handlogo
中国图标

热点新闻

HOT

汉得 x 头部汽车零部件企业|DataClaw 百人大型培训,迈入 AI 数字员工共建新时代!
从基础认知到行业案例,从 Demo 演示到实战演练——DataClaw 企业 AI 数字员工平台的这套培训体系,正在帮助越来越多的企业实现真正的数字化提效,让员工真正实现 AI Working。

查看详情

硬核突破|汉得获消费者敏感数据加密专利!
近日,汉得消费者敏感数据加密技术正式获得国家专利授权,标志着汉得在用户隐私保护底层技术上取得硬核突破。

查看详情

汉得 x 圣阳股份|FDE 助力 AI 融入业务流程,共建储能行业企业级 AI 智能应用平台!
汉得携手圣阳股份,共建企业级 AI 智能应用平台。10月9日,项目启动会顺利召开,同步完成第四期 AI 专题培训与首届 AI 应用大赛启动——标志着圣阳 AI 应用从试点探索,迈入规模化、场景化落地的新阶段。

查看详情

新闻中心

NEWS

11-11

汉得 x 圣阳股份|FDE 助力 AI 融入业务流程,共建储能行业企业级 AI 智能应用平台!

汉得携手圣阳股份,共建企业级 AI 智能应用平台。10月9日,项目启动会顺利召开,同步完成第四期 AI 专题培训与首届 AI 应用大赛启动——标志着圣阳 AI 应用从试点探索,迈入规模化、场景化落地的新阶段。

11-11

汉得 x 圣阳股份|FDE 助力 AI 融入业务流程,共建储能行业企业级 AI 智能应用平台!

聚焦行业高价值场景深入储能制造业务需求打通 AI 应用“最后一公里”随着人工智能技术快速发展,越来越多制造企业开始探索如何将 AI 能力转化为实际业务价值。AI 应用的真正落地,并不只是技术能力的建设,更关键的是能否深入业务现场,理解行业需求,将 AI 融入具体流程,解决真实问题。汉得企业级 AI 智能化升级方法论,以 FDE 工作模式为牵引,持续深入行业业务场景,将行业理解、业务流程与 AI 技术融合,推动 AI 从“技术能力”走向“业务应用”。汉得携手圣阳股份,共建企业级 AI 智能应用平台。10月9日,项目启动会顺利召开,同步完成第四期 AI 专题培训与首届 AI 应用大赛启动——标志着圣阳 AI 应用从试点探索,迈入规模化、场景化落地的新阶段。汉得 x 圣阳股份30余年知识资产等待一次“活化”作为储能与备用电源领域的国家高新技术企业,圣阳股份深耕行业30余年,形成了覆盖研发、生产、销售与服务的完整业务体系。30余年的业务沉淀、丰富的产线与订单、大量业务运营管理制度文件、产品技术资料与运维维修案例是企业最宝贵的知识资产。随着业务规模不断扩大,知识资产的“取用成本”日益凸显:◈ 制度版本,靠人工逐份比对;◈ 订单交期,需跨系统查询确认;◈ 故障处置,依赖老师傅个人经验;◈ 竞对信息,靠人工收集与整理。传统方式在效率、信息完整性与知识传承方面,逐渐面临挑战。同时,制度、产品、客户、订单等敏感信息,对数据安全边界提出了硬性要求——“核心业务数据不出域”,不可妥协。企业真正需要的,不是一个脱离业务的单体 AI 工具,而是能够理解业务流程、融入岗位工作、守护数据边界的企业级 AI 智能应用。FDE把AI带到岗位上的“第一拨人”在汉得企业级 AI 智能化升级方法论中,FDE(前线部署工程师)是推动 AI 落地的关键角色:懂业务、懂数据、懂技术,长期驻扎业务现场,连接业务专家与技术团队。AI 要承担企业工作,需要理解这家企业如何运转——业务对象之间的联系、判断问题的规则、可以采取的行动。把这些讲清楚,正是 FDE 的本职。面向圣阳股份项目,FDE 团队为每个数字员工岗位完成“入职四堂课”:✅ 定岗位:岗位做什么、交付什么、如何被考核;✅ 学业务:制度如何规定、异常如何判断、何时必须交还给人;✅ 接数据:数据在哪里、口径是什么、边界在哪里;✅ 领权限:哪些可自动执行、哪些需人工确认、哪些只读。FDE 的价值,不止于把第一个场景做出来,更体现在整个落地过程中:降低试错成本:从高价值、可验证的场景切入,不追求“大而全”;翻译业务语言:把岗位职责、判断规则与数据口径,翻译为 AI 可执行的语言;建立组织信任:先影子运行,与人工结果逐条比对,验证通过再逐步放权;沉淀可复用资产:方法、规则与知识留在企业,不随项目结束而流失。AI 数字员工不是一次训出来的是一个岗位一个岗位“带”出来的企业级 AI 智能应用平台既要“用得起来” 也要“守得住”在圣阳股份,平台不是“接一个大模型”,而是一项系统工程:本地算力+模型底座+AI 中台+知识治理+数据问数+AI 应用+运营机制数字员工答得准不准,取决于知识底座。本期建设公司制度、产品技术、运维维修方案三类垂直知识库,所有内容统一遵循四道关:权威来源 · 现行版本权限过滤 · 原文溯源首批四位数字员工抛砖引玉 从四个岗位到一支军团围绕圣阳股份业务特点,首批四位 DataClaw 数字员工已进入培育期,分别面向四个高频业务方向:✅ 制度管理:制度变更自动比对,差异定向提醒;✅ 订单交期:即问即答,按业务规则给出依据;✅ 设备运维:先给安全条件,再给处置建议;✅ 市场洞察:竞对动态定时归类、主动送达。每一位数字员工都有明确的岗位与职责边界:AI 负责把重复的、有规则的活接走;需要经验判断的,交还给人。而首批四位数字员工的意义,不在于四个岗位本身,而在于验证一套可复制的方法:岗位定义、知识治理场景验证、考核上岗方法一旦跑通,复制就开始了:第一步|单岗跑通:让第一批岗位先证明“答案是对的”;第二步|多岗协作:一个岗位发现的异常,触发相关岗位的关联分析;第三步|军团复制:把验证过的规则、方法与知识,复制到更多岗位。支撑这条路线的,是写进项目的双机制:常态化 AI 专题培训+ AI 应用大赛——引导全员立足岗位探索实用场景、沉淀优质应用成果。让听得见炮声的人,先用起来。四位数字员工是一块“砖”圣阳股份真正的目标是打造一支属于自己的 AI 员工军团从四个岗位到一种能力✅ 聚焦高价值场景:从高频、规则明确的业务环节切入,解决真实问题;✅ 提升一线作业效率:减少重复查找、人工确认与逐条比对;✅ 强化知识管理能力:制度、经验与案例统一沉淀,过程可追溯;✅ 沉淀可复制经验:形成可推广的 AI 落地方法,为更多岗位上线奠定基础。AI 的价值在于融入到企业业务运营管理流程解决真实业务问题提质增效圣阳股份企业级 AI 智能应用平台,是汉得企业级 AI 智能化升级方法论在储能行业的重要实践。通过深入业务现场、理解岗位需求、设计智能应用并持续优化,汉得帮助企业将 AI 能力转化为可使用、可推广、可持续运营的业务价值。未来,随着首批数字员工陆续转正、更多岗位陆续加入,圣阳股份的 AI 员工军团将逐步成形。从数字化迈向智能化,圣阳股份已走在路上。让经验流动,让智能上岗 携手汉得,共铸硬核竞争力!

