搜索引擎 + AI 驱动的行业新闻

【覆盖行业】
信保 |出口 |金融
制造 |农业 |建筑 |地产
零售 |物流 |数智

【访问入口】
hangyexinwen.com

【新闻分享】
点击发布时间即可分享

【联系我们】
xinbaoren.com
(微信内打开提交表单)
⁣
📰 市场监管总局发布3项钢铁领域先进制造国家标准

市场监管总局近日发布三项钢铁行业智能制造国家标准,聚焦废钢智能工厂设计、钢铁工厂数字孪生和多基地制造资源协同管控。标准针对流程长、工序多、界面复杂,以及设计口径不一、系统重复开发、数据互通困难等问题,统一提出分层解耦架构要求。
废钢标准规范装备与基础设施、平台及应用层;数字孪生标准建立目标实体、数字实体、孪生应用三层架构,并细分数字、知识和智能模型;多基地标准明确质量、生产、物流、备件、绩效五大协同功能及集成策略,为企业规划、设计、选型和集成提供依据。
三项标准有助于减少重复设计与适配改造,填补废钢智能工厂、钢铁智能工厂数字孪生等领域的需求空白,并打通钢铁产业多基地统筹的技术路径。标准将为钢铁行业智能制造体系建设提供规范支撑,助力提升先进制造水平。

🏷️ #钢铁智能制造 #国家标准 #数字孪生 #多基地协同 #废钢工厂

🔗 原文链接
⁣
📰 南方财经网 - 南方财经全媒体集团

市场监管总局近日发布三项钢铁行业智能制造国家标准,分别聚焦废钢智能工厂设计、钢铁智能工厂数字孪生系统,以及多基地制造资源协同管控。标准针对钢铁流程长、工序多、界面复杂等特点,回应设计口径不一、系统重复开发、数据互通困难和跨基地资源统筹不足等问题,并以分层解耦架构明确功能定位与技术边界。
三项标准分别规范废钢工厂的装备、基础设施、平台与应用架构,建立数字孪生系统的实体、数字实体和孪生应用三层架构,并明确多基地在质量、生产、物流、备件、绩效方面的协同功能及集成策略。标准为企业规划、设计、选型和集成提供依据,有助于减少重复设计与适配改造,填补相关需求空白,打通多基地统筹技术路径,提升钢铁行业先进制造水平。

🏷️ #智能制造 #钢铁行业 #数字孪生 #多基地协同

🔗 原文链接
⁣
📰 市场监管总局发布3项钢铁领域先进制造国家标准—中国钢铁新闻网

市场监管总局发布3项钢铁智能制造国家标准,聚焦废钢智能工厂、数字孪生和多基地资源协同管控。针对流程长、工序多、系统重复开发、数据互通困难及资源难统筹等问题,标准统一分层解耦架构,明确功能定位与技术边界,为智能体系建设提供依据。
标准规范废钢工厂的装备设施、平台与应用架构,明确数字孪生三层结构及数字、知识、智能模型要求,并规定多基地质量、生产、物流、备件、绩效协同和系统集成策略。发布后将填补相关智能制造需求空白,打通多基地统筹路径,减少重复设计与适配改造,提升钢铁先进制造水平。

🏷️ #钢铁标准 #智能制造 #数字孪生 #多基地协同

🔗 原文链接
⁣
📰 市场监管总局发布3项钢铁领域先进制造国家标准-中宏网

市场监管总局近日发布三项钢铁智能制造国家标准,聚焦废钢工厂、数字孪生和多基地协同,完善先进制造技术标准体系。标准针对流程长、工序多、设计口径不一、系统重复开发、数据难互通及跨基地资源难统筹等问题,统一架构设计,明确功能定位与技术边界。
标准分别规范废钢工厂装备、平台及应用建设,明确数字孪生三层架构和数字、知识、智能模型要求;多基地标准规定质量、生产、物流、备件、绩效五大协同功能及集成策略。标准将减少重复设计与适配改造,打通多基地统筹路径,提升钢铁先进制造水平。

