至顶网CIO与应用频道 11月10日 北京消息:从航空引擎到打印机,所有制造商和 OEM 都明白,相比于原始销售,在设备生命周期内提供服务可以让企业赚取多得多的收益。这样一来,优化和管理服务部件库存便成为在售后市场取得成功的关键所在。服务部件规划的低效率可能会导致高库存投资、低客户服务水平,以及高过剩成本和过时成本。为了完全实现库存优化的潜力,需要结合正确的业务目标对问题进行建模,同时适应特定的需求。需要谨记的部分事项:
优化位置与部件组合
考虑不同层级的交互作用
部件和位置折衷
在选择要储备的部件以及储备数量时,库存优化算法会考虑多种部件及多个层级之间的折衷。如果在一次折衷中同时考虑螺母、螺栓和发动机,则系统会将发动机视为昂贵的提议,因此可能会建议对其采取低库存或零库存。在大多数情况下,企业是不能接受这种解决方案的。一种有着商业敏锐性的方法是,对多个部件组或细分进行建模,使之各自处于一定的部件成本段内,因此,可以在成本相当的部件之间进行折衷。
为了根据业务需求进行有效的库存优化,重要的是要将部件分组成不同的细分段,而且这些细分段与业务保持一致。当细分段中的部件彼此为库存而竞争时,细分方案需要对部件进行适当的分组,使之能够用可接受的方式进行折衷并一起进行计量,这是一种 ERP 和电子表格达不到的高级功能。
例如,如果企业有 X 射线和 MRI 设备两个产品线,则可能无法接受将两种产品的部件组合到一个细分段内,X 射线业务需要独立于 MRI 业务之外,满足自己的目标。根据行业状况,细分方案可能基于很多不同的因素,例如,部件类型、寻购、重要性、预算等;但是,中心主题是,同一细分段中的部件应该具有共同的规划目标,还要能够彼此竞争。
实现潜力
当服务矩阵从交易性损后修理业务转变为由正常运行时间和资产供应情况组成的可用性矩阵后,部件与位置的相互依赖在全球制造运营中的作用将变得至关重要。制造商需要一种高等能力来了解如何储备服务部件(相比于组件和资产),还需要一种整体视角来了解各组件如何协同运行,这将依赖于包括位置在内的大量因素。
资本设备依赖于在适当的地点、适当的时机,储备适当的部件,而这需要在整个服务网络及其层次水平上具备全面的视角。除此之外,制造商还必须考虑不同位置的间断性需求,以及不同位置之间的依赖关系,以便做出准确、可盈利的库存和业务决策。行业领导者如何通过着眼于多级优化,来管理他们的全球服务运营呢?阅读这里的案例研究。
好文章,需要你的鼓励
Hugging Face推出开源工具Yourbench,允许企业创建自定义基准来评估AI模型在其内部数据上的表现。这一工具通过复制大规模多任务语言理解基准的子集,以极低成本实现了对模型性能的精确评估。Yourbench的出现为企业提供了更贴合实际需求的AI模型评估方法,有望改善模型评估的方式。
Cognition AI 推出 Devin 2.0,这是其 AI 驱动的软件开发平台的更新版本。新版本引入了多项功能,旨在提升开发者与自主代理之间的协作效率。最引人注目的是,Devin 2.0 的起价从每月 500 美元大幅下调至 20 美元,使其更易于普及。新功能包括并行 Devin、交互式规划、代码库搜索等,有望提升开发效率并增强用户控制。
安迪·卡拉布蒂斯是一位杰出的CIO,她的职业生涯横跨多个行业和地区,经历了多次变革时刻。她在福特和通用汽车锻炼了领导力和技术专长,后来在戴尔、拜奥根和国家电网等公司担任高管,推动战略创新。本文总结了她对IT领导者核心技能的见解,包括战略沟通、情商、协作、远见卓识、变革管理和敏捷性等,对当今IT领导者具有重要参考价值。
边缘 AI 计算将使人形机器人、智能设备和自动驾驶等应用从数据中心和云端服务器解放出来,转移到制造车间、手术室和城市中心等场景。它能实现低延迟和自主决策,使 AI 无处不在,推动工业设施全面自动化,彻底改变商业和生活方式。边缘 AI 正在快速发展,各大科技公司纷纷推出相关硬件和软件平台,未来将为各行各业带来巨大变革。