11-09

汉得工业 AI 实战系列|负极石墨化质量预测与工艺优化模型(AGPO AI Model),让质量预判与送电优化协同!

这个专题希望通过一系列工业 AI 真实场景落地案例,把我们在工业 AI 落地中的经验、想法和方法呈现出来,为更多制造企业提供参考。本篇聚焦锂电池负极石墨化。

11-09

汉得工业 AI 实战系列|负极石墨化质量预测与工艺优化模型(AGPO AI Model),让质量预判与送电优化协同!

在 AI 时代,大模型、智能体和智能应用如何快速落地融入企业提质增效受到广泛的关注。工业企业尤其是制造企业流程长、业务场景复杂,在工业 AI 智能化落地难度尤其大。制造企业的管理团队焦虑的核心关注点之一:AI 能不能进入工艺、设备、质量和生产现场,解决一个个具体问题,优化提升工艺质量。汉得深耕制造领域近30年,积累大量制造业客户和行业场景。依托「得·灵」企业级 AI 产品/服务体系,基于企业级 PaaS 平台 H-ZERO 构建的智能制造 HCMs 协同平台,我们把工业数据、业务流程和 AI 模型连接起来,帮助企业构建高效、可靠、可闭环的工业 AI 行业垂类模型和应用。这个专题希望通过一系列工业 AI 真实场景落地案例,把我们在工业 AI 落地中的经验、想法和方法呈现出来,为更多制造企业提供参考。本篇聚焦锂电池负极石墨化。负极石墨化质量预测与工艺优化模型AGPO AI Model锂离子电池通过锂离子在正、负极之间往返来完成充放电。充电时,锂离子从正极经过电解液进入负极;放电时再返回正极,电子沿外部电路流经用电设备,提供电能。▲ 锂电池是怎样充放电的?负极材料可以理解为充电时锂离子的“存放地”。它能容纳多少锂离子、进出是否顺畅,会影响电池容量和充放电表现。人造石墨是常用的负极材料,其层状结构可以容纳锂离子。为获得负极材料所需的结构和性能,人造石墨生产会对适用的碳材料进行高温处理,让内部碳原子的排列更规整、更接近石墨结构,这就是石墨化。以电阻加热炉为例,物料装炉后按工艺要求送电加热,再停电冷却、出炉取样,检测石墨化度和比表面积(Specific Surface Area,SSA)。难点在于,质量结果出来时,送电过程通常已经结束;原料、装炉位置、保温条件和送电方式不同,同样的用电量也可能得到不同质量。季节性 SSA 波动、相关材料使用后的加工变化,以及喷炉样本少等问题,都让现场需要更早的质量研判和更有依据的工艺调整。▲ 负极材料是怎样“石墨化”的?围绕这些需求,构建负极石墨化质量预测与工艺优化模型(Anode Graphitization Prediction and Optimization AI Model,简称AGPO AI Model),按数据规整、质量预测、送电优化逐步推进。数据贯通为每一炉建立完整工艺档案AGPO AI Model 的建设,首先需要把分散的数据准确对应到同一炉次。通过制造执行系统(MES)、质量管理系统(QMS)及设备采集接口,关联物料批次、原料指标、装炉数量与位置、相关材料使用状态、送电曲线、检测结果和异常记录。其中,炉号、炉次、物料批次、装炉位置和样品编号,是连接过程与结果的关键。一炉涉及多批物料、多个位置取样时,需要保留各自对应关系,才能分析不同位置的质量差异。连续曲线也需要结合送电阶段来理解。电流、电压、电阻的变化发生在哪个阶段,是否伴随人工调整,采集时间和单位是否一致,都会影响后续判断。短时缺失可以在适用条件下有限补全,关键异常窗口则应保留原始记录,避免把真实毛刺当作脏数据删除。影响因子分析让工艺调整有据可循面对夏季比表偏高、冬季偏低,直接把原因归结为季节,可能忽略同期原料、装炉和操作方式的变化。分析应先从相近条件的炉次开始。按产品牌号、炉号、装炉量和相关材料使用状态分组,比较质量、周期、产出和能耗,再检查原料指标、送电历程及环境条件的差别。AGPO AI Model 可以结合相关性分析与回归模型,筛选与石墨化度、比表面积和加工表现有关的因素,为工艺人员提供重点核查方向。但统计关联和模型重要性,需要经过工艺复核或生产试验,才能进一步形成调整依据。随着分析积累,企业可以逐步明确:❓ 哪些物料适用现有曲线❓ 哪些装炉或材料状态需要单独评估❓ 哪些条件变化需要触发工艺复核现场经验由此获得可追溯的数据支撑。质量预测让出炉指标提前进入研判质量预测要先明确三个问题:预测哪个指标?对应哪个取样节点?在生产的什么时点给出结果?石墨化度反映结构有序化程度;比表面积(SSA)反映单位质量材料的可接触表面积,也受到粒径、孔隙、表面处理和检测条件影响。两者需要分别建模,不能简单换算。AGPO AI Model 可以采用软测量(Soft Sensing)思路,将物料、装炉信息、送电特征与工艺机理结合起来建立质量预测模型,并与现行经验方法比较验证。这一方法需要尊重实际炉型与传热条件。输入电量不能直接代表物料获得的热量,炉表温度也不能单独反推出炉芯温度。机理模型需要标定,数据模型需要明确适用工况。预测石墨化出炉中间品与预测后续成品,也有不同的数据要求。若目标是后续成品的 SSA,还需关联粉碎、筛分、混配、包覆等加工条件。在约定生产节点,模型使用当时已经获得的数据,输出预测值、预测范围和适用条件。工艺人员据此识别偏离目标的风险,复核物料与工艺适配情况。质量预测为过程研判争取时间,最终放行仍以检验结果为准。送电优化在质量约束下比较工艺经济性有了经过验证的质量模型,送电方案才有条件进入更有依据的比较。围绕不同原料、装炉量和产品要求,AGPO AI Model 可以配合约束优化方法,从已有或经工艺认可的候选曲线中,比较各阶段功率、持续时间与累计电量,并评估对应的质量达标风险。质量预测负责判断候选方案可能得到什么结果,优化方法负责在可行方案中进行取舍。设备电流上限、功率变化及工艺允许范围等条件,需要作为明确约束进入计算。优化建议由工艺人员审核,再通过小范围生产试验验证。历史数据上的预测表现,需要进一步接受曲线调整后的实际质量结果检验。经营评价同样需要明确口径:单位合格产出的电耗反映能源使用效率,用电成本还受到电价时段等因素影响。移峰带来的电费下降,应与实际节电分别评价。异常检测让运行偏离进入复核与处置喷炉事件少,稳定前兆尚需验证,初期建设宜从运行参数异常监测做起。系统按送电阶段和工况建立正常范围,结合电流、电压、电阻的变化率与多信号联动,识别需要关注的偏离。在数据条件允许时,可以评估孤立森林(Isolation Forest)等异常检测方法,补充对复杂变化的识别。异常提醒应保留发生时刻、工艺阶段、关联信号和人工操作,供现场人员回放、核查。参数偏离可能来自工艺切换、传感器故障或其他设备异常,不能直接等同于即将喷炉。随着事件前后曲线与正常炉次持续积累,再验证是否存在稳定前兆,并评价误报、漏报及有效提前量。在这一过程中,模型提供辅助提醒,现场人员负责综合判断和处置,既有设备保护承担其原有职责。喷炉预警与设备保护分别设计,才能明确各自的作用与边界。▲ AGPO AI Model 应用闭环结果回流持续沉淀石墨化工艺模型与知识工业 AI 的价值需要在现场应用和持续验证中形成每一炉的预测结果、实际检验值、送电调整和异常处置,都应回到炉次档案。质量偏差扩大时,需要进一步分析原料、工况、数据采集及设备状态变化,重新评估模型的适用范围。操作记录、维修经验与经过审核的处置方法,还可以通过大语言模型(Large Language Model,LLM)进行整理,并结合检索增强生成(Retrieval-Augmented Generation,RAG)供人员查询,让经验更容易被找到和复用。建设路径也应遵循现场验证的顺序:先完成数据规整,开展炉次分析和基础异常监测;再验证质量预测;再验证质量预测;通过验证后,逐步开展送电优化试验。模型或数据失效时,按经审核的原工艺和既有保护运行。依托「得·灵」企业级 AI 产品/服务体系、H-ZERO 和 HCMs 平台能力,可以进一步把数据接入、质量预测、工艺审核、生产试验与结果回流连接起来,推动 AGPO AI Model 融入制造业务流程。对于负极石墨化,工业 AI 的落地价值在于:✅ 让质量风险更早进入研判;✅ 让送电方案获得可比较的依据;✅ 让异常处置与工艺经验持续积累。在工艺人员、质量检验和生产系统的协同下,把一炉一炉的经验沉淀为可验证、可迭代的行业垂类模型与应用能力。携手汉得,共铸硬核竞争力!

