至顶网CIO与应用频道 06月20日 人物访谈(文/王聪彬):中信戴卡每天可以产生两款新产品,一款新产品投入量产,铝车轮达到5000多万只,这样的速度为之惊叹。
这正是因为中信戴卡在竞争激烈且多变的市场中,不断探索提升设计、仿真来满足市场多元化的需求,尤其在轻量化和新材料等新型需求上的积极应对,得到了市场的良好反馈。
中信戴卡股份有限公司是中国中信集团公司于1988年投资组建的中国大陆第一家铝车轮制造企业,前身是戴卡轮毂制造有限公司。2007年10月,进行股份制改造,2012年8月,正式更名为中信戴卡股份有限公司。
需求多元化也能一一应对
中信戴卡经历了产品差异化、开拓OEM市场、集团化商业模式创新、产业规模跨越发展及多元化、国际化五个发展阶段,目前是全球最大的铝车轮和铝制底盘零部件供应商、国内汽车零部件行业出口量第一、全球汽车零部件一百强第七十一名。
中信戴卡股份有限公司、工程技术研究院副院长徐世文从1998年就进入中信戴卡,主要从事汽车铝车轮的开发。中信戴卡工程技术研究院已完成全球研发布局,积极开展新材料、新工艺研究,卓越的同步开发能力,24小时无间隙研发设计、试验,充分实现了造型理念到产品实物的无缝转化,使生产率大幅提升,为客户提供强大的绿色轻量化铝车轮和铝制零部件制造的整体解决方案。
汽车行业的竞争可谓异常激烈,对于车轮的设计主机厂正在不断提出更高的要求,其中有几个共性。第一、尺寸越来越大;第二、正面造型款式呈多元化。徐世文表示,这些需求对设计和工艺都提出了更多要求,从原来的几十种技术手段到现在三百多种技术手段来满足多元化和个性化。
当然主机厂的需求也呈现出多元化发展,尤其随着汽车排放标准的逐年收紧,需要达到经济的燃油性,所以主机厂不断提高对产品轻量化的需求。中信戴卡形成了三方面轻量化体系,从设计上,通过达索系统软件从正向设计、结构优化;从材料上,使用铝合金、美铝合金复合材料;从工艺上,开发全套成型工艺。
中信戴卡通过对市场趋势和客户要求的结合,对内部开发能力、装备能力、工艺制造能力都进行全面提升,同时借助像达索系统这样的外部合作伙伴,建立整体供应链生态圈应对行业和客户需求。
需求和发展的双向支持
中信戴卡在设计、仿真上的需求非常明确,即达到结构最优、工艺也最优、缩短开发周期、实验次数。从2003年开始,中信戴卡就开始与达索系统合作,其保证了新产品开发的顺利完成。目前达索系统的使用量占到中信戴卡整体的60%,主要使用产品造型、结构设计、仿真三大应用。
同达索系统的合作也是基于需求和发展两方面需求,第一、车轮产品要做高精度造型;第二、客户上传格式需求,尤其是欧洲和日本市场。所以在2003年首先采购了CATIA V4,现已升级到V5R22。
徐世文表示,在产品开发后的物理实验时,产品可能会出现一些问题,这就要求我们重新修改结构设计和工艺,达索系统将这个周期缩短了1.5倍,提前进行仿真和结构设计。
在应对市场的新需求时,中信戴卡也在不断的完善自我。2017年中信戴卡要求对产品疲劳寿命进行准确预判,达索系统很快给出了解决方案并提供相应支持,通过建立新的数学模型来完成设计仿真任务,使得产品在后期的开发可以顺利进行。
未来轮毂行业还有很大的发展空间,尤其是符合材料的投入生产,以及工艺的不断演进。中信戴卡有着自己的质量体系,对于所有的产品都会进行内部的测试和验证流程,进而投入使用,尤其对于车轮产品需要达到关键部件认证体系。
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。