修船行业大模型在船舶重工企业厂区智慧物流仓储系统的研究与应用

本项目通过移动OnePower工业低代码平台和人工智能生成式代码技术，实现了修船行业吊驳运管理系统的G效开发。该系统通过技术创新，显著提升了规律性代码编写的效率，实现了重复模块开发周期80%的缩减和整体周期超过20%的缩短。系统集成了修船企业的核心业务流程，优化了紧缺资源如门机和驳运车辆的调度，通过线上协调和排程解决了资源时间冲突，全程监控任务执行，并生成数据分析报表。核心技术涵盖实时冲突判断、吊运驳运联动、全自动排程等，大幅提升了作业效率。此外，本项目构建的修船行业知识库为客户提供了专属的智能化支持。系统的实施不仅提G了生产效率，降低了运营成本和风险，也为修船行业的数字化转型和工业大模型的应用开辟了新的道路。

该船舶重工企业面临的主要挑战包括：吊运业务和驳运业务的资源冲突、时间调度困难、任务执行跟踪不足等。传统的人工调度方式导致资源利用效率低下，增加了运营成本和风险。系统通过代码生成技术可增加开发效率降低成本，通过实时冲突判断、自动化排程、数据分析报表等功能，提G调度精度和资源利用率，同时降低对专业人员的依赖，减少人为错误。

LES系统通过融合两个工业大模型的能力，实现了G效的开发流程和智能化的系统使用体验。

先，项目利用工业低代码平台中的人工智能生成式代码（AIGC）技术，开发了重复性和规律性的项目模块。这一技术基于先进的生成式人工智能大模型，创建了一个集可视化设计、智能代码生成、自动化测试和持续部署于一体的敏捷开发环境。

通过简化编程过程，使得项目团队能够快速搭建系统、复制相似模块并检查已开发模块，大幅提升了开发效率。其次，项目利用工业大模型的自然语言处理和人工智能生成式内容，为开发者和使用者提供了项目知识管理和系统使用辅助。这一定制化的工业（语言）大模型，通过针对性训练和优化，深度融合了修船行业的专业知识、术语、工作流程和实践经验。该知识库涵盖船舶构造、行业规范、修船工艺、材料标准、设备手册、法规要求等广泛而深入的专业知识，确保模型具备扎实的行业理论基础。大模型对修船L域的专业词汇、缩略语、专用计量单位等进行充分学习和理解，能够在处理相关文本时准确识别并合理运用这些行业特有语言元素。通过集成实际修船项目的案例资料、故障诊断记录、维修报告等实战数据，大模型能够学习到修船作业中的常见问题、解决方案、佳实践等，提供准确的文本处理和知识查询服务。

后，大模型加持下的“自然语言处理”也为厂区用户提供了使用系统的便利。修船行业属劳动密集性企业，且对于安全作业的要求JG。数字化系统的使用离不开电脑、平板、手机等载体，但是厂区的一般工人不擅长使用电子产品，但是系统集成的语音输入功能，和自然语言转工单申请功能为他们提供了十足的便利。用户只需在平板、手机上简单操作几步，便可以使用语音完成剩下的操作步骤。目前，针对此项目微调的工业（语言）大模型已覆盖一线用户工单申报和知识查询95%的作业功能，全系统约60%的作业功能。 总体而言，LES系统的开发和实施展示了工业大模型在修船行业的巨大潜力和应用价值。通过技术创新，项目不仅提G了开发效率，还为用户带来了更加智能化和便捷的操作体验，为修船行业的数字化转型开辟了AI道路。

经统计，本项目一期（项目主体）的实施周期约为16周，其中大模型的专项开发和训练约进行了6周（与其它开发平行进行），人工智能生成式代码减少了约2周工作量。二期（数据分析）的实施周期约为8周，人工智能生成式代码减少了约6周工作量。 通过优化吊运和驳运业务流程，驳运车辆等待工时降低20%，燃油消耗减少20%，施工班组等待工时降低30%，门机空钩率和空跑率显著降低，资源利用率提升15%。 项目的实施推动了修船行业的数字化转型，提升了行业的技术水平和作业安全性。通过智能化系统的应用，提G了工作环境的安全性，改善了员工的工作条件，同时也为员工提供了更加智能化和便捷的工作方式。