11-05

汉得受邀出席湘钢首届创新大会,荣获“最佳合作项目奖”!

2026年10月21日,湘钢首届创新大会举行,汉得受邀参会。双方合作开展的“中厚板全流程数智化生产执行系统开发项目”获颁“2026年度最佳合作项目奖”。

11-05

汉得受邀出席湘钢首届创新大会,荣获“最佳合作项目奖”!

2026年10月21日,湘钢首届创新大会举行,汉得受邀参会。双方合作开展的“中厚板全流程数智化生产执行系统开发项目”获颁“2026年度最佳合作项目奖”。大会以“新耀钢城·智启未来”为主题,围绕改革创新、科技攻关、管理提效和产业开拓等方面,分享优秀实践、表彰创新成果。此次获奖,是对双方围绕板材制造场景推进数字化建设工作的肯定。01 以业务为牵引深化板材制造协同宽厚板生产涉及订单、质量、计划、生产执行与仓储物流等环节。客户需求如何准确传递到生产岗位,订单进展如何及时反馈给相关部门,是制造管理需要持续解决的实际问题。围绕湘钢板材 MES 重构升级,双方将业务流程优化与系统建设相结合,聚焦生产经营中的协同需求。MES,即制造执行系统,连接企业经营管理与现场生产执行,为业务信息的传递和生产过程的跟踪提供支撑。项目以订单履约为主线,将质量要求、生产计划与执行记录纳入协同管理,推动信息在业务环节之间顺畅流转,让相关岗位更便捷地获取所需信息,为精细化管理提供支持。让客户需求贯穿生产执行让业务数据服务现场管理02 围绕关键业务提升生产执行支撑项目围绕板材制造的全流程协同需求,结合以智能自动组板为关键指导,将交货期、成材率等因素纳入组板决策,支持多钢种、多目标组板方案生成,统筹订单交付与材料利用。同时,项目加强订单、质量、生产执行与仓储发运之间的信息衔接,完善计划执行跟踪和异常反馈,为生产组织提供更清晰的业务依据,促进产销协同与精细化管理。智能自动组板统筹交付与材料利用围绕不同钢种和订单要求,系统支持在生产约束下生成多目标组板方案,并将余坯、余材纳入自动组板与利用。自动组板与手动组板共用基础数据,便于业务人员衔接处理。同时,结合作业计划管理与生产实绩反馈,支持计划编制、调整和执行跟踪。订单信息更顺畅交付进展更清晰围绕订单信息传递与合同全过程跟踪开展优化,将客户个性化要求纳入系统化管理,并加强交期跟踪和异常提醒,帮助相关岗位及时掌握执行进展,为产销协同提供支持。质量要求更明确过程记录可追溯围绕产品标准、工艺规范和岗位操作要求,推进质量设计与质量信息传递的规范化管理,减少重复维护和线下传递。通过关联生产记录与质量信息,为过程跟踪和问题分析提供依据。炼钢计划更直观工序衔接更顺畅围绕炼钢生产组织,系统以可视化方式呈现各工序计划,支持生产时间测算和计划动态调整,并将检修安排纳入统筹,帮助相关岗位把握生产节奏。同时,结合质量标准支持自动判钢,并加强与后续装炉计划的衔接,为炼钢过程管控与工序协同提供支撑。轧钢计划与实绩联动执行管理更精细围绕轧制与热处理,系统支持按业务规则自动编排计划,由岗位人员确认后下发,并跟踪计划执行与调整。结合合同要求,将工艺规范和操作要点传递到相应岗位,通过剪切、喷刻印等作业信息的图形化展示,以及生产实绩和轧辊履历管理,支持现场作业规范执行与过程追溯。仓储与物流衔接协同管理更有序推动仓储信息与物流、发运业务联动,支持库存统筹和材料流转跟踪,为相关岗位安排出入库及发运作业提供信息支撑,促进生产组织与交付安排相互衔接。03 坚持合作共建推动持续创新钢铁企业的数智化建设,需要将现场业务经验与数字技术持续结合。围绕具体场景梳理需求、优化流程,并让系统能力服务岗位操作,是项目建设的重要着力点。此次荣誉,既是对合作成果的认可,也是双方持续推进业务创新的动力。汉得将继续以客户业务需求为出发点,注重系统应用与管理实践的结合,支持制造企业提升数字化管理能力。面向未来,汉得期待与湘钢继续深化合作,在板材制造场景中持续完善数字化应用,让创新成果更好地服务生产经营。携手推进数智化建设让创新更好服务生产经营携手汉得,共铸硬核竞争力!

10-30

汉得工业AI实战系列|汉得灵图(H-DrawSight):让AI读懂图纸,赋能研发业务提效!

针对图纸解析的核心难点,我们思考了一条链路——把图纸智能解析拆成自下而上的五层。每一层各司其职,又相互贯通。

10-30

汉得工业AI实战系列|汉得灵图(H-DrawSight):让AI读懂图纸,赋能研发业务提效!

