|
搜索
搜 索
高等教育领域数字化综合服务平台
网络投诉数据综合数据系统
网络投诉数据综合管理系统是针对网优投诉数据简历的管理机制，通过建立和完善地址库信息，利用多种识别机适配算法，对投诉数据进行整理和分析。提取投诉数据的地点信息、用户信息、工单号、流水号、投诉内容、投诉分类等，实现投诉信息的标准化和规范化。
深圳市名通科技股份有限公司
2021-02-01
异构数据集成技术研究与煤矿生产综合管理系统集成平台开发设计
（1）建立了异构数据元素编码和信息资源管理基础标准，构建统一的数据中心并将数据资源集成到数据中心；应用异构数据实时同步系统物理集成非数据库数据，应用动态数据源技术逻辑集成数据库数据，无缝整合了煤矿企业中各类生产管理系统。（2）自主研发了异构数据源多层次数据同步系统，针对原有的各种孤立数据库系统、非结构化的工业监控实时数据和文件形式的历史数据，通过在数据层设置多种捕获器来读取源数据、映射层映射同步数据变量、执行层执行数据冲突检测并存储。系统采用 C/S 结构建立了三层模型 ，数据层分布在客户端，服务器端运行映射层和执行层。（3）提出了将应用集成与数据集成、业务集成等多种集成技术有效融合的方法，开发了煤矿生产综合管理系统集成平台，实现不同应用在统一的集成平台上的数据交流和及时有效的数据分析，给出了煤矿企业应用集成的通用解决方案。
安徽理工大学
2021-04-11
一种异构存储介质下嵌入式数据库的管理方法
本发明公开了一种异构存储介质下嵌入式数据库的管理方法，具体为：将数据文件分为小数据块和大数据块，将大数据块和优先级低的小数据块存入外存，将优先级高的小数据块存入内存；嵌入式处理器查询到待访问数据的索引块，若该数据块存在于内存，则直接访问数据，若该数据块存在于外存，则访问外存中的数据；在系统空闲期，数据库根据访问情况将部分数据块降级释放到外存，加载部分急需的数据块到内存，以实现动态调度。本发明综合两种存储介质的优
华中科技大学
2021-04-14
天津市级课程思政优秀案例-Python数据分析与应用 - 奥运奖牌数据分析
本思政案例值巴黎奥运会火热举办之际，以奥运会数据为载体，引导学生运用Python的Pandas库进行数据清洗、筛选与聚合分析，并通过Plotly工具实现数据可视化。案例巧妙融合数据分析技能培养与思政教育，通过剖析我国奥运奖牌数据变化，让学生直观感受国家体育事业的蓬勃发展，深切领悟体育强国战略背后蕴含的国家意志与民族精神。同时，鼓励学生从数据中探寻体育精神内核，内化于心、践之于行，涵养积极人生态度与爱国情怀。此外，案例数据可视化呈现国际竞技格局，助学生理解多元包容、拓宽国际化视野，增强民族自豪感与文化自信，实现知识传授与价值引领的有机统一。
天津市大学软件学院
2025-05-21
设计管理与色彩管理
北京工业大学
2021-04-14
鼎软天下TMS运输管理系统 实现物流运输管理全链路数智化管控
鼎软天下TMS运输管理系统，作为国内TMS系统市场中知名度与成熟度兼具的标杆产品，凭借强大的场景适配能力，广泛适用于制造业、三方物流、电商零售、冷链运输、跨境物流等多个领域。
山东鼎软天下信息技术有限公司
2025-11-07
人才需求： 财务管理、销售管理、生产管理、技术研发管理
1. 财务管理：熟悉现代企业财务管理方法并能熟练应用，梳理财务内部管理制度，建立并完善成本管理、预算管理，协调公司财务资源和业务规划等；2. 销售管理：建设强有力的业务销售团队，制定年度销售目标并组织分解落实。，可独立分析市场行情和行业动向，及时掌握最新的销售动态，为公司营销策略及新产品研发提供依据。3.生产管理：制定生产部各个科室合理有效的人员结构，使每个科室每个人员的潜能都能得到最大化的发挥；根据业务需求作出合理产能规划并合理安排生产，确保计划达成；制定作业标准，确保工人按标准作业；改善工艺，并在内部形成奖励机制，以提高作业效率；做好生产成本管理。4.技术研发管理在线材制品领域具有一定的理论基础和技术工作经验。
山东鑫大地控股集团有限公司
2021-08-27
大数据产品
鹏博士深耕云计算、网络SDN、自然语言处理、情感分析、图像理解，专注大数据的采集存储和信息挖掘，致力于提升各行业的大数据技术创新能力，通过全面的信息可视化、精准营销、新媒体数据挖掘、人群画像等为政务、工业、金融、医疗、交通、建筑、公安等各行业的合作伙伴提供一揽子的大数据解决方案，帮助企业实现增效降损，提高业务能力
鹏博士电信传媒集团股份有限公司
2021-02-01
航空机务组工具库房管理方案｜从工具管理，到FOD精细化的全面提升
斯科提出一套基于RFID技术的航空机务组RFID智能工具库房整体解决方案，通过标准化、智能化与数据化手段，构建更安全、更高效的机务组工具库房运行管理体系。
深圳市斯科信息技术有限公司
2025-12-09
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12