售前：
我的工作台 |
退出
页面内容是否对您有帮助?
售前：
我的工作台 |
退出
整数控件计算有误
如表体里放入3个整数控件
int1,int2,int3
计算int3=int1/int2
计算结果：
int1=1,int2=2,结果int3=0
int1=3,int2=2,结果int3=2
int1=5,int2=2,结果int3=2
int1=7,int2=2,结果int3=4
......
结果默认是实现“四舍六入五成双”得计算方法。
四舍五入可以用round函数。
已有 1 个回答 | 1年前
已有 1 个回答 | 1年前
已有 1 个回答 | 1年前
已有 1 个回答 | 1年前
AI落地不仅是“会回答”，更是“能执行”。真正的价值在于智能体形成感知、决策与执行的完整闭环，从而自主完成任务。这要求系统具备环境感知、任务规划、工具调用、记忆学习等核心能力，最终实现从被动响应到主动服务的转变。
制造企业AI落地需构建从组织到文化的完整路径。关键在于设立专职团队，明确业务场景，并选择合适的技术平台。同时，必须培育数据驱动的文化，鼓励创新试错，并建立持续学习的机制，以系统化推进智能化转型。
AI产品推广需将“复制成功”转化为可执行动作。关键在于拆解标杆案例，提炼标准话术与功能清单，并针对不同行业与角色定制沟通材料。通过系统化的内容准备与分步运营，将复杂的产品价值清晰传递给目标客户，实现高效落地。
企业AI落地需从“样板间”走向规模复制。关键在于将已验证的行业解决方案，如金蝶云星空旗舰版针对细分领域的应用，转化为可快速部署的标准产品与功能模块，并辅以分角色的标准化话术与案例，实现跨企业的低成本、高效率复制，从而推动AI价值的规模化释放。
当前企业AI应用呈现热度高涨与落地能力不足的矛盾。一方面，市场对AI的期望与投入持续攀升；另一方面，企业在数据、算力、场景融合及人才储备上存在显著缺口，导致实际应用效果与预期存在反差，制约了价值实现。
AI通过实时监控生产数据，能自动预警质量异常，并快速追溯问题根源至具体工序、设备或批次。这形成了从预警、分析到纠正的闭环管理，显著提升了制造企业的质量韧性与持续改进能力。
AI通过优化制造企业的毛利、费用、库存与损耗四大核心环节提升利润质量。它精准分析成本与定价以提升毛利，智能管控各项费用，实现库存的动态优化与精准预测，并有效减少生产与仓储损耗。这为企业带来了更健康、可持续的盈利能力。
制造企业AI落地常因数据问题受阻。数据团队疲于“救火式”加班，根源在于缺乏统一的数据标准与治理体系。企业需建立标准化的数据治理流程，确保数据质量与一致性，为AI应用提供可靠燃料，从而将团队精力从重复劳动转向价值创造。
售后服务
徐少春个人号
扫码对话徐少春
加载中
添加专属企微客服