在 AI 时代,大模型、智能体和智能应用如何快速落地融入企业提质增效受到广泛的关注。在制造企业,沉淀最厚、也最沉默的一类数据资产,是图纸。一张工程图纸,把尺寸、公差、材料、工艺要求和 BOM 行项全部压缩在一张图里,是覆盖设计、工艺、质量、报价的通用“工程语言”。一家制造企业几十年积累下来,图纸往往以数十万、上百万计,散落在 PLM、文件服务器和工程师的本地电脑里。图纸,是制造沉淀最厚也最难被 AI 读取的数据资产图纸为什么是 AI 最难啃的数据当前传统 OCR 图纸识别普遍面临三个核心难点:💢精度门槛高尺寸、公差、形位公差、粗糙度层层嵌套,通用文档解析的识别精度不够用——差一位公差,就是两件完全不同的零件。💢工程语义深图纸不是文字排版,是“工程语言”:视图关系、剖面、明细表、标准件代号背后,是一整套机械与工艺知识,模型不理解这些,只能“看见”、不能“读懂”。💢结构化需求复杂企业要的不是“识出来的文字”,而是图号、材料、公差、 BOM 行项这些结构化字段,要能拿去检索、比对、生成文档。光识别,远远不够。针对图纸解析的核心难点,我们思考了一条链路——把图纸智能解析拆成自下而上的五层。每一层各司其职,又相互贯通。L1 → L5自下而上贯通,图纸从“图片”逐层加工为“知识”,最终支撑业务应用。三者协同VLM+向量化检索+图纸数智化围绕图纸识别这一关键场景,汉得携手生态伙伴探索出一条路径:用 VLM 视觉模型“看懂”图纸,用向量化检索“找准”图纸,用汉得 HPIS 平台“用好”图纸——三者协同,把一张张扫描的工程图纸,变成一座可检索、可比对、可复用的图纸知识库。VLM 视觉理解模型让 AI 真正“看懂”工程图纸VLM 承担三类任务:✅ 理解视图结构:主视图、剖视图、标题栏、明细表的对应关系。✅ 提取几何特征:轮廓、关键尺寸位置、公差、粗糙度符号。✅ 识别版式与标注:图框、技术要求文字、BOM 明细表。向量化检索从“关键词匹配”到“语义相似”传统的图纸检索,本质上是“关键词匹配”——输入一个图号或零件名称,系统在数据库里做精确匹配或模糊查询。这种方式的问题很明显:你必须知道你要找什么,才能找到它。但工程师真实的需求往往是:“我有一张草图,想知道以前有没有做过类似的零件”——这不是关键词能解决的,这是“语义相似”的问题。向量化检索的思路,就是把所有图纸都转换成一串数字(向量),然后通过计算向量之间的距离,来判断两张图纸“有多像”。图纸数智化:从“单一图纸解析”到“基于图纸的复杂场景应用”将图纸识别后的工程参数形成结构化成果,与业务运营场景进行结合,转化为数智化应用。基于汉得 HPIS 平台支撑各类图纸应用场景,包括搜图、审图、BOM 及工艺结构化、作业指导书、成本规划测算与报价应用场景等。汉得【灵·图】AI识图智能体这一套 VLM 、向量化检索、图纸数智化的组合拳,最终交付给客户的不是 POC 演示,也不是需要二次开发的技术组件——而是一个开箱即用、真正懂工程图纸的 AI 智能体。什么是汉得【灵·图】一个识图准确率可达90%以上,专门为制造企业图纸场景训练的 AI 识图智能体。可实现独立部署,对接 PLM / ERP / CRM 的智能体服务——工程师不需要懂 AI ,只需要像问一位资深同事一样,把图纸丢给它。五大亮点✅ 看得准:工业图纸领域微调的 VLM ,尺寸、公差、形位公差、粗糙度、 BOM 行项一次结构化还原。✅ 懂工程:理解视图投影关系、剖面、明细表、标准件代号这整套工程语言,能“看见”更能“读懂”。✅ 找得到:权重前台可调,业务相似的图纸排到前面。✅ 用得顺:自然语言、完整图纸、“图纸+文字”三种输入并存,判断权在工程师手里。✅ 越用越聪明:低置信区域自动触发二次识别或人工复核,工程师的采纳与否决回流为训练样本,智能体在客户现场持续进化。谁能用?用在哪?研发工程师:秒级召回相似历史图纸并排比对,成熟结构直接复用,降低重复设计率。销售与报价:命中相似历史产品,自动带出历史报价与成本数据,分钟级出参考价。工艺与质量:自动提取 BOM 、技术要求、关键尺寸,减少逐张读图、重复录入。数字化部门:存量老图纸批量解析入库,补齐结构化字段,让老图纸真正被管起来、搜得到。模型负责理解,数据负责沉淀,而让图纸真正产生价值的,是理解业务的人。图纸不是终点——以图搜图接报价、指导书接工艺与质量、检索接 PLM ;从 POC 到规模化,还有数据治理、权限隔离、增量运维。这些系统打通与场景设计,正是汉得多年数字化实施的积累。这条路径仍在演进:正在推进的三维解析,将把几何、拓扑、PMI 标注、材质与装配信息纳入同一套图纸知识体系;图纸知识图谱,则把散落在千万张图纸中的零部件、标注、规范与变更关系沉淀为可推理的工程知识——改一处,追全局。携手汉得,共铸硬核竞争力!

10-28

汉得 x 某小家电龙头企业|FDE 深入制造业务场景,AI 赋能企业智能化升级!

汉得大客户数智化事业部携手某小家电龙头企业,围绕合同合规、供应商风险、项目资料审核、库存运营四大业务场景,将 AI 能力融入风险识别、智能审核、经营分析与业务协同,目前四大场景均已上线运行,推动制造企业智能化运营走向实际应用。

10-29

汉得 x 某小家电龙头企业|FDE 深入制造业务场景,AI 赋能企业智能化升级!