🏷️ #钢铁制造 #国家标准 #数字孪生 #多基地协同

🔗 原文链接
⁣
📰 市场监管总局发布3项钢铁领域先进制造国家标准-兰格钢铁网

市场监管总局发布三项钢铁先进制造国家标准,聚焦废钢智能工厂、数字孪生及多基地资源协同管控。标准针对设计口径不一、系统重复开发、数据难互通和资源难统筹等问题,采用分层解耦架构,明确功能与技术边界,为智能体系建设提供规范。
标准分别规范废钢工厂架构、数字孪生三层架构及数字、知识、智能模型,并明确多基地系统质量、生产、物流、备件、绩效五类协同功能和集成策略。标准将填补相关需求空白,打通多基地统筹路径,减少重复设计与改造,助力钢铁行业提升先进制造水平。

🏷️ #钢铁标准 #智能制造 #数字孪生 #资源协同

🔗 原文链接
⁣
📰 市场监管总局发布钢铁智能制造相关国家标准:破设计口径不一、数据互通难题

市场监管总局近日发布三项钢铁行业智能制造国家标准,聚焦废钢智能工厂设计、钢铁智能工厂数字孪生系统和多基地制造资源协同管控。标准针对流程长、工序多、接口复杂,以及设计口径不一、系统重复开发、数据难互通、跨基地资源难统筹等问题,统一采用分层解耦架构,明确功能定位与技术边界,为智能体系建设提供依据。
三项标准分别规范废钢工厂的装备、平台与应用架构,数字孪生系统的三层体系及数字、知识、智能模型,并明确多基地质量、生产、物流、备件、绩效五类协同功能和集成策略。标准将填补相关领域需求空白,打通多基地统筹技术路径,减少重复设计与适配改造,助力钢铁行业提升先进制造水平。

🏷️ #智能制造 #钢铁行业 #数字孪生 #多基地协同

🔗 原文链接
⁣
📰 市场监管总局发布3项钢铁领域先进制造国家标准

市场监管总局日前发布三项钢铁智能制造国家标准,聚焦废钢智能工厂、数字孪生和多基地资源协同。针对流程工序复杂、设计口径不一、系统重复开发、数据难互通及资源难统筹等问题,标准统一采用分层解耦架构,明确功能定位和技术边界,为行业智能体系建设提供规范。
标准规范废钢工厂架构及设计、生产、物流等要求,明确数字孪生模型与应用体系,并规定多基地质量、生产、物流、备件、绩效协同及系统集成。实施后可填补相关需求空白,减少重复设计和适配改造,打通多基地统筹路径,提升钢铁先进制造水平。

🏷️ #钢铁智能制造 #废钢工厂 #数字孪生 #多基地协同

🔗 原文链接
⁣
📰 市场监管总局发布钢铁智能制造相关国家标准,填补行业空白

市场监管总局发布三项钢铁行业智能制造国家标准,分别面向废钢智能工厂、钢铁智能工厂数字孪生系统和多基地制造资源协同管控。标准针对流程长、工序多、界面复杂,以及设计口径不一、系统重复开发、数据难互通、跨基地资源难统筹等问题,统一提出分层解耦的架构要求。
废钢智能工厂标准明确工厂装备与基础设施层、平台层、应用层架构,规范智能设计、生产、物流、管理及集成优化。数字孪生标准建立目标实体、数字实体、孪生应用三层架构,并对数字模型、知识模型和智能模型提出构建要求。
多基地协同标准采用应用层与平台层架构,明确质量、生产、物流、备件、绩效五大协同功能及集成策略,为企业规划、设计、选型和集成提供依据。系列标准将填补相关智能制造需求空白,打通多基地统筹技术路径,助力提升钢铁行业先进制造水平。

🏷️ #智能制造 #钢铁行业 #数字孪生 #多基地协同

🔗 原文链接
⁣
📰 钢铁智能制造相关国家标准发布 让智能体系建设有章可循-中新网

市场监管总局发布三项钢铁智能制造国家标准,聚焦废钢智能工厂、数字孪生和多基地资源协同。针对流程长、工序多、设计口径不一、系统重复开发、数据难互通及资源难统筹等问题,标准统一采用分层解耦架构,明确各层功能定位与技术边界。
标准规范废钢工厂装备设施、平台和应用架构,明确数字孪生三层体系及数字、知识、智能模型要求,并规定多基地质量、生产、物流、备件、绩效协同功能。其发布将填补相关需求空白,减少重复设计与改造,打通多基地统筹路径,提升钢铁先进制造水平。

