至顶网CIO与应用频道 03月08日 北京消息:近日,IBM全球企业咨询服务部和魅族科技有限公司(以下简称“魅族”)联合宣布,由IBM为魅族规划、设计的全新S&OP(销售与运营规划流程)运营体系已正式上线并投入使用。新的体系对需求计划、产销协同以及供应计划进行了深度调优,使产销存达到合理平衡。自去年7月上线以来,该体系已经为魅族节省了3-4亿元的运营成本,为其实现“精简、高效、低成本运营”的经营理念提供了准确、高效、快速的决策平台。
魅族成立于2003年,是一家专注于智能手机等多媒体终端研发与设计的高科技企业。作为国内多媒体终端行业的知名品牌,魅族立足中高端市场,一直致力于向消费者提供国际一流性能和品质的电子产品。2017年,魅族全年总出货量近1681万台,销售额破200亿元。秉持着“追求源于热爱”的创业初衷,魅族更是将打造“千亿级企业”作为公司的全新战略目标。
随着5G、全面屏以及屏下指纹识别等新技术不断出现,手机市场的竞争愈演愈烈。在内外因素的共同驱动下,魅族决定全面升级自己的供应链管理体系,打造更加高效的产销协同与供需能力,以应对复杂多变的市场竞争,为实现战略目标奠定良好的基础。
在全球供应链咨询服务等领域拥有丰富的经验和实践。IBM在全球供应链领域有着从技术到实践的丰富经验,对电子制造行业、相关发展趋势以及关键成功要素有着深刻理解,自身的供应链转型历程也可以为客户提供实践经验和参考标杆。这些因素成为魅族选择IBM最主要的原因。
双方自2017年3月开始项目合作,花费近5个月的时间携手完成了共计三个阶段的工作。在前两个阶段,IBM通过访谈与调研等形式,对魅族所处行业与业务进行了细致的分析和梳理,并基于对魅族战略及运营目标的理解,对其产销存计划体系现状做出了评估。
评估结果显示,在需求端,魅族缺少与前端市场需求及时对接的通道,销售渠道无法参与需求计划管理,缺少完善的计划管理闭环,因此需求预测准确率偏低,无法较好的指导生产计划排程及物料备货;在供应端,由于缺少良好的产销协同,魅族后端整体交付水平较弱,产销协同计划达成率低,难以满足市场的需求。此外,各职能部门各司其职,缺少整体计划的运作视角,缺少对需求管理、计划管理、物料管理等重要业务过程的评价指标,也是魅族在运营管理中存在的问题。
针对这些问题,IBM以贯通魅族需求、产销协同与供应为重点,规划和设计了完整的S&OP运营体系,具体包括:
新的S&OP运营体系通过强化跨部门协同提升了需求计划准确率,保障物料准时供应,同时与外部客户和供应商建立协同,从而使魅族整体的运营效率与收益大幅提升。通过改用DOS(库存天数)管控机制,全面优化了计划制定的流程。对比项目前后,库存周转天数减少了4天,需求预测准确率提升8%。此外,在销售计划满足率提升了8%,关键物料交货达成率提升10%。
魅族科技供应链高级总监、魅族S&OP运营负责人杨岩
魅族科技供应链高级总监、魅族S&OP运营负责人杨岩表示:“魅族希望打造精简、高效、低成本的运营体系,更快地响应市场变化。IBM拥有丰富的行业经验、资深的行业数据积累,以及专业的咨询团队,为魅族量身打造的S&OP运营体系让魅族的资源调配达到最优化,对魅族业务的中长期发展提供了有效支撑。”
IBM全球咨询服务部副合伙人、采购与供应链业务负责人何畏表示:“IBM在供应链领域拥有从技术到实践卓越的领导力。我们期待与中国更多的制造业企业合作通过供应链进一步提升企业的核心竞争力。”
好文章,需要你的鼓励
英国宠物慈善机构PDSA数据显示,超过半数宠物主担心无法承担兽医费用。科技公司正通过AI和物联网技术解决这一市场需求。在伦敦兽医展上,多家初创公司展示了创新技术:AI for Pet利用视觉AI分析宠物眼部、皮肤等图像提供健康洞察;Sylvester.ai开发AI模型识别猫咪疼痛表情;VEA整合患者数据自动化诊断。此外,智能项圈等物联网设备可追踪宠物健康症状。这些技术有助于宠物主采取预防措施,降低兽医费用。
卡内基梅隆大学联合Adobe开发出革命性的NP-Edit技术,首次实现无需训练数据对的AI图像编辑。该技术通过视觉语言模型的语言反馈指导和分布匹配蒸馏的质量保障,让AI仅用4步就能完成传统50步的编辑任务,在保持高质量的同时大幅提升处理速度,为图像编辑技术的普及应用开辟了全新道路。
北欧国家启动统一人工智能产业计划,旨在通过合作在全球舞台上竞争,获得微软和谷歌支持。10月成立的新北欧AI中心获得350万英镑初始预算,但谷歌和微软是唯一提供资金支持的科技公司,具体金额保密。该中心将开发生成式AI系统并建设应用AI服务的系统。北欧教育部长承诺追加资金开发大型北欧语言生成AI模型。尽管资金有限,但北欧国家希望通过联合力量在AI竞赛中提升地位。
复旦大学团队突破AI人脸生成"复制粘贴"痛点,开发WithAnyone模型解决传统AI要么完全复制参考图像、要么身份差异过大的问题。通过MultiID-2M大规模数据集和创新训练策略,实现保持身份一致性的同时允许自然变化,为AI图像生成技术树立新标杆。