至顶网CIO与CTO频道 09月27日 新闻消息(文/王聪彬):在体验时代,市场出现了一些颠覆性的变化,对于制造商而言这就意味着必须要进行数字化转型,随着数字化对于制造业的逐渐演化,将达到可持续制造的目标。
从左至右:达索系统DELMIA CEO Guillaume Vendroux、达索系统ENOVIA CEO Stephane Declee、达索系统EXALEAD CEO Morgan Zimmermann
2019年9月18日至19日在体验时代的制造业年度大会上达索系统DELMIA CEO Guillaume Vendroux提出了,可持续制造的三大支柱,第一、全球运营优化,创造出一个社会和企业之间的互联互通系统,以最优化的方式保护地球;第二、未来劳动力,企业员工是重要的因素,他们希望有强烈归属感和目标感;第三、价值网络,价值链的高效化提升利润。
埃森哲中国制造实践总监王柯提到可持续制造对制造商及政府都至关重要,面向制造商可以减少成本提高利润、启用全新的业务模式、与利益相关方建立信任、推广环保绿色生产;面向政府可以确保良性社会影响、达成气候改善目的。
埃森哲对于10个中国城市的1815家企业的调查显示,73%的企业表现出对实施智能制造的期待,但仅有9%的公司成功渡过转型期,成功度过转型期的企业表现远超同行,自述收入增长14.3%,毛利率增长12.7%。
埃森哲认为,制造业要制定数字化工厂战略,场景构建从面向工厂到组织扩展、应用架构从定制化到标准化、数据架构从独立自主到共享、技术架构从本地化到云服务。当然针对不同国家在可持续制造上也存在差异,因为每个国家、每个行业的价值取向不同,使用不同的数字化应用场景,例如有的国家希望减少次品率废料率。
“中国是制造业的领导者,要保持这一优势数字化转型平台将是企业在未来1-2年内做出的最重要的技术决策。”IDC企业应用、数据智能、服务和产业研究高级副总裁Robert Parker说道。
华为全球合作伙伴业务部副总裁兼云事业部市场部副总裁Mark Chen表示,华为使用达索系统3DEXPERIENCE平台帮助终端研发制造数字化融合,基于关联分析/数据聚合支持智能决策,基于3DEXPERIENCE TWIN实现实时仿真、快速迭代。
一汽轿车工程技术部总装技术科科长杨东旭表示,一汽面临的很大问题是生产过程监控、设备工具数据控制及采集、过程质量控制、设备工具维护管理。达索系统帮助一汽实现三大目标,第一、构建数字孪生工厂,打通信息化系统数据流;第二、为整体制造价值链提供指导、管控与数据分析;第三、优化、标准化与固化业务流程以实现可持续发展能力。
在供应链方面,达索系统的客户都希望把整个供应链连接起来形成网络,从发出数据到收集数据的整个过程可以实时取得数据。达索系统ENOVIA CEO Stephane Declee指出,3DEXPERIENCE平台其实超出了我们生产场所的范围,可以用于整个价值链,包括:工程设计、市场需求、工厂数据收集等。
而且价值链上涵盖了不同的参与方,3DEXPERIENCE平台可以帮助供应链中设计、数据、协作机制、技能和持续协议、市场反应等主要的挑战。
同时AI也在逐渐融入到制造业,可以在不同阶段使用,工厂里的故障预测、知识和技能的分析。达索系统EXALEAD CEO Morgan Zimmermann表示,AI是预测、规划、优化实现更好的转型的背后引擎,未来DELMIA Quintiq也将成为DELMIA的一个部分,这就是AI技术的融入。
未来5G和云将会帮助企业收窄数字鸿沟,在达索系统看来5G是一个非常重要的基础技术,同样也是数字化转型中重要的推动因素。达索系统已经使用了很多的技术,达索系统希望将技术整合到制造中、整合到项目管理中,整合到工程设计中。
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。