科研算法核心团队成员主要来自英国拉夫堡大学,中国国防科技大学、天津大学、太原理工大学等重点高校与研究机构,骨干成员兼具国内头部企业的工程化经验。团队覆盖大数据与人工智能、机器视觉与工业控制、异常检测与时序建模、边缘计算与MLOps等方向,部分成员来自相关领域重点实验室/创新中心。依托在工作场所智能安全平台,智能分拣系统,软硬件系统综合运维监控系统,云大模型,视频图像人工智能平台,航天异常值检测(遥感/遥测)、数据中台系统,设备管理系统平台,行业大模型与边缘推理,慢性运行性疾病的诊疗及预测。
工作场所智能安全平台,智能分拣系统,软硬件系统综合运维监控系统,云大模型,视频图像人工智能平台,航天异常值测(遥感/遥测)、数据中台系统,设备管理系统平台,行业大模型与边缘推理,慢性运行性疾病的诊疗及预测。
| 角色 | 职位 |
| 负责人 | 项目经理 |
| 队员 | 产品经理 |
| 队员 | UI设计师 |
| 队员 | iOS工程师 |
| 队员 | 安卓工程师 |
| 队员 | 前端工程师 |
| 队员 | 后端工程师 |
该项目由我担任项目经理,数据储存空间压缩至同类产品的20%,标准与服务沉淀,重复数据<5%;上线周期由12个月→ 6–8个月,MTTR降50%。
设备/产线/能表/车辆统一接入; 能耗降8-12%,停机降≈25%,物流油耗降≈12%。标准与服务沉淀,重复数据<5%;上线周期由12个月→ 6–8个月,MTTR降50%。
受益方 量化指标 基线(典型) 目标(6–12个月) 典型改善 工厂 PPE合规率 82%
受益方 量化指标(KPI) 传统基线 目标值(AI分拣) 典型改善 经济效益举例(按年) 工厂 处理吞吐量(吨/小时) 0.8