从真实业务场景出发让 AI 应用走深走实随着人工智能技术加速发展,越来越多制造企业开始探索 AI 与核心业务的深度融合,推动智能化应用从技术探索走向实际经营管理。但在实际落地过程中,企业仍面临诸多挑战:💢风险管控难: 供应商信息分散、合同审核复杂,风险识别依赖人工。💢业务审核难: 项目资料涉及多个系统,规则校验繁琐,重复性工作量大。💢经营分析难: 库存数据丰富,但风险识别、原因分析及后续处置效率仍有提升空间。如何让 AI 真正理解业务规则、融入管理流程,并将智能分析转化为实际业务价值?AI 应用的关键在于深入真实业务场景找到技术能力与业务需求结合点汉得企业级 AI 智能化升级方法论,以 FDE 工作模式为牵引,项目团队贴近业务一线,与法务、采购、项目管理、计划等岗位人员共同梳理业务规则,在真实流程中边设计、边验证、边迭代,推动 AI 从“技术能力”走向“业务应用”。此次,汉得大客户数智化事业部携手某小家电龙头企业,围绕合同合规、供应商风险、项目资料审核、库存运营四大业务场景,将 AI 能力融入风险识别、智能审核、经营分析与业务协同,目前四大场景均已上线运行,推动制造企业智能化运营走向实际应用。深入制造业务落地四大 AI 场景应用实践该企业经过多年数字化建设,在采购、法务、项目管理、生产及库存等领域已积累了丰富的业务数据。但数据分散、规则复杂、人工处理工作量大等问题,仍然影响企业的运营效率与管理水平。在 FDE 工作模式牵引下,汉得深入实际业务流程,围绕企业高频管理问题,结合现有系统与业务规则,打造贴合岗位需求的 AI 应用。从业务问题识别,到智能应用设计,再到业务流程融合,让 AI 真正服务企业日常经营管理。01 合同审核与风险识别从人工逐条核对,到智能识别合同合规风险合同审核是企业经营风险管理的重要关口。传统审核高度依赖人工,合同条款变更、关键信息遗漏、文本错误等问题,不仅增加法务工作量,也可能带来潜在合规风险。汉得 AI 解决方案三重智能校验○模板比对:自动对齐标准合同模板,识别关键条款变更。○必填检查:智能检查合同关键信息,发现字段缺失。○文本识别:自动检测错别字等基础问题,输出审核意见。AI 完成基础合规检查后,自动返回审核结论及问题说明,为业务修改和法务复核提供依据。业务价值:风险前置、标准统一、审核可追溯。通过 AI 承担重复性基础审核工作,将风险识别前移,让法务人员更加聚焦复杂条款与关键风险判断,推动合同管理从人工核验走向智能辅助审核。02 供应商准入与风险监控从人工分散查询,到供应商风险自动识别与评估供应商经营状况、信用水平及潜在法律风险,直接关系到制造企业供应链的稳定性。传统供应商评估需要人工跨渠道查询、整理与判断,存在信息碎片化、评估效率低、标准不统一等问题。汉得 AI 解决方案多源数据融合与智能风险研判○多源信息整合:自动获取工商、经营、司法等风险信息。○智能风险研判:结合统一评价规则,综合分析供应商风险。○报告自动生成:输出风险等级与评估报告,呈现关键风险依据。AI 能力嵌入合同管理流程,业务人员选择供应商后,即可获取风险评估结果,无需在多个系统之间反复切换。业务价值:风险识别前置、评价标准统一、合作决策有据可依。将风险识别从独立的人工调查环节融入日常业务流程,帮助企业建立更加及时、规范的供应商风险评估机制,为供应链稳定运营提供支撑。03 项目资料智能审核从人工逐项核对,到跨系统资料智能审核与风险前置制造企业在项目管理过程中,会产生大量项目归档文件,涉及人员、工时、时间节点及客户信息等多个维度。传统审核依赖人工逐项核验,不仅工作量大、效率低,也容易出现标准执行不一致、关键信息遗漏等问题。汉得 AI 解决方案自动化、智能化资料审核流程○资料自动获取:通过 RPA 自动获取 PLM 系统中的项目归档文件,触发智能审核流程。○多维规则校验:结合人员在职状态、工时、量产时间、客户名称等业务规则,自动识别异常信息。○智能分流审核:根据审核结果置信度,高置信度结果自动处理,低置信度事项转交人工复核。审核完成后,系统将结果回写至 PLM 业务流程,形成:资料获取 → 智能校验 → 分级审核 → 结果回写 的完整业务流程。业务价值:审核提效、风险前置、人机协同。减少重复性人工核验,提升审核效率与标准化水平,让常规审核更加高效、异常问题及时处理。作为本次合作的先导场景,项目资料智能审核率先上线运行,在业务规则校验、跨系统流程衔接与智能审核方面经受实际业务检验,为后续多业务场景建设奠定实践基础。04 呆滞库存智能分析与督办从被动发现库存积压,到主动预警、分析与督办订单变化、生产计划调整等因素,容易造成制造企业物料积压、资金占用与库存风险。传统库存管理以报表统计和人工分析为主,往往能够发现问题,却难以及时判断风险程度、定位积压原因并推动处理。汉得 AI 解决方案构建库存风险管理闭环○风险识别:结合库存金额、增长趋势等维度,自动识别高风险呆滞物料,形成重点关注清单。○智能分析:关联 MES、APS 等业务数据,辅助分析库存积压原因,提出处理建议。○自动督办:匹配责任人员,下发督办任务,推动风险事项跟进处理。实现从:风险识别 → 原因分析 → 任务督办 → 处理反馈的业务管理闭环。业务价值:风险主动预警、原因精准分析、责任落实闭环。让库存管理从事后统计走向主动识别与精准管控,让 AI 不仅能够发现异常,还能辅助分析问题、推动业务处理,为降低库存积压风险、提升库存运营效率提供支持。从场景实践到管理升级让 AI 价值融入业务流程从合同审核、供应商风险管理,到项目资料核验和呆滞库存分析,四大场景面向不同业务领域,却共同体现了制造企业智能化管理的转变。风险管控更加主动:将 AI 融入合同审核与供应商风险评估等环节,推动风险识别从事后发现走向事前预警。业务审核更加高效:通过规则校验、信息提取与智能分析,减少重复性人工操作,让专业人员聚焦关键判断。经营分析更加精准:从库存风险识别到原因分析与任务督办,让业务数据不仅能够呈现问题,更能辅助推动问题解决。业务流程更加协同:将 AI 与企业现有业务系统相结合,推动智能分析结果进入业务处理流程,实现信息利用与业务协同。从人工处理到智能辅助从被动响应到主动管理AI 正在成为制造企业提质增效的重要助力从行业场景出发推动AI应用走向真实业务价值制造企业的智能化升级,需要的不只是新的技术工具,更需要贴合业务需求、能够融入实际流程的智能化解决方案。本次合作从项目资料智能审核的先导场景起步,在实际使用中持续调优,再将经验复用至供应商风险、合同合规和库存运营等核心业务领域,已上线运行的四大场景,展现了 AI 从单点场景探索走向多业务领域应用的实践路径。在这一过程中,汉得充分结合制造行业数字化实践经验,将业务规则、行业知识与 AI 技术相融合,推动智能应用与企业既有管理体系衔接。以真实业务问题定义应用场景以业务流程承接 AI 能力以实际管理价值检验应用成果这也是汉得企业级 AI 智能化升级方法论所坚持的方向:以 FDE 工作模式为牵引,发现业务问题 → 与业务共创方案 → 快速上线 → 持续优化,推动 AI 能力在企业实际业务中落地应用。未来,汉得将持续深耕制造行业高价值业务场景,探索 AI 技术与经营管理的融合创新,打造更多可落地、可复制的行业智能化解决方案。让 AI 深入业务让智能创造价值携手汉得,共铸硬核竞争力!

10-27

汉得信息2026年第三季度报告发布

经营稳健扩容、结构持续优化,AI业务收入单季1.7亿元,快速增长成为核心增长引擎。

10-27

汉得信息2026年第三季度报告发布

✨经营稳健扩容、结构持续优化,AI业务收入单季1.7亿元,快速增长成为核心增长引擎✨前三季度营业收入 25.87 亿元,同比增长 6.05%;毛利率 35.00%,同比提升 0.08 个百分点,整体盈利能力稳中有升;AI业务驱动下「产业数字化」「财务数字化」快速增长▶ 产业数字化(C2M)前三季度营业收入 9.61 亿元,同比增长 15.30%,业务占比提升至 37.14%;毛利率 42.96%,保持高水平▶ 财务数字化(GMC)前三季度营业收入 6.31 亿元,同比增长 9.30%,业务占比提升至 24.40%;毛利率 34.90%,稳定增长———⚡AI业务单季度突破 1.7 亿元,累计 3.9 亿元、同比增长超过85%,构筑穿越周期的核心成长引擎▶ AI智能化应用业务作为公司首要战略发展方向与核心增长引擎,在公司的战略投入驱动下持续加速商用化落地;Q3单季度收入 1.7 亿元,在Q2基础上保持快速增长;前三季度累计收入约 3.9 亿元、同比增长超过 85%,成为公司业务增长主要驱动力———🧩企业级AI智能化升级方法论与全栈产品体系💡「筑基+赋智」企业级AI智能化升级方法论筑基依托H-ZERO,完成业务数字化建设、沉淀企业资产、构建数字化镜像;赋智依托「得·灵」企业级AI体系,将AI深度融入经营全链路,打造智能化能力🚀「得·灵」体系三层架构全栈支撑应用层数字员工智能体、工具层「灵猿-大圣」AI中台、系统层AI基础设施平台,配套AI全周期实施方法论与算力运营服务,已在数百家企业业务场景落地迭代汉得 x 日出东方|FDE 方法论场景共创汉得 x 西南大学柑桔研究所|联合启动柑橘大模型建设汉得 x 中亿丰|入选IDC中国企业级Agent最佳实践案例汉得 x 中鼎 x 矩阵|一份全球化Token工厂建立模板的AI规划汉得 x 京新药业|共建企业级 AI 智能体平台———🤖DataClaw灵舟 · 企业AI数字员工平台汉得首批DataClaw数字员工入职多家企业!汉得DataClaw数字员工+FDE践行DATA x AI落地实践汉得DataClaw 灵舟入选 IDC 中国 Data Agent 厂商评估!———🛠️工业AI行业垂类模型AI融入生产一线 提质增效▶锂电电芯容量预测大模型(TBCP Model)▶多晶硅还原雾化预警AI大模型(PRAW AI Model)▶钢材智能自动组板大模型(ISP)▶工业AI行业垂类模型矩阵———@汉得信息🤝企业级AI智能化应用综合服务商基于「得·灵」AI体系,做AI时代智能化综合服务提供商,与客户携手构建AI时代核心竞争力!

