个人信息 / 上海 / 工业与 AI
胡生翔Hu Shengxiang
工业数字孪生与 AI 应用解决方案工程师
我关注工业系统、数字孪生和 AI 应用之间的结合。学习与工作经历让我接触了生产流程、自动化、仿真、人机交互和软件工具,也让我逐渐开始思考:如何把分散的工程信息组织起来,让复杂系统更容易被理解、验证和使用。现在,我希望继续探索 AI 如何进入具体流程、帮助人完成工作。
个人信息 / 上海 / 工业与 AI
工业数字孪生与 AI 应用解决方案工程师
我关注工业系统、数字孪生和 AI 应用之间的结合。学习与工作经历让我接触了生产流程、自动化、仿真、人机交互和软件工具,也让我逐渐开始思考:如何把分散的工程信息组织起来,让复杂系统更容易被理解、验证和使用。现在,我希望继续探索 AI 如何进入具体流程、帮助人完成工作。
生产系统、流程分析、运筹与工业工程方法,从整体流程和资源关系的角度理解制造系统。
人机交互、界面设计、数据分析与工程系统,关注技术如何被人理解、使用和接受。
工业仿真、虚拟调试、数字化培训与系统集成开发,理解数字模型如何进入真实的工程流程并产生实际价值。
连接仿真工具、工业数据和可解释智能系统。
体验企业实践、个人探索和研究工作的有趣项目,感受在工业仿真、工具构建、数据分析与人机交互方面的不同想法。
复用虚拟调试资产,自动识别站点并继承标准故障库,构建覆盖设备生命周期的数字孪生培训平台。
成果全球部署覆盖 1000+ 培训用户,沉淀 200+ 可复用故障场景,并将故障排除能力提升了 25%。
操作步骤
这是一个基于数字孪生的工业培训平台:复用虚拟调试阶段建立的模型与控制逻辑,并将其拓展为贯穿生产系统生命周期的可复现故障培训与验证能力。
工业故障排除培训长期依赖真实设备和难以稳定复现的现场故障,成本高、风险大,也难以规模化;如果为培训单独重建数字孪生,又会带来可观的建模成本。与此同时,虚拟调试阶段已经完成的模型与控制逻辑在投产后往往没有被持续利用,因此需要把既有资产拓展到生产系统全生命周期,减少重复工程投入,并形成新的培训业务。
平台通过统一接口层连接虚拟调试模型、PLCSim 与基于 OPC UA 的 HMI:系统自动识别站点设备、信号点和训练对象,从标准化故障库继承适用场景并生成站点级培训配置,再通过多层级故障注入同步驱动 PLC 变量、数字孪生对象行为和 HMI 报警,使用户能够在不影响生产设备的情况下完成故障配置、复现、诊断与恢复验证的完整流程。
平台已在德国、匈牙利、墨西哥、中国和美国的五座工厂落地,并支持新一代电池生产相关的开发与培训场景。全球部署覆盖 1000+ 培训用户,沉淀 200+ 可复用故障场景,并将故障排除能力提升了 25%。
站点内容经识别后继承标准化故障列表,形成站点训练配置,再同步驱动三个验证对象。
使用结构化文档描述工业场景,通过意图识别自动生成数字孪生,并在同一框架中完成缺陷模拟与工程输出。
成果结构化 YAML 与三维位姿在四类可复现缺陷场景中保持双向同步,并从统一场景状态生成 USD、Metadata 与相机输出。
交互路径
