麦肯锡针对工厂效率数字化分析显示,2/3的提升在于工厂的运营优化上,尤其是使用数字化工具,能够将产能利用率提高5-20%。
去年PTC也发布了ThingWorx数字性能管理解决方案(DPM),提供了关于性能的统一视图,通过“小时数”这一可理解的业务指标来传达,这种指标很容易为一线员工、经理和高管所理解,为企业规模的解决方案提供了基础。
PTC数字化解决方案执行副总裁Craig Melrose表示,很多工具在进行产能分析时,大多是展示百分比,对于领导可以了解生产线的绩效,但是对于一线工人并不够直观,只能看到数字,但不知道哪个环节损失了时间,在DPM中工人则可以知道我损失了10小时是在生产速度上。
PTC数字化解决方案执行副总裁Craig Melrose
而且连接到DPM的数据可以来自不同的系统,包括自动化系统,甚至是手工数据的导入,最终通过时间的方式展现出来。
制造业中不同的产线都有不同的标准值,而且不同的行业也有不同的评价方式。Craig Melrose指出,找到标准的时间值有两个方式,第一,寻找历史最佳效率;第二,实验提取最佳值,同时在找到最佳值后,企业还需要持续提高效率,所以这个最佳值还会不断变化。
采用DPM解决方案,企业可以正确识别绩效问题来提高效率;让一线工人能够采取纠正措施;了解瓶颈、根本原因,以及需要集中关注的最关键领域以实现改进;使用绩效数据衡量结果,以确保相关措施产生预期结果;快速实现价值和规模,在最短90天内即可取得初步结果。
DPM通过聚焦、排优先级、分析三步了解生产线有哪些主要损失,以及哪些原因造成这些损失。同时,DPM还可以跟踪所有纠正措施。一个案例是叠片工艺中,机器手将不同的材料叠放在一起,在运行过程中机器手有时会有非计划的停止,DPM可以看到产线在不同时间段的表现,其中就可以看到损失的时间,通过分析了解到主支架较重会造成安全隐患,机器手就会停止操作,我们可以通过更换碳纤维支架会其他方法来降低重量解决问题。
“当然PTC更多是提供的是工具来帮助企业更快的聚焦在重要问题并进行分析,具体的解决方案,还需要合作伙伴的更多帮助,一起去解决问题。”Craig Melrose说道,而且这也是一个闭环的过程,不仅是帮助企业分析问题、聚焦问题,还帮企业跟踪我们采取的措施是否效果,有多大效果,有没有按时按质去完成措施。
DPM更适合那些能生产更多价值的环节,像原材料成本更高或者人力成本更高的地方。目前DPM在全球已经有60多个客户,分布在各行各业,像汽车、制药、金属加工、医疗器械、汽车零部件、高科技等等。
PTC 全球资深副总裁兼大中华区总裁刘强表示,外国市场相对成熟,企业更关注降本增效,中国目前处在快速增长阶段,有很多机会不仅在降本增效上,当然DPM可以再低投入的情况下更快速地实现增长。
PTC 全球资深副总裁兼大中华区总裁刘强
虽然DPM是基于ThingWorx平台开发,但企业可以根据不同购买组合来使用,通过一套标准的方法论,用时间来衡量提升生产效率。同时DPM可以更好地帮助中国制造企业了解数字化转型中需要注意的重点环节,并进行改造真正实现价值提升。
好文章,需要你的鼓励
今年是AI智能体的爆发年。聊天机器人正演进为能代表用户执行任务的自主智能体,企业持续投资智能体平台。调研显示,超半数高管表示其组织已在使用AI智能体,88%在智能体上投入过半AI预算的公司已从至少一个用例中获得投资回报。Gartner预测,到2026年40%的企业软件应用将包含智能体AI,2035年智能体AI可能驱动约30%的企业应用软件收入。企业开始将AI智能体视为员工,建立招聘培训体系。
波士顿大学团队发现当今多模态AI存在严重"偏科"问题:面对冲突的文字、视觉、听觉信息时,AI过分依赖文字而忽视真实感官内容。研究团队构建MMA-Bench测试平台,通过创造视听冲突场景暴露了主流AI模型的脆弱性,并提出模态对齐调优方法,将模型准确率从25%提升至80%,为构建更可靠的多模态AI系统提供重要突破。
谷歌的Nano Banana Pro AI模型生成的图像逼真度令人震惊,其关键在于完美模拟了手机相机的拍照特征。这些AI生成的图像具备手机拍照的典型特点:明亮平坦的曝光、较大的景深范围、略显粗糙的细节处理,甚至包含噪点。该模型还能自动添加符合情境的细节元素,如房产照片的水印等,使图像更加真实可信。这种技术进步意味着辨别AI生成内容变得更加困难。
UC伯克利研究团队发现了一种名为"双重话语"的AI攻击方法,能够通过简单的词汇替换绕过当前所有主流聊天机器人的安全防护。攻击者只需用无害词汇替换危险词汇,就能让AI在不知不觉中提供危险信息。研究揭示了现有AI安全机制的根本缺陷,迫切需要开发新的防护策略来应对这一威胁。