10-23

汉得工业 AI 实战系列|钢材智能自动组板,让工艺经验转化为生产优化能力!

这个专题希望通过一系列工业 AI 真实场景落地案例,把我们在工业 AI 落地中的经验、想法和方法呈现出来,为更多制造企业提供参考。

10-23

汉得工业 AI 实战系列|钢材智能自动组板,让工艺经验转化为生产优化能力!

在 AI 时代,大模型、智能体和智能应用如何快速落地融入企业提质增效受到广泛的关注。工业企业尤其是制造企业流程长、业务场景复杂,在工业 AI 智能化落地难度尤其大。制造企业的管理团队焦虑的核心关注点之一:AI 能不能进入工艺、设备、质量和生产现场解决一个个具体问题优化提升工艺质量汉得深耕制造领域近30年,积累大量制造业客户和行业场景。依托「得·灵」企业级 AI 产品/服务体系,基于企业级 PaaS 平台 H-ZERO 构建的智能制造 HCMs 协同平台,我们把工业数据、业务流程和 AI 模型连接起来,帮助企业构建高效、可靠、可闭环的工业 AI 行业垂类模型和应用。这个专题希望通过一系列工业 AI 真实场景落地案例,把我们在工业 AI 落地中的经验、想法和方法呈现出来,为更多制造企业提供参考。“工业 AI 实战”专题通过真实工业场景,分享汉得在智能化落地中的经验、思考和方法。前两篇关注还原炉工艺预警与电芯容量预测,这一篇,我们走进钢材制造中的关键环节:智能自动组板以工艺规则与多目标优化统筹合同需求、材料利用和生产约束从合同需求到生产执行汉得钢材智能自动组板大模型一张交付给客户的钢板,在进入轧制之前,就已经涉及一系列复杂的生产决策。客户按钢种、厚度、宽度、长度和数量订货,工厂则需要把这些需求组织成可生产的板坯及轧制切分方案。一块板坯可以按设计轧制切分成多张合同钢板;哪些合同能够组合、需要多大的板坯、轧制切分后会剩下多少材料,都需要提前计算。这就是钢材组板要解决的问题。它看起来像是在做“拼图”,但每一块“拼图”都带着工艺条件:◈ 有的热处理要求不同,有的探伤方式不同,有的必须单独取样◈ 即使尺寸能够拼在一起,也未必能在同一套生产条件下完成制造组板人员还要同时考虑材料利用与合同交付。当前这张大板组合得很紧凑,剩下的几张合同钢板却可能难以继续配组;为了多消化一些合同尾量,另一个方案又可能留下更多余材。当合同数量增加、规格更加分散时,人工需要反复筛选、核对、试算和调整。经验越丰富,越能识别其中的取舍,但也越难把所有组合逐一比较。围绕钢铁板材制造中的自动组板需求,汉得将合同数据、工艺基准、组板规则与优化求解连接起来,构建钢材智能自动组板大模型(ISP,Intelligent Steel Plate Auto Assembly Model)。✅ 让系统承担大量验证计算,智能自动生成组板方案✅ 让业务人员集中精力判断优先级、处理例外并确认生产方案▲钢铁板材智能自动组板业务流程示意图合同分组先理清哪些需求可以一起生产自动组板的第一步,是建立有业务边界的合同池。系统按产线条件筛选合同,结合钢种、厚度、宽度形成分组,再根据客户、到站、交期等条件组织组内优先顺序。产线与板坯断面的对应关系、产品规格限制,也一并进入计算范围。这一步直接影响后续方案质量。同一客户的合同尽量安排在同一产线,特殊钢种的小批量需求尽量集中处理,都是生产组织中需要考虑的因素。对于不同厚度、不同宽度的合同,能否组合还要继续核对公差和组板方式。例如,厚度存在差异时,需要检查允许厚度范围是否有符合工艺要求的交集。尺寸相近,并不意味着可以直接合并。通过合同分组,分散的订单需求被转化成具有明确规则和优先级的计算对象,为后续求解建立基础。规则校验把现场工艺转成计算边界一份组板方案能够进入生产,首先要满足制造条件。板坯压下比是否满足合同要求,可轧制宽度和目标长度是否处于设备允许范围,板坯长度能否满足加热炉限制,这些条件共同决定方案是否可行。质量要求同样需要逐项核对。组合合同的热处理模式与保温目标温度需要匹配,超声探伤方式和时期需要兼容;特定取样要求的合同,则需要按规则单独组板。这些分散在工艺基表、合同属性和现场经验中的条件,被转化为系统可以执行的校验规则。校验不通过时,系统给出相应提示,供业务人员定位和处理。❓ 工艺规则决定哪些方案可以进入比较❓ 优化目标决定可行方案之间如何取舍质量与设备限制作为计算边界,贯穿组板过程。这也是工业智能应用对行业知识的依赖所在:算法需要准确得工艺条件才能计算出现场真正用得上的结果多目标优化在合同尾量与材料利用间找更优解满足约束后,系统还要回答:多个可行方案,应该选择哪一个?自动组板需要同时关注几类目标。合同尾量反映还有多少需求未被组入方案;组合板长度、宽度与目标尺寸的差异,反映尺寸匹配情况;长度和宽度方向的余材,则关系到材料利用。这些目标并不总能同步改善。例如,一个方案组入了更多合同钢板,却可能留下较多余材;另一个方案材料利用更充分,但尚未组入的合同需求更多。业务人员需要结合当次任务,明确尾量清理与材料利用等目标的优先级。方案通过目标和权重设置,将这种取舍转化为可计算的评价方式。求解器结合组板规则,在设定的运行时间和计算规模内搜索、比较候选组合,返回组板结果及对应评价指标。同时,系统还需要计算必要板坯尺寸、重量等参数,并区分轧制收得率与命令收得率。后者关注合同钢板总重量与相应板坯重量的关系,有助于从订单交付角度评价材料利用。自动组板的核心,是把原本依赖多次人工试算的方案比较,转化为有约束、有目标、有评价依据的计算过程。在这一场景中,承担核心求解任务的是工艺规则与运筹优化算法。分轮处理让零散尾量继续寻找组合机会一轮组板完成后,仍可能有部分合同钢板未能形成满足要求的组合。如果只评价已经组好的大板,就容易忽略这些剩余需求。它们还需要进入后续生产安排,继续寻找匹配机会。钢材智能自动组板大模型(ISP)设计了分轮组板机制:第一轮按合同分组和组板方式进行组合对于尚未成型的组合及剩余需求,再按规则进入第二轮计算,尝试异宽组合等适用方式相关策略还可以设置是否启用第二轮,以及指定长、超投等业务参数。经过计算仍无法完成组板的需求,继续保留在合同池中,等待后续处理。这样,方案评价覆盖了已组板结果与未组入需求,帮助业务人员看到整个任务的完成情况,并针对尾量继续调整。人机协同让计算结果进入生产流程工业智能应用的价值,最终要通过生产动作体现。在系统衔接上,MES 向独立部署的算法服务传入合同子板数据、基表数据,以及本次运行的目标、权重和参数;算法服务完成计算后,将组合结果与评价指标返回 MES。业务人员可以查看组板结果,进行调整、确认或解散。确认后的结果再衔接试样添加、二次设计和命令生成,进入后续生产组织。这一过程保留了清晰的职责分工:系统负责规则校验、组合计算和结果展示业务人员负责业务取舍、例外处理与最终确认从合同收池、算法求解,到结果确认和命令生成,自动组板成为 MES 业务流程中的一个环节。计算结果由此具备了进入现场执行的路径。从组板经验走向可复用的工业优化能力钢铁板材自动组板场景,呈现了工业智能化的另一类重要问题:在多种约束下从大量可能组合中选择更合适的生产方案它的业务价值体现在三个相互关联的方向:◈ 通过批量校验与方案计算,减少重复筛选和试算◈ 通过合同尾量、尺寸及余材的综合评价,支持材料利用与交付需求之间的取舍◈ 通过 MES 衔接,让计算结果能够被业务人员确认并转化为生产命令更深一层,合同分组、工艺基准、组合策略和评价方式逐步沉淀到系统中,使现场经验成为可以维护、验证和复用的组织能力。这类应用需要懂工艺,也需要懂生产系统。产线条件如何影响组合,质量要求如何转成约束,结果如何衔接后续设计与执行,每一步都依赖行业知识与实践经验。依托「得·灵」企业级 AI 产品/服务体系,以及 H-ZERO、HCMs 平台能力,汉得持续探索将适合场景的算法与制造业务连接起来,推动数据、规则、模型和流程协同工作。从识别工艺异常,到预测产品质量,再到优化生产组合,工业智能化正在进入越来越具体的制造决策。让现场经验可计算让计算结果可执行是汉得持续推进工业 AI 落地的重要方向携手汉得,共铸硬核竞争力!