这是一个配置驱动的工业仿真框架:以结构化文档统一描述场景,自动搭建数字孪生,同时支持缺陷模拟、三维参数回写与按需输出。
工业数字孪生和仿真数据生产仍高度依赖人工搭建 USD 场景、摆放资产和调节参数;当场景发生变体或需要复现缺陷时,工程师往往需要重复建模并重新整理输出资料,导致成本高、复现性不足,也难以把场景知识复用到其他站点和项目。
框架将意图识别、结构化描述、数字孪生构建、缺陷模拟和输出生成串联为一条配置驱动的流程:场景需求被转换为 YAML 配置,可复用资产、材质和对象关系据此自动组合为 USD Stage 与层级树;三维编辑会把位姿回写文档,参数化缺陷与正常状态共用同一场景定义,报告、结构树、Metadata 和场景截图则从同步后的状态按需生成。
框架将原本分散的场景搭建、缺陷复现和资料输出整合为可复用流程。同一份结构化文档可以持续驱动数字孪生与多种工程输出,资产、意图规则、故障模型和输出模块也能够独立扩展,便于迁移到不同站点、项目和仿真数据任务。
场景需求先被识别并写入结构化文档,文档驱动数字孪生场景与层级树自动生成;三维编辑和缺陷模拟持续更新统一场景状态,报告、结构树与场景截图再从该状态按需输出。
把抽象的气功动作转化为个体相对评分、统计证据与关节级反馈,并通过 20 余名被试验证。
成果项目通过 20+ 名被试验证了 6 组关节相对评分,并将动态与群体统计可视化整合为可复用的运动评价框架。
交互路径
一项将资深动作转化为可复用相对评价框架的人因工程研究,覆盖实验设计、运动学数据处理、统计可视化与个体反馈。
气功动作较为抽象,难以用单一绝对值评价。被试的身体比例、活动范围与动作幅度各不相同,单纯观察既主观,也难以定位需要修正的关节和动作阶段。因此,项目需要建立兼顾客观性与个体差异的评价依据,通过群体统计验证其稳定性,并说明教学视频应如何呈现动作。
项目基于资深运动员和教学视频完成实验设计、参考动作定义与评分逻辑设计;合作企业提供计算机视觉识别与骨架序列,项目则依据气功运动的动作特征研究并筛选关节角度、速度、加速度、角速度与角加速度作为评价维度,再使用 MATLAB、RStudio 完成数据清洗与处理,并依据相关性和动作模式建立不依赖绝对幅值的个体相对评分。动态关节诊断与箱型图、平均数、中位数、四分位数和置信区间结合,使个体反馈与群体统计证据可以共同验证。配套眼动实验进一步形成兴趣区域分析与教学视频拍摄规范。
20 余名被试的测试把个体相对关节评分与动态、群体两级证据连接起来;统计图表呈现差异、集中趋势与不确定性,参与者增加后评价依据也逐步稳定。项目最终沉淀出可迁移到其他运动的实验与数据评价框架,以及基于眼动兴趣区域形成的教学视频拍摄规范。
合作企业提供 CV 骨架序列作为数据输入;项目贡献从实验与评分标准设计开始,贯穿运动学数据处理、相对评价、统计验证与可视化反馈,并通过眼动研究补充教学视频规范。
其他企业项目、个人项目与研究实践。展开后可以查看完整背景、方案、结果与相关技术。
基于 Unity 与 JSON 结构化文本快速生成工业产线场景,支持组件信息查看与基础故障模拟。

