至顶网CIO与应用频道 11月10日 北京消息:制造商和 OEM 通常将他们的服务部门视为成本中心,在这一领域,必须要订购、储存或翻新部件,或者必须高效地管理、部署和使用技术人员。近来,制造领域兴起了一股高调服务保证合同的趋势,重新燃起了对服务的兴趣。这一次,服务不再是一种成本债务,而是变成了产生收益和利润的源泉。
为了管理服务备件(这是很多制造商和 OEM 业务的重头部分),服务主管尝试过多种解决方案,从多列式电子表格到先进的服务备件规划软件解决方案,以及他们已经用来管理其他业务职能的企业资源计划 (ERP) 软件。但是,使用 ERP 系统来进行服务备件规划和管理犹如用茶匙挖沟,结果可能会如您所愿,但归根到底,这并不是茶匙的用途。
下面是 ERP 系统会造成资金耗费的四个方面:
1、ERP系统不会进行优化
ERP系统是为管理和规划业务的各个方面而设计的,它本身不是为了优化业务。这是什么意思?在整个组织内,服务备件管理总是会涉及某种形式的服务备件折衷或平衡。ERP系统是为了按照成本、位置或其他参数对部件进行分类而设计的,同一类下的所有部件会得到相同的对待。在 ERP 系统中,不会解释每个部件的特性或特质。这样一来,对于有着多个部件位置和多种服务水平期望的服务部门来说,ERP 系统就无法提供有效的服务,因为所有位置的所有部件都会得到相同的对待。如果平衡各种服务水平,就会存在很大的部件超购风险,或者未储存正常运行所需的关键组件。
2、库存水平和供应比率仅仅是开始
如果仅仅是有部件可供应,并不能保证设备的正常运行,服务部门可能会发现自己未能满足服务级别协议,而同时又显示出可以接受的现货供应率。这是怎么发生的呢?他们储存着错误的部件,或者在错误的地点储存着正确的部件。ERP系统没有相应的机制在部件库存水平与满足服务级别之间建立关联。他们所能做的只是在每次索求部件时衡量部件的供应情况。要将供应率与满足多个位置的服务级别协议相关联,您需要一种具有内置统计建模功能的软件解决方案。而且,供应率是最容易计算的服务指标之一。要将供应链与设备正常运行时间以及与停机相关的成本相关联,将会复杂得多。无法建立这些关联的系统将会耗费您的钱财,甚至更糟,白白错失潜在收益。
3、ERP在设计时未考虑服务因素
服务部门可能分布在全国各地甚至全球,所负责的对象可以是螺母和螺栓,以及价值数百万美元的组件(例如,发动机和涡轮机)。每个组件及组件位置并不是凭空存在的,它所处的环境包括客户、特定用例,以及数不清的排列,这些会影响部件的使用方式和使用率。ERP不是为了说明产品结构系统、不同部件位置和服务中心而设计的。ERP核心部分就是一个总账,或者是一个交易系统,而不是校准方法。当系统不是为服务而设计的时,服务部门不得不做大量的估算工作,通常会偏向谨慎,或出现超购,最终导致高库存水平成本,以及过时部件成本,更不必说库存积压的成本。
4、ERP不会产生新的收益流
使用专为制造服务业而设计的服务备件管理系统,您可以同时提升总收入和净收益。如何实现?服务备件和一般服务的利润高于原始设备,因此,部件销售和设备服务如果做到最好,就可以产生额外收入和更高的利润。不仅如此,当拥有可以预测、优化并调整部件的系统,以便与服务级别协议相关联时,您还可以确保对自己的部件和服务进行适当的定价。甚至,通过构建合同模型这种 ERP 不可能做到的事情,您可以对基于服务的合同进行竞价。您的服务备件管理软件可以成为一项独特的竞争优势。
过去,只有服务部门关心服务和服务备件,但是,通过提供差异化的服务选项带来新收益和利润增长,服务部门可能会变成明星部门。您还在使用 ERP 系统管理部件吗?请参阅我们这里的白皮书,了解如何能够将部件转化为利润?
有关 PTC 服务备件管理解决方案的详细信息,请在此处访问我们。
好文章,需要你的鼓励
这项来自苹果公司的研究揭示了视频大语言模型评测的两大关键问题:许多测试问题不看视频就能回答正确,且打乱视频帧顺序后模型表现几乎不变。研究提出VBenchComp框架,将视频问题分为四类:语言模型可回答型、语义型、时序型和其他类型,发现在主流评测中高达70%的问题实际上未测试真正的视频理解能力。通过重新评估现有模型,研究团队证明单一总分可能掩盖关键能力差距,并提出了更高效的评测方法,为未来视频AI评测提供了新方向。
这篇来自KAIST AI研究团队的论文提出了"差分信息分布"(DID)这一创新概念,为理解直接偏好优化(DPO)提供全新视角。研究证明,当偏好数据编码了从参考策略到目标策略所需的差分信息时,DPO中的对数比率奖励形式是唯一最优的。通过分析DID熵,研究解释了对数似然位移现象,并发现高熵DID有利于通用指令跟随,而低熵DID适合知识密集型问答。这一框架统一了对DPO目标、偏好数据结构和策略行为的理解,为语言模型对齐提供理论支持。
VidText是一个全新的视频文本理解基准,解决了现有评估体系的关键缺口。它涵盖多种现实场景和多语言内容,提出三层评估框架(视频级、片段级、实例级),并配对感知与推理任务。对18个先进多模态模型的测试显示,即使最佳表现的Gemini 1.5 Pro也仅达46.8%平均分,远低于人类水平。研究揭示输入分辨率、OCR能力等内在因素和辅助信息、思维链推理等外部因素对性能有显著影响,为未来视频文本理解研究提供了方向。
ZeroGUI是一项突破性研究,实现了零人工成本下的GUI代理自动化在线学习。由上海人工智能实验室和清华大学等机构联合开发,这一框架利用视觉-语言模型自动生成训练任务并提供奖励反馈,使AI助手能够自主学习操作各种图形界面。通过两阶段强化学习策略,ZeroGUI显著提升了代理性能,在OSWorld环境中使UI-TARS和Aguvis模型分别获得14%和63%的相对改进。该研究彻底消除了传统方法对昂贵人工标注的依赖,为GUI代理技术的大规模应用铺平了道路。