10-21

产品出海再启新篇|汉得携手美国《财富》500强 Avery Dennison 启动 Global MES 项目,以中国工业软件赋能全球智能制造!

近日,汉得与美国《财富》500 强企业 Avery Dennison(艾利丹尼森) Global MES 全球项目签约启动。

10-21

产品出海再启新篇|汉得携手美国《财富》500强 Avery Dennison 启动 Global MES 项目,以中国工业软件赋能全球智能制造!

近日,汉得与美国《财富》500 强企业 Avery Dennison(艾利丹尼森) Global MES 全球项目签约启动。本次合作是汉得自主研发工业软件产品出海的重要里程碑,也是汉得 Global MES 产品首次深度服务全球头部美资制造企业核心制造体系。项目首期金额数百万美金,将以 Avery Dennison 越南制造基地为首个全球示范工厂,依托汉得自主研发的企业级 PaaS 平台 H-ZERO、新一代 Global MES 平台及 AI 能力,打造覆盖全球制造网络的统一制造运营管理平台。未来,双方将以越南工厂成功实践为模板,逐步复制推广至 Avery Dennison 全球 40 余家制造基地,构建集团统一的制造运营数字底座。汉得产品能力获得国际头部制造企业认可,标志着中国自主工业软件正加速走向全球高端制造市场,赋能全球智能制造。Avery Dennison(艾利丹尼森)是美国《财富》 500 强企业,也是全球材料科学与智能标签领域的领导者,业务遍及全球 50 多个国家和地区。面对全球多工厂管理标准不一、数据分散及跨区域协同等挑战,Avery Dennison 需要一套能够统一管理、适配区域差异并快速复制的 Global MES,支撑全球制造体系升级。经过技术交流、方案评估及全球化交付能力验证,汉得凭借自主产品体系、海外制造项目经验和全球实施能力,成为 Avery Dennison 的项目合作伙伴。▲Avery Dennison 主要业务与全球布局长期以来,汉得持续深耕制造业数字化领域,为众多全球制造企业提供数字化咨询与实施服务。在服务制造企业的过程中,汉得基于企业级 PaaS 平台 H-ZERO 持续将现场业务场景需求与行业经验沉淀到产品中。面向全球制造网络,这些积累进一步转化为可复用的工业软件产品能力,让不同生产管理模式共享成熟实践,并在统一框架下灵活适应各自的生产特点。此次合作,标志着汉得实现从“数字化服务出海”向“自主工业软件产品出海”的重要跨越。本次项目将以汉得自主研发的企业级 PaaS 平台  H-ZERO、Global MES 平台及 AI 能力为核心,为 Avery Dennison 构建覆盖全球制造网络的数字化能力体系。随着项目持续推进,越南工厂将逐步沉淀形成集团统一制造模板,未来可快速复制至全球更多制造基地,持续释放全球化实施价值,也进一步验证中国自主工业软件服务国际头部制造企业的能力。作为汉得自主研发的新一代企业级 PaaS 平台 ,H-ZERO 是本次 Global MES 项目的统一技术底座。针对跨国制造企业“全球统一、属地运营”的管理模式,H-ZERO 具备多语言、多时区、多组织、多租户、全球多节点部署及安全合规等能力,能够支撑全球工厂统一建设、统一管理,同时满足不同国家、不同区域的本地化业务需求。依托 H-ZERO 平台,Avery Dennison 未来全球各工厂可在统一技术架构下快速复制业务能力,实现“一次建设、全球推广”,有效降低全球数字化建设成本,加快集团数字化能力持续演进。统一数字化底座的价值,也在于为后续推广建立共同的技术基础。各基地可在集团统一架构下开展本地化适配,减少重复建设,让全球运营标准与区域业务差异能够在同一体系中得到承接。本次实施的汉得 Global MES 平台内置汉得自主研发的可视化业务流程引擎,可灵活适配不同国家、不同工厂及不同产品线的业务差异,实现流程配置化、功能配置化和界面配置化,无需重复开发即可快速完成本地化部署。✅ 多产品线业务流程节点差异可配置✅ 多产品线同业务流程逻辑差异可配置✅ 多产品线不同功能 UI 差异可配置对于多基地推广,关键在于明确哪些业务规则可以共用、哪些差异需要保留。通过流程节点、业务逻辑和操作界面的配置,项目将兼顾集团标准与工厂实际,使试点形成的模板具备更清晰的复用边界。越南工厂上线后,其成熟业务模式和管理标准将沉淀为集团统一模板,为未来全球 40 余家制造基地推广提供标准化复制能力,真正实现 Global MES 全球化落地。汉得将 AI 能力深度融入本次项目,依托汉得 AI 中台能力,构建如“AI Batching”等多项智能化应用场景;并伴随全球制造数据持续沉淀,发挥 AI 中台能力,形成覆盖全球工厂的智能制造知识体系,为全球产能优化、供应链协同、质量持续改善及经营决策提供更加智能的支撑,推动制造运营从数字化向智能化持续升级。这一建设将以制造业务数字化为基础,逐步打通业务数据与智能应用的联系。随着项目推进,围绕实际需求持续完善应用场景,让数据积累、知识沉淀与业务使用相互促进,为后续智能化能力扩展创造条件。此次与 Avery Dennison 的合作,是汉得自主工业软件拓展全球制造市场的重要里程碑。汉得以越南试点项目为起点,将通过高质量的实施交付,逐步沉淀集团统一的制造业务模板与可复制的实施经验,为后续向 Avery Dennison 全球更多制造基地推广奠定基础,并为服务更多跨国制造企业积累标杆实践。立足中国、服务全球,汉得持续推进服务出海、方案出海与自主产品出海。依托长期服务领先企业积累的行业经验,汉得正将经过中国制造复杂场景打磨的业务实践,转化为面向全球市场的自主软件产品与解决方案;结合海外本地化团队与全球协同交付体系,兼顾跨国企业统一管理与属地运营需求,推动产品在不同市场落地、复制与持续演进。自主产品出海,也需要在海外真实业务中不断打磨产品与交付体系。通过标杆项目积累可复用的方案与实施方法,汉得将持续提升面向不同市场的适配能力,让行业经验与产品能力共同支撑全球业务拓展。以 Avery Dennison 项目为起点,汉得将持续深化 H-ZERO、Global MES 与工业 AI 的融合,以自主产品承载行业经验,以全球交付保障业务落地,让中国工业软件在服务全球制造企业的过程中不断积累实践、拓展市场,为自主产品出海打开更广阔的发展空间。携手汉得,共铸硬核竞争力!

