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
AI颠覆预计将在2026年持续,推动企业适应不断演进的技术并扩大规模。国际奥委会、Moderna和Sportradar的领导者在纽约路透社峰会上分享了他们的AI策略。讨论焦点包括自建AI与购买第三方资源的选择,AI在内部流程优化和外部产品开发中的应用,以及小型模型在日常应用中的潜力。专家建议,企业应将AI建设融入企业文化,以创新而非成本节约为驱动力。
字节跳动等机构联合发布GAR技术,让AI能同时理解图像的全局和局部信息,实现对多个区域间复杂关系的准确分析。该技术通过RoI对齐特征重放方法,在保持全局视野的同时提取精确细节,在多项测试中表现出色,甚至在某些指标上超越了体积更大的模型,为AI视觉理解能力带来重要突破。
Spotify在新西兰测试推出AI提示播放列表功能,用户可通过文字描述需求让AI根据指令和听歌历史生成个性化播放列表。该功能允许用户设置定期刷新,相当于创建可控制算法的每周发现播放列表。这是Spotify赋予用户更多控制权努力的一部分,此前其AI DJ功能也增加了语音提示选项,反映了各平台让用户更好控制算法推荐的趋势。
Inclusion AI团队推出首个开源万亿参数思维模型Ring-1T,通过IcePop、C3PO++和ASystem三项核心技术突破,解决了超大规模强化学习训练的稳定性和效率难题。该模型在AIME-2025获得93.4分,IMO-2025达到银牌水平,CodeForces获得2088分,展现出卓越的数学推理和编程能力,为AI推理能力发展树立了新的里程碑。