© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
绍兴市柯桥织造印染产业大脑运营有限公司
企业绍兴市柯桥织造印染产业大脑运营有限公司成立于2022年，属互联网和相关服务，主营第二类增值电信业务。面向纺织印染、工艺优化、生产调度等领域提供数据服务，开放2024年-2025年纺织印染行业面向生产工艺预测的（纺织印染、工艺优化）、织造印染生产调度系统（生产调度、印染行业）、织造印染设备运维系统（工业设备运维、数据分析），支撑监测研判与运维优化。
纺织印染工艺优化生产调度互联网服务
数据集列表
设备停机故障溯源与复产效率提升数据集
本数据集依托千问大模型能力，解决制造业设备停机故障定位效率低、复产周期长、故障经验难以沉淀复用的痛点，通过 AI + 人工双重标注实现故障诊断流程自动化与标准化。应用场景覆盖从设备故障发生、诊断、维修到复产全流程的在线实时监控、离线故障分析及设备效能追溯。通过深度融合“故障现象—根因分析—维修措施—复产效率”全链路数据，助力企业实现从“被动维修”到“主动预测”的闭环管理：一方面用于训练高精度 AI 故障诊断模型，支撑设备运行全量在线监测，实现故障事中预警与快速定位，降低非计划停机率与维修成本；另一方面通过对故障类型、根因分析、风险等级的统计分析，定位高频故障成因、设备瓶颈与管理漏洞，为制造业设备管理向智能化、AI化升级提供关键数据支撑与决策依据。数据采集：
采集多家制造企业生产线中的设备停机故障记录与复产过程数据，数据来源为现场设备管理人员通过设备运维管理系统录入的故障工单、设备传感器实时采集的运行状态数据及维修人员的检修记录。采集的基础数据以“单次设备停机故障事件”为最小粒度，采集字段包括：设备编号、设备名称、故障发生时间、故障恢复时间、故障类型、故障部位、故障现象描述、复产准备时长(分钟)、标准复产时长(分钟)等基础字段，并基于此计算得到停机时长(分钟)、复产效率指数等衍生字段。
数据处理：
对采集到的原始故障工单与传感器数据进行清洗和标准化处理：
（1）剔除记录不完整、时间戳异常或故障分类标签冲突的异常样本，确保模型训练集的高质量；
（2）对停机时长、复产准备时长等时间型字段进行统一单位换算与格式校验，确保不同设备、不同产线间的时间指标具有可比性；
数据加工与分析：
基于清洗后的数据，对故障事件进行根因归因与效率指标计算，结合大模型Qwen2.5进行训练和微调，最后进行故障智能诊断，生成最终用于设备停机故障溯源与复产效率提升的数据集字段。各字段的算法规则与公式详细说明如下：
停机时长：停机时长 = 故障恢复时间 − 故障发生时间。记录从设备故障停机到恢复正常运行的实际耗时，该字段用于量化故障对生产的影响程度与设备可用性损失。
复产效率指数：复产效率指数 = 标准复产时长(分钟) ÷ 实际复产准备时长(分钟)。标准复产时长(分钟)取行业基准设定值30分钟，实际复产准备时长(分钟)为故障恢复后到设备满载生产所需的准备时间。该指数用于评估设备复产效率，指数越接近1表示复产效率越优。
AI 诊断结果：基于训练微调后的大模型Qwen2.5对故障现象描述、设备历史故障记录及传感器运行数据进行综合分析，自动识别故障类型与故障部位，与人工诊断形成交叉验证，提升故障定位准确率与诊断效率。
风险等级：结合停机时长、故障类型影响范围、设备关键度及历史故障频率，通过风险评估模型将故障事件划分为低风险、中风险、高风险、极高风险四个等级，用于指导维修资源调配与预防性维护策略制定。
浙江省数据知识产权登记平台2026-10-13 更新00
印染面料质量缺陷AI识别训练数据
本数据集依托千问大模型能力，解决印染行业人工目检效率低、标准不一、主观性强的痛点，通过 AI + 人工双重标注实现质检流程自动化与标准化。应用场景覆盖从织造到后整理全产线在线实时检测、离线抽检分析及质量追溯。通过深度融合 “AI 识别—疵点特征— 成因—处置” 全链路数据，助力企业实现从 “发现缺陷” 到 “解决缺陷” 的闭环管理：一方面用于训练高精度 AI 质检模型，支撑生产线全量在线监测，实现质量控制事中干预，降低漏检率与人力成本；另一方面通过对疵点原因、AI 识别结果的统计分析，定位高频疵点成因、设备瓶颈与管理漏洞，为印染行业质量管控向智能化、AI 化升级提供关键数据支撑与决策依据。1.数据采集：
采集多家合作印染企业生产线中的面料瑕疵视觉识别数据，数据来源为现场质检员通过拍摄并上传的高清图像及配套标注信息。采集的基础数据以“单个疵点实例”为最小粒度，采集字段包括：图片存储键值、疵点备注、建议等。这些字段构成了印染面料质量缺陷识别、定位及根因分析的基础数据来源。
