至顶网CIO与应用频道 08月19日 北京消息:物联网(IoT)通过结合各种新技术和新思维方式,将供应链从一种不可避免的麻烦变成了关键的战略优势。
在过去,要获得并共享物体的实时数据和当前状态是不可能的,因此我们只能依赖一系列权宜之计来解决。这一点在供应链中最为突出。“那批关键货物到哪儿了?很有可能堵在半路上,或由于海啸在海上耽搁了,或由于订单处理人员工作负担过重而遭到搁置……”当然,我们会提出“适时”重新供应,不过最多也只能接近“及时”。
借助物联网,所有需要了解单个部件和整个供应链的实时数据的人都可以即时共享这些数据。有了区块链技术对系统进行整合和保护,以及3D打印和纳米技术等新型生产方式,企业精密度及整合度将达到前所未有的高度,新的收入来源更是如此。
一切变革开始于给所有物料精密地贴标签。物联网得名于麻省理工学院在1999年开始的项目,其核心在于引入RFID标签,这些标签至今仍是物联网的核心。如今,RFID标签上的传感器越来越普遍,发货人和客户不仅能够知道货物的方位,也能了解其状态:是否曾暴露于日光下?是否在过热或过冷的环境下(大约三分之一的食品因在运输途中因过热而变质)?集装箱是否有过损坏?联邦快递还利用Sensaware标签跟踪、报告以上变量,从而获得了新的收入来源。丹麦承运商马士基利用物联网对海上的30万台“冷藏集装箱”的状态进行跟踪,并最终希望利用该系统对集装箱进行预见性维护。
物联网供应链的一个显著优势在于其采用机器对机器(M2M)方式,实现采购自动化。凯普华的John Harrington表示:“通常情况下,供应链基于ERP系统——可以对消费和生产情况进行最优预估。但我们要看的不是计划生产、消费多少,而是目前正在生产、消费多少。”
精确又一次打败了预估。
过去的文化是通过积累数据获得战略优势,对于习惯于这种文化的人来说,通过上述新技术实现货物精确定位会迫使他们改进自己的观念。在物联网时代,优势则并非来源于数据积累,而是来源于数据共享。
例如,如果知悉货物的精确位置,就可以提出有创意的解决方案,运输部门可以结合位置数据以及天气和交通数据,提前规划运输路线,避免交通拥堵。
最精确的供应链结合了物联网与区块链,而区块链则是数据和共享融合的又一大例证。区块链原本是基于比特币的一种技术,却突然也在金融和医疗等众多其他领域显露极大的重要性。因为现今公众安全意识越来越强,经济的关联性越来越深,而这项技术与这些需求完美契合。区块链是一个巨大的“悖论”:之所以安全,恰恰是因为共享,没有人对其进行控制。过去,一本复杂交易或事件序列的账本之所以安全,是因为该账本受到某个人或银行之类的可信中介独家托管。如今,冗长的数据序列被分割为多个部分——或区块,用32位“哈希”码加密,存储在不同的计算机上。这一序列的各个部分称为区块,组合成为区块链。数据一旦输入,只有在所有区块持有者同意的情况下,才能更改。对于数据篡改或偷窃,这是万无一失的保护机制。
区块链与物联网结合后,不仅能确保知悉货物的内容、位置和时间,还能够创造新的企业营收。有位经营杂货店的朋友告诉我说,现在部分有机食品的标签里包含培育该食品的农场名称。John West在金枪鱼罐头上打上代码,让顾客可以追溯金枪鱼的来源,具体到渔夫,从而使销售额增长1700万英镑。新的物联网供应链实现了“预见性维护”,也就是通过获取产品实时状态的海量数据在潜在运行问题爆发前发现这些问题,在设备下一次处于空闲时更换这些零件。如果没有现成的备用零件,预见性维护创造的机会就失去了意义。
随着纳米技术(参见近期博文)和3D打印等新的产品设计和生产技术的出现,向物联网供应链的转型将会加速。这两项技术均能实现精确性:一点一滴建立项目,或给项目做加法,而不是像过去那样给项目做粗糙、昂贵而又耗时的减法。
在一款车型停产后,汽车厂商还要储存其零件长达10年。如果传感器在汽车行使途中检测到潜在问题,在几分钟内,数字设计图将从终端用户处下载至UPS集散中心的3D打印机,所需零件在一小时内即会被送至维修车间。这样,客户能提早拿到零件(而且,根据零件实际使用情况的物联网数据,还能在原设计基础上改善、升级该零件),汽车厂商也不需要维持庞大的零件仓库,来储存那些可能永远都用不上的零件。
向集成式物联网供应链转型甚至还能产生潜在的环境效益。由于人们对资源枯竭和废物处理深感担忧,“循环供应链”的新风潮随之出现。在这种供应链中,产品或者可以持续更新和升级,或者在到达使用寿命后,需要对零部件加以回收和融化处理,用来制造新的零部件。
物联网供应链将空前精确,这是一个双赢的局面:更廉价、更快速,质量更高。
W. David Stephenson就职于Stephenson Strategies,是物联网领域的思想领袖和咨询师。在非公司类物联网博客中,他的博客在谷歌排名前列。马上注册LiveWorx,听他讲述ThingWorx:变革性管理的平台。
好文章,需要你的鼓励
中科大团队开发出LongAnimation系统,解决了长动画自动上色中的色彩一致性难题。该系统采用动态全局-局部记忆机制,能够为平均500帧的动画进行稳定上色,性能比现有方法提升35-58%。核心创新包括SketchDiT特征提取器、智能记忆模块和色彩优化机制,可大幅提升动画制作效率。
传统数据工程面临数据质量差、治理不善等挑战,成为AI项目的最大障碍。多智能体AI系统通过协作方式正在彻底改变数据准备、治理和应用模式。Google Cloud基于Gemini大语言模型构建协作生态系统,让不同智能体专门负责数据工程、科学、治理和分析等任务。系统通过分层架构理解组织环境,自主学习历史工作流程,能够预防问题并自动处理重复性任务,大幅提升效率。
南开大学团队开发出DepthAnything-AC模型,解决了现有AI距离估算系统在恶劣天气和复杂光照条件下性能下降的问题。通过创新的扰动一致性训练框架和空间距离约束机制,该模型仅用54万张图片就实现了在雨雪、雾霾、夜晚等复杂环境下的稳定距离判断,同时保持正常条件下的优秀性能,为自动驾驶和机器人导航等应用提供了重要技术支撑。