登录社区云，与社区用户共同成长
邀请您加入社区
《半导体智能制造中的FDC系统：原理与实战》摘要 FDC（故障检测与分类）系统是半导体晶圆厂实现智能制造的关键技术，通过自动分析TB级设备数据实现故障预警。文章系统介绍了FDC在CIM架构中的位置与核心功能模块，重点解析了3σ规则、CUSUM和EWMA三大检测算法原理及适用场景。通过Python代码演示了蚀刻机RF功率的故障检测实现，并给出随机森林分类器的应用示例。在系统集成方面，详细说明了FDC
本文介绍了如何在星图GPU平台上自动化部署Qwen/Qwen3-VL-2B-Instruct视觉理解机器人镜像，快速搭建设备图纸智能理解系统。该系统能自动分析机械图纸，提取关键部件、尺寸及技术要求，显著提升图纸检索与知识查询效率，助力智能制造领域降本增效。
本文介绍了如何在星图GPU平台上一键自动化部署【vllm】glm-4-9b-chat-1m镜像，实现智能制造设备维修手册的智能问答。该方案结合超长上下文处理能力，可快速从技术手册中精准定位故障解决方案，并通过AR设备实现远程维修指导，显著提升维修效率与准确性。
本文介绍了如何在星图GPU平台上自动化部署Qwen-Image定制镜像（RTX4090D CUDA12.4 大模型推理专用），实现智能制造产线的缺陷检测与维修工单自动生成。该方案通过视觉大模型实时分析产品图像，精准识别缺陷并自动生成维修建议，显著提升质检效率与准确性，适用于汽车零部件等工业场景。
AI智能体视觉检测系统(TVA)是基于Transformer架构和因式智能体理论构建的创新视觉检测技术体系，融合多种AI算法实现类人视觉感知能力。在3C电子、精密制造和机械加工领域，TVA展现出显著优势：通过主动感知、动态纠错和闭环反馈，有效解决传统机器视觉在微米级检测、复杂工况下的技术瓶颈，将检测精度提升至0.02mm，误判率降至0.1%以下，同时实现生产良率的大幅提升。该系统突破了"
黑灯工厂作为智能制造终极形态，以全流程自动化、数据驱动为核心，实现24小时无人生产。AI智能体视觉检测系统（TVA）凭借自主感知和动态学习能力，突破传统检测局限，成为黑灯工厂"感知-决策"闭环的核心支撑。TVA不仅替代人工检测，更能实时优化生产流程，降低90%漏检率，提升35%生产效率。其海量检测数据推动智能工厂持续迭代，从"无人生产"向"智能生产
AI智能体视觉检测系统（TVA）通过Transformer架构与因式智能体理论，构建了高精度齿轮箱质检方案。该系统融合多光谱成像、3D扫描等技术，实现0.1微米级缺陷检测，较传统方法提升30倍效率。TVA采用"感知-分析-决策-执行-优化"闭环体系，结合自注意力机制和因式智能体算法，能精准识别齿轮、轴承等部件的细微缺陷，并反馈优化生产工艺，推动制造业智能化转型。
本文深入探讨AI智能体视觉检测系统（TVA）如何将孤立的缺陷二维坐标，与晶圆厂的制造执行系统（MES）深度融合，在时空四维维度中重构缺陷的“生平轨迹”，通过聚类算法与空间映射图谱，实现从“发现异常”到“锁定故障机台”的自动化根因定位。当TVA系统在最终的宏观检测或某层光刻后检测（ADI）中，突然发现晶圆上密密麻麻地布满了一种特定的微小异物缺陷时，工艺工程师面临的是一个令人绝望的“罗生门”：这些缺陷
《AI视觉检测系统TVA：齿轮侧隙与啮合斑点的智能化检测革命》 摘要：本文介绍了基于Transformer架构的AI智能体视觉检测系统(TVA)在齿轮质量检测中的创新应用。该系统通过结构光与亚像素边缘技术实现齿轮侧隙的微米级逆向计算，并采用多光谱成像与AI形态学方法将传统红丹粉检测升级为数字化啮合斑点量化。TVA系统解决了传统人工打表测量侧隙和红丹粉观察啮合斑点的主观性强、效率低下等问题，通过高速
本文探讨了TVA（AI智能体视觉检测系统）在智能制造中的技术架构与工程化实践。系统采用"软件定义硬件、硬件赋能软件"的双螺旋架构，硬件层集成高鲁棒性传感、多模态融合和边缘计算，软件层构建五层解耦算法体系。工程化落地面临数据治理、实时性保障、系统集成等挑战，需通过优化算法、协议兼容和数字孪生等手段解决。典型案例显示，半导体和新能源领域的应用显著提升了检测效率与精度。未来趋势指向硬
本文介绍了如何在星图GPU平台上自动化部署🐋 DeepSeek-R1-Distill-Qwen-1.5B 本地智能对话助手 (Streamlit 驱动) 镜像，赋能制造业设备故障诊断场景：用户输入自然语言描述的故障现象（如‘CNC主轴温度异常’），模型即时输出带因果链的根因推测与可执行维修建议，全程本地运行、数据不出设备。
本文介绍了如何在星图GPU平台上自动化部署【ollama】QwQ-32B镜像，赋能智能制造场景下的工艺参数因果推理优化。用户可快速启动该模型，对压铸、热处理等工序中的质量异常（如气孔缺陷、表面粗糙度超标）进行根因分析与交互式因果推断，显著提升工艺优化效率与决策科学性。
本文介绍了如何在星图GPU平台上自动化部署【ollama】DeepSeek-R1-Distill-Qwen-7B镜像，构建面向智能制造的设备故障知识图谱问答系统。用户可快速启用本地大模型，实现对PLC报警、传感器异常等工业场景的结构化归因分析与维修建议生成，显著提升产线故障响应效率。
本文介绍了如何在星图GPU平台上自动化部署🏮 DeepSeek-OCR · 万象识界镜像，实现工程图纸文字智能识别。该方案深度集成SolidWorks，可自动提取尺寸、公差、材料等结构化参数，显著提升BOM生成、技术条款校验与图纸归档效率，广泛应用于机械设计与制造场景。
本文介绍了如何在星图GPU平台上自动化部署🏮 DeepSeek-OCR · 万象识界镜像，实现工程图纸智能识别与结构化解析。该镜像深度理解SolidWorks工程图中的公差、符号及技术要求，典型应用于BOM表自动生成——将传统3小时人工整理缩短至3分钟，显著提升机械设计与制造协同效率。
