备、质量数据的全链路贯通。项目交付了在制品跟踪、质量追溯、设备OEE分析三大应用，使准交率提升至86%，质量追溯效率从2-3天缩短至数分钟，非计划停机减少35%。案例启示离散制造数字化需遵循治理先行、场景驱动、模型构建三大原则，强调数据标准统一比系统建设更为关

半导体产业已经成为推动全球经济发展的重要引擎。而在这个行业中，芯片测试座（IC测试座）作为确保产品质量的关键设备之一，其重要性不言而喻。今天，我们就来深入探讨一下深圳德诺嘉电子有限公司是如何通过其先进的技术和丰富的经验，在这一领域内树立起标杆地位的。

• 业务系统集成是选型核心：AI智能体的价值取决于能否打通ERP、MES、PDM等系统间的数据断点，解决“信息孤岛”问题。 • 场景决定类型，而非技术：制造企业应优先选择“任务型智能体”和“知识库问答型智能体”，而非通用聊天机器人或生成式对话模型。 • 本地化部署是数据安全前提：成都制造企业尤其需关注大模型本地化部署和内网环境兼容性，以保障图纸、BOM、订单等敏感数据不外出。 • 从试点到规模化需分阶段走：先治理数据、再搭建知识库、最后上线智能体，避免“一上来就上大模型”的常见陷阱。

当前，国家大力推进新型工业化。根据《“十四五”智能制造发展规划》与《5G应用“扬帆”行动计划（2021-2023年）》，国家明确提出要深化“5G+工业互联网”融合应用，加快5G全连接工厂建设。政策红利与行业标准的密集出台，为离散制造行业向数字化、网络化、智能化转型提供了强有力的政策驱动。然而，离散制造企业当前面临底层设备协议不统一（数采率低于50%）、人工质检效率低、AGV调度易断连、MES与ERP系统断层等严重痛点。为此，本项目建设具有高度的紧迫性。

企业AI智能体是融合大模型、知识库和业务系统的"数字员工"，与通用大模型存在本质差异。其核心架构包含知识层（企业专属数据）、执行层（系统API集成）和治理层（权限管控），通过"理解-检索-执行-反馈"闭环实现业务赋能。在制造业应用中，智能体的能力边界由数据断点打通程度决定，典型实施需分三个阶段：知识库建设、系统集成和权限治理。需特别注意三大禁区：设备直接控制、安全审查和质量判定必须保留人工干预。落地建议从特定场景试点开始，重点解决数据治理和系统对接问题，避免盲目追求技

企业规模 50–200 人，专家职级压缩，无过多中间架构岗： 研发工程师 → 资深工程师 → 总架构师（Staff+Principal 合并） → 首席科学家 → CTO 特点：一人同时兼顾算法、软件、工艺、客户技术对接，提前补齐全局视野，很多国产初创 CTO 走这条路线。芯片顶层架构、完整流片全流程、良率优化、IP 标准化、车规 / AI 大芯片量产交付、先进工艺器件建模。统筹全公司技术、研发投入、产业链、董事会技术汇报，对技术壁垒、研发盈亏、长期技术战略全权负责。只统筹技术方向、研发投入、技术风险。

在工业大模型、数字孪生与具身智能深度融合的认知型智能制造（SoI）时代，制造企业的绿色化转型已从传统的“拉闸断电式被动节能”，演进为“数智主线驱动的要素跨界对齐、隐空间反事实推演与工艺质量柔性自愈”的本质降碳路径。

兼顾总部标准化管控与分厂、外协供应商差异化协作，打通图纸文档、试验数据、工装进度、物料台账统一管理，联动问题闭环、变更管控、工时溯源功能，告别Excel碎片化管理，压缩新品研发周期，从源头降低量产不良率。同时支持按需定制专属流程，适配企业自研、外协、代工多元研发模式，适配业务迭代发展。车企、零部件及高端制造企业采购APQP研发管理系统，核心聚焦合规适配、流程闭环、互联互通、投入性价比、运维保障五大评估维度，市面上多数通用项目软件难以贴合IATF16949行业标准，落地适配性差、整改成本高。