🏷️ #钢铁制造 #智能工厂 #数字孪生 #多基地协同

🔗 原文链接
⁣
📰 市场监管总局发布3项钢铁领域先进制造国家标准

市场监管总局发布三项钢铁智能制造国家标准,聚焦废钢智能工厂、数字孪生和多基地资源协同。标准针对流程长、工序多、界面复杂,以及设计口径不一、系统重复开发、数据难互通、跨基地资源难统筹等问题,统一采用分层解耦架构,明确功能定位与技术边界。
废钢标准规定装备与基础设施、平台、应用等层级,规范智能设计、生产、物流和管理;数字孪生标准构建目标实体、数字实体、孪生应用三层架构,并明确数字、知识、智能模型的要求;多基地标准明确质量、生产、物流、备件、绩效五大协同功能及系统集成策略。
相关标准为企业规划、设计、选型和集成提供依据,有助于减少重复设计与适配改造,填补废钢智能工厂、钢铁数字孪生等领域的需求空白,并打通产业多基地统筹的技术路径,推动钢铁行业先进制造水平持续提升。

🏷️ #智能制造 #钢铁标准 #数字孪生 #多基地协同

🔗 原文链接
⁣
📰 沈阳发布装备制造领域数据标注产业需求清单-新闻-北国网

沈阳发布装备制造领域数据标注产业需求清单,首批推出30个核心应用场景,旨在对接全国市场资源,回应制造企业智能化转型痛点,贯通“需求—标注—模型—应用”全链条,推动工业数据加速转化为生产要素。数据标注涵盖筛选、清洗、分类、注释和质量检验,是连接数据、算法与实际应用的人工智能关键环节。
沈阳拥有机器人、工业母机、航空航天等先进制造业集群,在数控机床、工业机器人、航空航天和重型装备等领域积累了海量工业数据,为工业人工智能落地提供丰富场景。但工业数据异构复杂、专业性强,高质量标准化标注供给不足,成为人工智能由技术演示迈向规模化应用的突出制约。
沈阳今年入选国家第二批数据标注先行先试城市,首批场景覆盖智能工厂、采购、质检、售后及自动驾驶等领域。沈阳将动态更新需求,协同标注企业、AI服务商和科研院所挖掘数据价值;同时上线产业发展监测平台,提供企业识别、集群诊断、等级评定、行业分析、投融资洞察及数智招商等服务。

🏷️ #沈阳 #数据标注 #装备制造 #工业人工智能 #产业监测

🔗 原文链接
⁣
📰 【中国制造新观察】放大“人工智能+制造”加速器作用

前三季度,“人工智能+制造”从单点示范迈向规模化落地,重点场景应用普及率超过三分之一,工业数据集和智能体不断扩充,数字产品制造业成为工业增长的重要动力。专项行动转向按行业、场景对接供需,使技术聚焦生产痛点,成为可复制的降本增效方案,而非展示型项目。
落地依托制造业数字化基础、数据标准、智能终端及产业链配套:规上工业企业数字化改造覆盖率达92%,为AI部署创造条件;数据集、标准和软硬件适配支撑模型迭代与复制。但中小企业转型能力不一,数据流通治理和行业覆盖仍待加强,需攻关技术、培育服务商,推动智能工厂、装备与工业模型协同发展。

🏷️ #人工智能制造 #智能制造 #工业数据 #数字化转型

🔗 原文链接
⁣
📰 数据治理怎么干?浙江给制造业画了一张“施工图”

浙江发布制造业企业数据治理能力提升指引,以“5+9+1”能力体系和四阶段路径,为不同规模、行业及数字化基础的企业提供分步建设方法,避免盲目投入。指引强调从业务问题和应用场景出发,治理所需数据,推动数据支撑智能排产、质量追溯及人工智能应用,促进生产经营提质增效。
浙江通过CDO制度明确组织责任,以CPMS试点形成适合产业集群的轻量化方案,并以DCMM贯标提供标准和评估路径;同时推进数据知识产权保护,构建治理、应用与保护闭环。全省已培育一批CDO试点和贯标企业,开展行业试点、推动主数据标准建设,后续将深化场景应用与服务支撑,推动数据治理规模化落地。