基于 Unity 与 JSON 结构化文本快速生成工业产线场景,支持组件信息查看与基础故障模拟。
工业场景的手动搭建与组件整理较为耗时,也难以快速验证不同产线结构。该项目尝试通过统一的结构化描述生成场景,同时让产线组件及其功能信息保持清晰、可追踪。
系统读取 JSON 配置,在 Unity 中自动生成 Line / Station / Device 层级结构,并按照统一规则为组件命名。相同的数据结构可用于生成简单或复杂场景,使产线布局、组件关系与功能信息保持一致。
完成了一个结构化文本驱动的产线快速建模原型,验证了从配置到场景结构与交互展示的生成流程。该项目侧重快速建模和系统表达,不代表完整的工业仿真系统。
一个能够记录长期与短期目标、关注个人兴趣,并持续筛选和推送相关新闻与信息的桌面私人助理。

一个能够记录长期与短期目标、关注个人兴趣,并持续筛选和推送相关新闻与信息的桌面私人助理。
在快节奏的 AI 时代,有价值的信息很容易被持续更新的内容淹没。人们往往需要反复搜索新闻、记住尚未完成的计划,再把零散信息与个人目标重新联系起来。Aster 将这些需求集中到一个随时可用的桌面助手中。
Aster 不再让用户反复搜索和整理信息,而是把目标、提醒、兴趣与新闻放进同一份持续更新的个人上下文中,让收到的信息更相关、更及时,也更容易转化为行动。
Aster 将对话、目标、提醒与筛选后的新闻集中在桌面端,减少追踪重要信息所需的精力,也让每天的行动能够持续连接到更长期的方向。
一个面向工程设备选型的 AI 决策工作台,帮助工程师结合客观比较、项目经验与实际偏好选择合适的 PLC 平台。

一个面向工程设备选型的 AI 决策工作台,帮助工程师结合客观比较、项目经验与实际偏好选择合适的 PLC 平台。
工程领域的设备选型很少由单一参数决定。工程师需要同时权衡性能、成本、现有系统、团队经验、后续维护与项目风险。该项目探索 AI 如何参与决策端:整理项目需求、比较候选 PLC 平台,并解释客观结果与实际偏好之间的取舍。
这套决策方法把客观依据与主观判断分开处理,但不让两者相互替代:客观比较提供稳定基线,项目偏好反映真实工程条件,AI 则负责连接两者,解释取舍、提示不完整的判断,并将决策过程整理成可复核的建议。
该助手将高度依赖经验的选型讨论转化为透明的决策记录。工程师可以看到某个平台为何更合适、个人偏好如何影响结果、当前还缺少哪些信息,以及最终建议是如何形成的。
项目输入 → 比较标准 → 主客观评估 → AI 解释 → 风险与缺口检查 → 选型报告
一个辅助判断产线状态、分配诊断路径并分析潜在故障原因的工业 AI 助手。

这是一次面向工业故障诊断的 Agent 技术探索:将产线状态、报警信息、运行背景与专用工具连接起来,形成可重复、可解释的故障分析过程。
工业环境中的故障判断,往往要求工程师在有限时间内关联报警、设备状态、生产背景与历史观察。AI 的优势在于整理这些线索、将不同问题路由到合适的信息来源、比较可能原因,并持续呈现诊断路径,而不是只给出一次性的答案。
方案探索了一套 Agent 工作方式:先规划诊断步骤,再调用合适的工业工具收集信息,对证据进行复核,并在信息不足时调整诊断路线。记忆机制负责连接多轮上下文,可见的执行记录则让每项判断和建议都能被复核。
该项目说明工业 Agent 可以超越简单对话,支持一条完整的诊断路径:整理证据、路由工具、比较原因、保持上下文,并让每项建议都可复核。它为探索制造故障分析中的可解释 AI 辅助方式提供了实践基础。
[ 故障请求 + 生产背景 ][ Orchestrator ][ Planner ][ Executor ][ Reviewer ][ 复核 + 重规划回路 ][ 工业语义工具 ][ 上下文记忆层 ][ 执行记录 + 诊断输出 ]通过 OPC UA 与 REST 将 PLC 控制的设备状态同步到 Unity,让工业控制过程以完整连贯的数字形式呈现,复现生产数字孪生链路。