2.数据处理：
对采集到的原始图像与标注数据进行清洗和标准化处理：
（1）剔除图像质量模糊、标注框严重偏移或分类标签冲突的异常样本，确保模型训练集的高质量；
（2）对坐标数据进行归一化校验，确保不同分辨率下的几何特征具有可比性；
3.数据加工与分析：
基于清洗后的数据，人工标注疵点坐标进行归一化处理，结合大模型Qwen2.5-VL进行训练和微调，最后进行疵点智能识别，生成最终用于质量缺陷识别的数据集字段。各字段的算法规则与公式详细说明如下：
（1）归一化中心点横/纵坐标：
归一化中心点横、纵坐标 = 疵点横、纵坐标 / 图像分辨率。质检员在定制化标注平台上划定的疵点边界框中心点，通过归一化处理，使坐标数据适配不同终端采集的图像。
（2）相对宽度/高度：
相对宽度、高度 = 宽度、高度 / 图像尺寸。标注框的长宽尺寸信息，该字段用于量化疵点的覆盖面积与影响范围。
（3）AI 识别结果：
基于训练微调后的大模型Qwen2.5-VL对面料图像进行识别，与人工标注形成交叉验证。
（4）疵点原因：
结合人工标注与大模型语义分析，关联疵点形态与生产工艺、设备状态，形成标准化成因标签。
浙江省数据知识产权登记平台2026-08-06 更新140
印染面料质量缺陷AI识别训练数据
本数据集依托千问大模型能力，解决印染行业人工目检效率低、标准不一、主观性强的痛点，通过 AI + 人工双重标注实现质检流程自动化与标准化。应用场景覆盖从织造到后整理全产线在线实时检测、离线抽检分析及质量追溯。通过深度融合 “AI 识别—疵点特征— 成因—处置” 全链路数据，助力企业实现从 “发现缺陷” 到 “解决缺陷” 的闭环管理：一方面用于训练高精度 AI 质检模型，支撑生产线全量在线监测，实现质量控制事中干预，降低漏检率与人力成本；另一方面通过对疵点原因、AI 识别结果的统计分析，定位高频疵点成因、设备瓶颈与管理漏洞，为印染行业质量管控向智能化、AI 化升级提供关键数据支撑与决策依据。
浙江省数据知识产权登记平台2026-07-17 更新290
区域纺织产业染整质量分析数据
本数据集旨在从产量和生产卡两个互补维度，量化评估区域纺织产业染整环节的生产质量效能与流程稳定性，为生产企业内部管理、行业质量对标及区域产业政策制定提供关键洞察。通过同时观察产出规模、一次性合格规模以及生产任务的问题广度，该数据集能够更精细地识别问题所在：是高产量下的质量波动，还是小批量多批次生产下的普遍性工艺问题。它可应用于识别生产瓶颈工序、优化工艺参数、评估质量改进措施（如设备升级、操作培训）的实际效果，并为区域产业链的协同质量提升提供数据驱动的决策依据。
特别地，综合质量效能指数通过引入滚动产量基准，有效剔除了季节性淡旺季和短期订单波动的干扰，能够更真实地反映区域染整质量的趋势性变化，为政府产业政策制定和企业管理决策提供更加精准的数据支撑。
浙江省数据知识产权登记平台2026-06-08 更新110
设备停机故障溯源与复产效率提升数据集
本数据集依托千问大模型能力，解决制造业设备停机故障定位效率低、复产周期长、故障经验难以沉淀复用的痛点，通过 AI + 人工双重标注实现故障诊断流程自动化与标准化。应用场景覆盖从设备故障发生、诊断、维修到复产全流程的在线实时监控、离线故障分析及设备效能追溯。通过深度融合“故障现象—根因分析—维修措施—复产效率”全链路数据，助力企业实现从“被动维修”到“主动预测”的闭环管理：一方面用于训练高精度 AI 故障诊断模型，支撑设备运行全量在线监测，实现故障事中预警与快速定位，降低非计划停机率与维修成本；另一方面通过对故障类型、根因分析、风险等级的统计分析，定位高频故障成因、设备瓶颈与管理漏洞，为制造业设备管理向智能化、AI化升级提供关键数据支撑与决策依据。
浙江省数据知识产权登记平台2026-09-20 更新90
区域纺织产业染整质量分析数据
本数据集旨在从产量和生产卡两个互补维度，量化评估区域纺织产业染整环节的生产质量效能与流程稳定性，为生产企业内部管理、行业质量对标及区域产业政策制定提供关键洞察。通过同时观察产出规模、一次性合格规模以及生产任务的问题广度，该数据集能够更精细地识别问题所在：是高产量下的质量波动，还是小批量多批次生产下的普遍性工艺问题。它可应用于识别生产瓶颈工序、优化工艺参数、评估质量改进措施（如设备升级、操作培训）的实际效果，并为区域产业链的协同质量提升提供数据驱动的决策依据。
