国科生物

双模型人工智能平台
	基于大模型的代码生成器

	基于大模型的智能控制逻辑生成器

	基于小模型的数据分析器

	智能控制逻辑生成器——精准控制工段操作的智慧小脑
	通过智能控制逻辑生成器，设计人员只需输入语音指令，就可以自动生成工段设备的逻辑连接图，设备标识与业务控制脚本自动匹配，实时显示设备状态。
	智能控制单元能自动下载工段业务控制脚本，精确控制业务相关设备。
	通过机器学习算法，智能控制单元能根据历史数据和实时反馈进行自我学习和优化，从而更加精准地预测设备行为、设备故障，可根据不同的工况和环境条件，灵活调整控制策略，实现设备运行的自适应控制。
	输入设计人员语音输入设备逻辑连接关系。
	生成 MLLM根据语音输入生成工段设备、管路、阀门开关等并匹配设备标识，优化显示位置、管路走线位置等。
	显示智能控制单元在工段设备逻辑连接图上实时显示对应设备的实时状态，并提示优化控制策略。

	智能数据分析器——持续全局优化的智慧大脑
	深度优化：利用人工智能、大数据分析等多种先进技术手段，对生产实时数据进行收集、存储、分析，自动代入多维度数据进行运算，揭示不同工段间多参数相互影响、制约、促进的关系，挖掘生产过程中的深层次信息，优化生产参数。
	预防性维护：通过机器学习算法对设备状态进行预测分析，实现预防性维修和维护，降低停机时间和维修成本。
	智能决策：基于大生产系统的小模型，实现生产调度、资源分配、能源管理等方面的智能优化决策，提高整体运营效率。
	采集平台收集当前环境空气温度、地下水源温度、当前供热水箱温度、光照强度、当前峰谷电价、热泵压缩机和水泵的工作状态，以及未来一段时间内各工段热量缺口和盈余信息、天气预报等信息。
	分析平台将收集数据送入大生产系统小模型，模型根据数据进行深度分析，给出最经济的供热策略。
	决策平台将执行大生产系统小模型给出的决策建议，如调整热泵设置温度、冷侧使用地下水源还是环境空气源，是否使用太阳能进行辅助制热，是否将热量盈余工段的热量进行流转利用等。
	记录平台在执行过程中将会记录全部采集参数状态，实时计算动态经济指标。
	反馈平台根据实时反馈状态，动态调整执行策略，同时对行业小模型进行增量训练，以便下次做出更优决策。

	智慧数据平台——持续全局优化的智慧大脑
	采集平台会实时收集当前环境温湿度、干燥系统内各处的温湿度、热力场分布情况、风道风速风压、热泵工况、未来一段时间的本地天气、峰谷电价等信息，为后续分析决策准备充分的数据。
	分析基于深度学习和强化学习的行业小模型，会对收集到的数据进行深度分析和学习，如分析干燥箱单腔体内的烘干均匀程度、分析干燥箱单腔体的堆积密度、分析预测未来一段时间热泵的工况等。
	决策平台将执行行业小模型给出的决策建议，如调整热泵设置温度、开启新风工作模式或双循环工作模式、动态独立调整干燥箱单腔体的进风量，动态独立控制干燥箱单腔体进出料，实时调整风道内风门开度以最优化干燥效率等。
	反馈平台根据实时反馈状态，基于兼顾经济性和时效性的激励策略进行强化学习，以便下次做出更优决策。
	系统基于人工智能的烘干系统——实现高达7KG/KWH的烘干效果@65%-30%。
	举例以热能调度举例。

	控制代码生成器——设计人员的助力引擎
	控制代码生成器，是国科生物借助大语言模型技术，实现的大量低层代码和图形化逻辑代码的自动生成系统，设计人员无需了解控制单元编程实现细节，只需专注于工段的业务逻辑，通过语音或文本输入，自动生成图形化的代码框架。使得设计人员只需检查执行逻辑并进行微调，就可以轻松生成上位机可执行代码，大幅降低了编程门槛，提升了工作效率。
	输入设计人员通过语音或文字输入执行逻辑描述。
	生成 MLLM根据输入生成可视化的图形代码逻辑及相应的底层实现代码。
	微调设计人员对图形化代码进行检查、微调，平台对微调后的代码进行逻辑二次检查和代码优化。