这是一个简单的工业数字孪生系统,将 PLC 逻辑仿真、工业通信、应用服务与 Unity 场景连接起来,使设备与逻辑状态变化能够沿完整数据链路被观察和理解。
工业系统数字化中的控制逻辑、通信服务与三维可视化经常被分开理解。工程人员很难直观看到一个 PLC 信号如何转化为应用状态、设备变化如何穿过各个软件层,以及数字场景是否始终与控制行为保持一致。
系统通过 OPC UA 提供 PLC 仿真状态的输入输出,由 REST 服务整理设备数据,再将其映射到 Unity 中对应的对象与行为。Unity 交互可改变接口变量,经 OPC UA 与 C# 脚本模拟的 PLC 完成数据传输与逻辑运算,再将结果返回为 Unity 对象行为,使整个链路清晰可追溯。
该系统将工业控制逻辑到可视化数字场景的完整路径组织成一个连贯模型,简单复现了现行数字孪生的框架结构。
控制链路:PLC 逻辑仿真 → OPC UA 数据层 → REST 应用服务 → Unity 状态映射 → 数字孪生界面 交互链路:数字孪生界面 → Unity 交互变量 → REST 应用服务 → OPC UA 数据层 → PLC 逻辑仿真 → 状态反馈
通过插件将外部系统通信能力集成到数字孪生环境中,减少额外软件依赖,并提升模型在不同项目中的复用能力。

这是一个数字孪生系统集成项目,通过可复用插件在仿真环境中封装外部系统通信能力,在保留系统集成能力的同时减少额外依赖。
原有数字孪生工作流需要依赖额外软件与外部系统通信,增加了配置、维护与成本负担,也限制了数字模型在不同项目中的复用效率。
项目工作覆盖现有通信需求分析、插件架构设计、开发与数字仿真环境集成。通过插件封装所需的通信能力,降低数字孪生模型与外部实现之间的耦合,并支持该能力在不同产线项目与数字模型中复用。
方案减少了额外软件依赖及相关成本,并提升了通信能力在多个产线项目与相关数字孪生模型中的复用效率。
多模态线索引导用户穿越复杂空间,寻找目标。

这是一个结合视觉、听觉和环境交互线索的三维导航与交互系统,提升用户在复杂场景中的沉浸体验和感知质感。
传统三维场景中的导航方式往往依赖地图侧的提示,这会增加认知负担,对于需要沉浸体验的场景会破坏体验感。
导航系统结合场景交互,让路灯光强变化、脚步回音与萤火虫引导用户,帮助用户逐步接近目标。
该项目将用户满意度提升了 30%,降低了认知负担,并验证了多模态引导对比传统地图指引在特定场景的更优表现。
算法部分:用户实际位置 + 目标点 + 环境触发点 → 三角形面积判断 → 确定交互触发方向 交互部分:用户移动方向 + 下一步行为 → 选择环境节点 → 光线 / 声音 / 环境反馈
把生产冲突转化为可计算的调度模型。

这是一个基于加权矩阵逻辑的调度模型,针对客制化产品需求完成生产计划的自动排班。
生产计划需要同时兼顾标准化吞吐效率和客制化订单要求,但现有排产方式缺乏结构化的优化模型。
面对不同订单剩余工作量与有限工时之间的冲突,模型将生产状态转化为剩余工作量矩阵与工时分布矩阵,再通过权重调整客制化需求的优先级,最终生成对应的生产调度结果。
该模型为效率与客制化之间的平衡提供了结构化方法,验证了调度决策从经验判断转化为可计算逻辑的方案。
纽扣产线的精益生产方案优化。

这是一个流程优化项目,通过价值流图分析识别纽扣制造流程中的瓶颈和非增值步骤,并使用经典工业工程方法优化流程布局,提高生产效率。
纽扣生产制造过程中存在流程浪费,实际生产效率与整体产能计划出现偏差,需要结合工业工程方法识别瓶颈并提高生产效率。
通过 VSM 梳理生产流程并定位问题节点与瓶颈,结合视频分析与标准工作单元分析,形成设备布局与工作流程的优化方案。
优化方案提升了生产效率,并将原有瓶颈从关键生产节点转移,改善了整体流程的产能表现。
这些能力来自实际工作、研究和个人探索,也在不同项目中以不同方式交叉出现。