特别地，综合质量效能指数通过引入滚动产量基准，有效剔除了季节性淡旺季和短期订单波动的干扰，能够更真实地反映区域染整质量的趋势性变化，为政府产业政策制定和企业管理决策提供更加精准的数据支撑。1.数据采集：
采集绍兴市柯桥区印染企业的质量检测与生产记录数据，数据来源为企业内部ERP系统及MES系统中的质检记录、生产卡记录、回修记录。采集的基础数据以“日”为最小时间粒度，采集字段包括：总产量、总生产卡数、一次检验合格产量、回修生产卡数，这些字段为染整质量分析的基础数据来源。
2.数据处理：
对采集到的原始质量数据进行清洗和标准化处理：
（1）去除统计口径不一、重复上报或产出量为负值的异常记录，确保分析对象为真实产出的成品数据；
（2）统一度量标准，将所有产量数据换算为标准单位（米），确保不同产品间的可比性；
（3）按照“分析日期”维度进行汇总，形成反映区域纺织产业染整质量水平的综合时间序列数据。计算“近30日平均产量”，以当前分析日期前30个自然日（不含当日）的总产量除以30得到，用于后续综合质量效能指数的规模基准参照。
3.数据加工与分析：
基于清洗后的数据，通过特定的算法规则进行计算和特征提取，生成最终用于评估的数据集字段。各字段的算法规则与公式详细说明如下：
（1）一次成功率（%）：
一次成功率 =（一次检验合格产量 / 总产量） × 100%。 该指标直接反映了印染工艺的稳定性和生产技术水平，是衡量“首检合格”能力的核心指标。
（2）回修率（%）：
回修率 = （回修生产卡数 / 总生产卡数） × 100%。 反映了生产过程中因质量瑕疵需二次加工的比例，回修率越高，说明生产成本控制与技术稳定性越弱。
（3）综合质量效能指数：
综合质量效能指数 = （一次成功率 × 0.6 + （100 - 回修率） × 0.4） × min(max(总产量 / 近30日平均产量, 0.8), 1.2) 。该指数从质量水平、过程稳定性、产能负荷三个维度综合评估区域染整产业的整体效能。其中，一次成功率与回修率分别以60%和40%的权重加权，反映质量与稳定性的相对重要性；总产量与近30日平均产量的比值（经0.8~1.2区间截断处理）作为规模调节因子，用于衡量当前产能负荷相对于近期常态水平的偏离程度。指数越高，表明区域在当前生产节奏下实现了更优的“质量-负荷”平衡。该指数适用于区域质量景气监测、异常预警触发及管理措施的滚动效果评估。
浙江省数据知识产权登记平台2026-06-24 更新100
区域纺织产业成品库存分析数据
本数据集旨在量化评估区域纺织企业成品的市场流动性与仓储管理效能，为产业链上下游的产能协同及金融物流服务提供决策依据。
1.区域产能动态调控
通过监控“当日入库数”与“产销率”的联动变化，识别产能过剩或不足的细分领域。当“产销率”持续低于划定的阈值且“期末库存”持续攀升时，需要引导企业调整生产计划提供依据。
2.区域产业健康度与竞争力评估
“库存周转率”是衡量区域纺织产业链运转效率的关键宏观指标。通过纵向对比历史数据及与其他区域的标杆对比，评估本地产业升级、物流设施改善等政策措施的实效，量化区域产业竞争力变化。1.加工前数据说明：
采集绍兴市柯桥区印染企业成品仓库的流转数据，数据来源为企业内部ERP系统及WMS（仓库管理系统）的入出库记录。采集的基础数据以“日”为最小时间粒度，采集字段包括：成品入库日期、成品出库日期、当日即时库存量等。这些字段构成了成品库存流动性分析的核心数据源。
2.处理规则：
对采集到的原始订单规模数据进行清洗和标准化处理：
（1）剔除非生产性入库（如退货入库、调拨入库）以及账面冲抵记录，确保分析对象为真实产出的成品；
（2）针对不同企业、不同品名的单位进行标准化统一（如：码转米），确保区域数据的可比性；
（3）按照“分析日期”维度进行汇总，形成反映区域纺织成品储备与去化能力的时间序列数据集。
3.数据内容描述：
基于清洗后的库存动态数据，对数据进行加工与分析。各字段的算法规则与公式详细说明如下：
（1）库存周转率（%）：
库存周转率=（分析日期当日出库数/平均库存数量）×100%。其中平均库存数量为（期初库存+期末库存）/2。
该指标反映了成品从入库到实现销售的循环速度。
（2）产销率（%）：
产销率=（当日出库数/当日入库数）×100%。
该指标通过当日“销”与“产”的直接比值，推导得出区域生产与市场需求的契合度。若长期低于100%则有区域性产能过剩风险；若长期高于100%则有供应紧张风险。
浙江省数据知识产权登记平台2026-04-28 更新200