🏷️ #数据治理 #制造业 #首席数据官 #DCMM #人工智能

🔗 原文链接
⁣
📰 选型踩坑、上线延期?制造企业进销存一体化ERP选型与实施要点|工博云署SAP官方服务商-CSDN.NET

制造企业在进销存数字化中常陷入系统与业务脱节、选型失误和上线后持续运营不足等误区。文章以SAP官方服务商工博云署为例,强调一体化ERP对采购、仓储、销售、生产数据实时互通、单据可追溯和成本核算准确性的关键作用,提出选型评估、流程落地、运营优化三阶段路径,并给出标准化实施要点,帮助企业避免重复投入与流程断点。
实施要点聚焦四大管控:建立跨部门小组、规范主数据、设计端到端流程、进行沙盘测试和分批切换;并在运营阶段建立看板、数据联动、定期复盘和绩效考核,确保上线后持续优化。最后回答FAQ,指出中小企业应结合长期目标选择SAP一体化或轻量进销存,并强调项目交付标准化和培训护航的重要性。

🏷️ #进销存 #ERP一体化 #数字化转型 #主数据 #流程落地

🔗 原文链接
⁣
📰 机器人制造机器人部件:舍弗勒具身智能机器人数智工厂在太仓正式启用-汽车资讯-盖世汽车社区

舍弗勒在太仓启用具身智能机器人数智工厂,集成智能装配线、场景化训练与数据采集、数字孪生平台及算力中心,总占地约7500平方米,覆盖从机器人技能训练到实际制造场景的完整流程,形成“机器人造机器人部件”的闭环智能制造模式,推动关节模组等零部件量产。工厂采取开放合作模式,供机器人客户与伙伴在工业场景中对物理AI系统进行训练和测试,加速人形机器人在行业的落地应用。2026年第三季度,公司在中国新增两家客户订单,总订单额升至约4亿欧元,显示市场需求旺盛。核心产线由五大作业工位与六台人形机器人协同完成从料箱搬运到装配、检测、打标和包装的全流程,具备双向闭环数字孪生,可在虚拟环境中测试变更后再落地到实际生产,显著缩短开发周期并提升稳定性。在训练与数据中心,机器人在真实生产工况的场景中进行目视检测、拣选、打包、搬运等任务训练,训练数据、仿真数据与生产数据实现互联互通,推动性能迭代。中国区领导强调太仓工厂是深化中国市场布局、推动具身智能与人形机器人产业生态的重要举措。

🏷️ #具身智能 #人形机器人 #数字孪生 #智能制造 #太仓工厂

🔗 原文链接
⁣
📰 【SMM公告】关于上线马来西亚年度钢材分行业表观消费量数据的通知__上海有色网

为进一步完善SMM马来西亚钢铁市场数据体系,提升对当地钢材下游需求结构及消费趋势的研究覆盖,SMM计划于2026年10月22日正式上线马来西亚年度钢材分行业表观消费量数据。本次新增数据覆盖建筑业、汽车制造业、其他交通运输设备制造业、机械设备制造业、电气及电子设备制造业、金属制品业六大下游行业及表观消费量合计,提供2021—2025年历史数据。新增数据点包括:钢材表观消费量在马来西亚各行业的年度数据,以及合计数据,更新频率为年度,上线日期为2026年10月22日。
数据基本信息显示,覆盖市场为马来西亚,指标为钢材年度表观消费量及下游行业消费量估算,历史数据范围为2021—2025年,单位为百万吨,数据精度保留两位小数。数据说明称此批数据基于公开统计资料与行业需求结构分析进行估算,非直接调查的实际行业消费量。数据应用价值在于为市场参与者提供下游需求规模与行业分布的参考,帮助分析主要用钢行业的需求变化,支持市场研究、经营规划及行业趋势分析。感谢用户对SMM钢铁市场数据服务的持续关注与支持!

🏷️ #数据发布 #马来西亚 #钢材消费 #下游行业 #行业分析

🔗 原文链接
⁣
📰 加快发展新一代智能制造 工信部明确四方面重点举措_央广网

国务院新闻办公室今日举行新闻发布会,介绍新一代智能制造的发展思路和政策动向。党中央、国务院高度重视该领域,全国先进制造业大会明确提出以新一代智能制造为主攻方向,推动制造业向智能化、绿色化、融合化方向发展。目前,工信部正在研究起草相关政策措施,加快推动人工智能与制造业深度融合。核心在于实现全链条的自感知、自决策和自执行,推动生产方式和企业组织形态变革,形成新的制造模式,降低成本、提高效率,以更好满足多样化市场需求。工信部将重点做好四方面工作:一是梯度培育智能工厂,夯实数字化、网络化基础,深化AI在研发设计、生产制造、运营管理、售后服务等环节的应用,形成卓越级、领航级智能工厂;二是创新发展智能装备,提升自适应加工、柔性作业和在线检测能力,满足高精度、高可靠性生产需求,推动智能工程机械、智能农机、智能医疗装备的发展;三是加快智能技术攻关和推广应用,建设高质量工业数据集,开发工业专用模型和操作系统,推动模数共振行动,稳妥开展工业智能体研发与应用验证,逐步推广应用;四是深化智能制造国际合作,推动智能工厂建设、标准规范体系等领域合作,企业、科研机构共享技术和经验,开展供需对接和人才培养,协助伙伴建设智能工厂,推动制造业转型升级。值得关注的是,如何落实各项举措、推动落地执行,以及在国际合作中实现标准对接和产业生态的协同发展。编辑:王胜留。

