程序聚合 软件案例 文昌超级工厂

文昌超级工厂

2026-10-12 14:18:28
行业:智慧数字孪生、物流仓储
载体:网站、框架或代码包
技术:Java、Spring、Spring Boot、Vue

业务和功能介绍

本项目服务卫星总装测试现场。计划、工艺、物料、检验和物流原来分散在不同系统,工位执行靠人工传递,结果不能及时回到工单上。立项目标是在制造执行平台上建成 MES:按工单、工序、工步组织作业,把仓储、试验检验和审批接进来,使任务可接收、过程可采集、结果可追溯。

核心功能分八块。一是基础数据,接收物料、设备、工具工装和制造 BOM。二是计划与工单,接收生产计划并按站点、工位下发。三是作业准备,包括人员资质、工艺附件、环境数据和设备点检。四是工序执行,覆盖开工、工步采集、物料装配与拆卸、工装和辅料、完工检查。五是检验回传,包括通用检验、力学、站点、热实验、电测和拍照声像,支持附件。六是仓储物流,包括叫料、配送、转运、入库、退库、临时补料、整星和工装出入库、空托盘回库。七是异常,现场填报确认,并接收环境系统异常。八是审批提醒,通过飞书卡片通知待办。

业务路径按一张工单走通:外部下发计划和 BOM 并生成工单;站点接收时若存在多个接驳位,先选定起点和终点,再向仓储下发配送或转运;准备完成后工序开工,工步采集并完成装配;试验或检验系统回传结果,关键检推送审批;完工前核对采集、物料、工装、辅料四类实绩;仓储回写执行结果后关闭物流任务。

项目实现

整体代码按控制器、服务、领域对象和接口对象分层。现场终端走内部接口;ERP、WMS、检验设备和 EMS 走开放接口;调用仓储使用 OpenFeign。业务服务使用 Java 8 和 Spring Boot,业务对象使用内置封装 模型,数据库使用达梦。外部接口使用 Shiro 和 JWT 鉴权,并用 SpringDoc 生成文档。设备采集使用 Eclipse Milo 接入 OPC UA,定时任务使用 Quartz。审批消息使用飞书开放接口发送卡片。接口日志和平台事务用切面统一处理。

我负责工序执行,以及工序和仓储、检验的衔接。工序侧实现开工、完工检查、物料及工装辅料的装配与拆卸、采集保存和四类实绩查询。检验侧打通通用检验、力学、站点、热实验、电测、拍照声像六类回传,结果和附件写入检验记录。仓储侧处理入库、配送、转运、退库、临时补料和整星出入库的执行反馈,并在工单接收时按接驳位下发配送或转运。工位可以按当前任务查看工序和实绩,外部结果能够回到对应工单。

