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
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。