🏷️ #智能制造 #人工智能 #数字化 #合作共赢 #工业装备

🔗 原文链接
⁣
📰 2026年三季度全国煤炭开采和洗选业产能利用率为64.8%

2026年三季度,全国规模以上工业产能利用率为73.1%,较二季度上升0.1个百分点,但同比仍下降1.5个百分点。按大类看,采矿业、制造业、电力等行业产能利用率分别为69.5%、73.3%与72.6%,呈现出制造业保持相对稳定的态势。行业层面,煤炭开采和洗选业、食品制造、纺织业、化学原料和化学制品制造、有色金属冶炼等行业的产能利用率分布在60%~80%区间,通用设备、专用设备、汽车制造等制造分支显现出较高的利用水平,计算机、通信和其他电子设备制造业达到最高水平80.2%。调查覆盖11万家规模以上企业,采用分层抽样与综合估算的方式,产能利用率为实际产出与生产能力的比值,数据未做季节调整,行业分类遵循GB/T4754-2017标准。总体来看,三季度工业产能利用率回升但增速有限,行业差异仍明显,未来需关注产能结构优化与原材料供应等因素对产能利用的影响。

🏷️ #产能利用 #制造业 #行业差异 #GB/T4754-2017 #数据调查

🔗 原文链接
⁣
📰 纵深推进“人工智能+制造”行动

当前,全球制造业正处于智能化、绿色化、融合化的转型阶段,我国把发展先进制造业作为国家战略核心,强调以“人工智能+制造”为牵引,提升产业链自主可控水平,构建现代化产业体系。文章指出人工智能在研发、生产、管理等全流程的赋能作用,及其对离散型与流程型制造的适用性,能提升效率、降低成本、促进新材料与新工艺的发展,并推动新能源、智能网联汽车、工业机器人等新兴产业的成长。为实现这一目标,需要解决算力基础薄弱、传统制造业数字化水平低、数据安全与伦理规范不健全,以及潜在的摩擦性失业等挑战。综合推进策略包括:加快人工智能关键核心技术与自主芯片、算法、工业机理的协同攻关;打造行业平台+垂直应用的服务模式,优先以龙头企业带动中小企业数字化转型;完善法律法规、数据确权与合规指引,建立可解释性强、可控的智能系统与数据治理体系;推动产学研深度协同,促进技术供给与应用的双向赋能,最终在全球竞争中提升我国制造业的综合实力与话语权。

🏷️ #智能制造 #人工智能+制造 #产业升级 #数据安全 #产业平台

🔗 原文链接
⁣
📰 全球首个钢铁行业智能制造领域国际标准正式发布—中国钢铁新闻网

全球首个针对钢铁行业智能制造的国际标准正式发布,标志着数智化转型进入新的互联互通阶段。该标准由ISO/TC 17钢铁技术委员会归口管理,中国专家组在冶金工业信息标准研究院牵头,鞍钢数科等单位参与编制,结合鞍钢集团的生产场景和质量管控数据,为标准框架和核心内容提供实践依据。标准聚焦智能设计、智能装备、智能生产三大核心方向,覆盖产品研发设计、生产工艺设计等模块,并对装备体系进行分类,涵盖工艺、检测、物流、能源、环保等五大设施,同时细化生产计划、过程协同、质量管控、设备运维、智能物流和智慧能源等六大功能模块的实施指引。此标准区分基础功能与未来智能化能力,旨在为全球钢铁企业提供统一的国际参考,推动钢铁行业的数字化体系搭建和工厂改造。


🏷️ #国际标准 #钢铁智能制造 #数字化转型 #智能制造指南 #ISO21763

🔗 原文链接
 
 
Back to Top