示例图片视频


Manuel
1天前活跃
方向: 后端-Java、前端-Web前端、
交付率:100.00%
相似推荐
情绪检测
本工具基于 Python 开发,通过人脸识别与情感分析算法,精准识别用户面部情绪状态,实现高效的情绪检测能力。该工具应用场景广泛:在心理咨询领域,可辅助咨询师洞察来访者的真实情绪变化,提升沟通与干预效果;在校园安防方面,可实时监测学生情绪波动,及时发现异常状态并预警,守护校园安全。系统采用轻量化架构,运行高效、部署灵活,便于集成到现有业务平台中,为心理健康关怀与安全防护提供智能化、数据化的有力支撑。
基于神经网络的游戏动画系统
MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统,旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然,以及角色运动与动画表现难以协调等问题。 项目以神经网络动作生成技术为核心,结合游戏引擎的角色运动系统,实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。 主要功能包括: 动画数据采集与处理: 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息,完成骨骼映射、数据清洗、质量审核与训练数据集构建。 AI 动作模型训练: 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能,支持模型检查点管理、训练指标记录及实验评估。 条件动作生成: 利用角色根运动轨迹、历史动作状态及参考姿态等条件,生成连续骨骼动作,研究不同运动条件下的动画生成效果。 复杂动作约束: 针对跑酷、跨越障碍等复杂场景,支持参考姿态引导及关键帧约束,改善动作准确性与空间匹配效果。 UE 动画集成与验证: 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力,支持生成动作的预览、重建、测试及效果分析。 模型评测与对比: 通过骨骼位置误差、运动连续性、关键帧约束误差等指标,对不同模型及优化方案进行定量分析。 项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设,为智能角色运动与游戏动画自动化提供技术基础。
基于 n8n 的社区团购订单自动归集与对账系统 - 飞书多维表格
立项背景和目标: 社区团购商家通常同时运营多个小区的团购业务,订单分散在各处, 每天需要人工汇总到表格、再逐个小区生成对账单。三个小区的情况下, 人工处理约需 1.5-2 小时/天,且极易出现漏单、金额对不上。 目标是让这套流程全自动跑:订单自动归集 → 自动生成分小区对账单 → 异常自动告警,把每天 2 小时的人工压到 0。 软件功能、核心功能模块: 1. 定时触发模块:每天固定时间自动启动,无需人工干预 2. 多源数据读取:对接飞书多维表格开放 API,分页拉取三个小区的订单表 3. 数据清洗与合并:统一字段口径,合并去重,处理缺失值 4. 分类汇总:按小区维度聚合,计算应收、已付、差额 5. 异常检测:金额不一致、状态异常、重复订单自动标记 6. 结果写回:汇总结果写回多维表格,供商家和团长直接查看 7. 失败告警:任一步骤失败自动重试 3 次,仍失败则推送群告警 业务流程、功能路径: 每天 20:00 定时触发 → 读取运行参数 → 换取 tenant_access_token → 逐小区分页读取订单 → 展开为明细行 → 批量写入汇总表 → 生成分小区对账单 → 判断是否启用对账推送 → 异常则发群告警
多端AI问答系统(SSE流式输出)
立项背景:随着大语言模型的普及,传统企业与用户对智能对话的需求激增。旨在构建一个前后端完全解耦的 AI 问答系统,支持多端接入,提供流畅的流式对话体验。 核心功能:支持 SSE 全链路流式对话(包含start/content/reasoning/done/error五类事件);多会话管理(新建、切换、重命名、置顶、逻辑删除);Markdown 渲染、思考过程折叠展示、多模型切换、Token 用量统计与 API 调用日志,以及四维 IP 限流。 业务流程:前端发起对话请求 → 后端校验限流 → 组装历史消息并调用大模型 API → SSE 逐字返回前端实时渲染 → 消息落库并记录 Token 与耗时。
基于RAG的多租户AI客服SaaS-wali-ai
立项背景和目标: 小微企业客服人力有限、游戏规则分散、夜间无人值守, 重复咨询淹没客服; 通用大模型不了解业务规则, 会张冠李戴甚至编造规则和价格. wali-ai的目标是让运营者用自己的知识库, 7x24自动回答玩家问题, 答不上来就兜底或转人工, 以及记录,绝不编造. 软件功能与核心模块: 多租户SaaS控制面(注册即获默认租户与工作空间、两级角色权限、按套餐的对话条数/知识库数量/容量/席位/Token额度五维配额); 知识库管理(文件导入, 切片可视化编辑与检索测试); 自研RAG引擎(向量+关键词混合检索、RRF融合、Rerank重排、置信度评估); Agent编排(意图判断、会话上下文、人设提示词、闲聊/固定兜底双模式); 多渠道接入(游戏内Lua桥接、QQ群NapCat、网页悬浮球SDK、开放API); 会话管理与人工接管; 未回答问题沉淀反哺知识库; 运营统计与全量审计. 业务流程: 注册登录->创建游戏服与机器人->建知识库导入文档->自动切分并向量化索引->配置渠道->玩家在游戏内/QQ群/网页提问->统一网关验签、幂等、路由->Agent意图判断->RAG混合检索->大模型生成带来源引用的回答->写回会话、用量与审计->低置信度时兜底或转人工, 管理员在管理端查看会话、反馈、用量与配额.
帮助文档   Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服