10-12

锂电 MES 四连冠|汉得持续领跑,以工业 AI 拓展产业新空间!

近日,IDC 发布《市场份额:中国制造业制造执行系统(MES)软件市场份额,2025:增速换挡,智能驱动》。报告显示,汉得在中国 MES 市场保持领先厂商地位,在锂电、汽车零部件、光伏、家电等优势领域位居前列。

10-13

锂电 MES 四连冠|汉得持续领跑,以工业 AI 拓展产业新空间!

近日,IDC 发布《市场份额:中国制造业制造执行系统(MES)软件市场份额,2025:增速换挡,智能驱动》。报告显示,汉得在中国 MES 市场保持领先厂商地位,在锂电、汽车零部件、光伏、家电等优势领域位居前列。汉得连续四年位居中国锂电行业 MES 解决方案市场第一市场份额继续大幅领先报告显示,在中国 MES 软件市场,汉得 2025 年软件收入实现双位数增长,高于市场整体 8.3% 的增速。持续深耕优势行业,推动工业 AI 深入生产现场,并向国家战略性新兴产业和未来产业相关领域拓展,汉得正将长期积累的制造业经验转化为新的发展动能。深耕优势行业保持市场领先制造业数字化的价值,体现在对具体生产问题的持续解决。不同产业的工艺流程、质量要求和生产组织方式各不相同,也对 MES 厂商的行业理解与交付能力提出了更高要求。锂电 MES四连冠是汉得长期深耕行业的持续体现从2022年首次登顶,到2025年继续保持市场份额的大幅领先,汉得围绕锂电制造复杂的工艺流程、严格的质量要求和跨工序协同需求,持续深化产品与服务能力。在汽车零部件、光伏、家电等优势领域,汉得同样保持领先地位,持续以行业经验和数字化能力支撑客户发展。从生产计划与制造执行,到质量追溯、设备管理和物流协同,汉得持续把行业知识融入业务流程,围绕制造企业的工艺特点与管理需求,沉淀可复用的解决方案与实施方法。锂电制造中的单体履历与跨工序数据关联、汽车零部件生产中的质量追溯与交付协同、光伏制造中的工艺波动与良率管理,既是制造企业数字化建设的重点,也为后续智能化应用提供了业务基础。行业深耕带来的数据积累流程理解与现场经验正在成为工业 AI 落地的重要支撑工业 AI 持续突破让智能化进入生产流程IDC 在报告中指出,AI 正成为重塑 MES 竞争格局的长期变量。MES 作为生产执行的核心数据底座,正在为工业智能体和智能化应用提供基础能力。这一趋势也印证了汉得持续推进的工业 AI 实践。依托「得·灵」企业级 AI 产品/服务体系,以及基于 H-ZERO 构建的 HCMs 智能制造协同平台,汉得围绕工艺、质量和生产组织中的具体业务场景,持续探索工业AI行业垂类模型与制造流程的融合升级。多晶硅生产让工艺异常更早进入处置流程通过多晶硅还原雾化预警 AI 大模型,结合过程数据、历史炉况和现场确认结果识别异常趋势,将预警接入 MES,由现场人员复核、调整,并将处置结果回流,为持续优化积累依据。动力电池制造让质量判断向前延伸动力电池电芯容量预测大模型,通过对完整制作过程数据的实时分析、预测与验证协同迭代质量研判,大幅降本提效,同时为风险电芯和置信度不足的样本保留完整检测与异常回退机制。光伏制造让工艺优化更有依据通过分析历史切割数据与工况参数,识别影响切片良率的关键变量,结合模型开展分析与异常预警,帮助现场人员更有针对性地判断和调整。钢铁制造让复杂组板方案可计算、可执行将工艺规则与运筹优化算法结合,在钢种、尺寸、压下比、热处理等约束下比较候选组合,组板结果返回 MES,经业务人员调整、确认后衔接生产命令生成。这些场景体现了汉得推进工业 AI 的着力点:把制造数据与业务对象关联起来,把模型结果接入现场流程,再让实际执行结果反馈到后续优化中。不同场景采用适合的模型和算法,使智能化应用能够适应工艺要求与生产约束。在此前 IDC 发布的《IDC Market Glance:中国工业 AI 及智能体,2Q26》中,汉得入选企业级超级入口智能体、供应链智能体、工业 AI 服务等类别,并在行业 AI 的新能源、钢铁及有色领域获得展示,为汉得持续推进工业 AI 提供新的市场观察视角。面向新兴产业拓展制造服务新空间优势行业的持续积累,也为汉得进入新的制造领域提供了基础。围绕国家制造业向高端化、智能化、绿色化发展的方向,汉得持续拓展行业服务范围。在新能源等既有领域深耕的同时,客户与项目实践进一步延伸至半导体设备、光模块、大型无人机、机器人等领域,持续积累新的行业经验。这些领域的发展,对制造过程的精细管理、复杂装配与调试、质量追溯和供应链协同提出了新的要求。对汉得而言,服务新兴产业,需要深入理解新的产品结构、工艺特点与生产组织方式,把既有制造数字化经验与新的业务需求相结合。以行业项目积累场景以场景牵引产品与 AI 应用是汉得持续拓展产业服务空间的重要路径通过制造数字化建设,帮助企业完善数据与流程 AI Ready 数字化基础设施。围绕工艺、质量、设备和协同中的实际业务场景需求,识别适合引入 AI 的环节,为智能化应用的验证与持续运行创造条件,构建各个行业业务场景下的工业 AI 大模型。从既有优势行业到新兴制造领域,汉得持续丰富行业知识与解决方案,让多年积累的制造服务能力覆盖更多产业需求,也为工业 AI 打开更广阔的应用空间。向新向好在产业升级中持续创造价值IDC 报告显示,2025年中国 MES 软件市场规模约为69.3亿元,同比增长8.3%。市场保持增长的同时,竞争正进一步转向产品标准化、AI 能力、行业知识沉淀与跨组织协同。这也意味着,产业升级为工业软件与服务厂商带来的机会,越来越体现在对行业的深入理解,以及把数字化和智能化转化为生产经营改善的能力上。面向未来,汉得将持续巩固优势行业的市场地位,推动工业 AI 在真实场景中验证、迭代与拓展,并面向国家战略性新兴产业和未来产业相关制造需求,深化产品、方案与服务能力。让行业积累支撑智能化突破,让技术创新服务产业升级,汉得将与制造企业共同把握向新向好的发展机遇。携手汉得,共铸硬核竞争力!

© Copyright Hand China Co.,Ltd. All Rights Reserved 上海汉得信息技术股份有限公司

业务咨询

完善信息后我们会第一时间跟您联系
*
*
*
*
*请输入正确的验证码
captcha
*
*
发送失败
立即咨询
咨询热线
业务咨询
微信扫码 在线咨询 微信咨询二维码
联系我们
400-168-4263
业务咨询
完善信息后我们会第一时间跟您联系