宝塔实业为典型的离散型制造企业,主要涉及领域为轴承加工制造、装备制造及船舶电器制造。2021年,为解决传统制造行业资源管理系统采购、存货、生产、销售、财务等各项数据不一致,研发设计、生产制造、办公协同等系统之间无法集成、进行数据传输,企业经营成本不准确,无法为经营决策提供数据支持等问题,公司在组织架构调整的基础上对原有信息系统进行了升级改造。
企业数字化转型方案的核心是以数据共享推动业务模式的创新,实现以数据驱动企业产供销等业务运行和资源配置方式的提升。先以技术的升级来促进生产经营模式的创新,随后将业务架构、技术架构相互融合,形成两条螺旋组成的一个循环上升的数字化转型模型。模型图如下:

主要从以下方面进行数字化转型:一是研发设计数字化,包括产品设计优化及有限元仿真优化;二是生产经营活动数字化,通过宝塔实业数据分析平台、电子大屏等实时更新显示企业生产经营过程;三是经营决策数字化,包括基于大数据分析达到对生产经营活动的动态优化调整。
新建采购云、分析云、协同云等云端平台:
1、改变了原有的采购模式。新建采购云实现了需求与采购业务流程的无缝对接,对供应商库、专家库的动态管理;加大了管控力度,有效地监控采购计划的实施和采购成本的变动情况,帮助采购人员扩大寻源范围,确保采购工作高质量、高效率、低成本地执行,使企业处于最佳的供货状态。
2、摒弃传统的营销服务模式。从以产品为中心向以客户为中心转变,对目标客户群体,通过云分析平台进行数据分析,从客户需求出发,挖掘客户需求,设计整体解决方案。 3、重构生产制造流程。以公司销售模式为主导,基于物资需求计划及主生产计划,通
过柔性车间混合优化算法、神经网络预测算法等经典算法,将月度计划细化分解到了周度、日度,生产任务执行过程跟踪至车间备料、领料、完工等。
本次数字化转型主要为企业带来了以下价值:
实现了公司业务进系统。将企业从销售至采购、生产再到销售所有业务“一条线”的贵穿起来,实现了零业务游离于系统之外,保证了生产经营数据的一致性,为生产经营提供了有力的数据支撑,改善了企业的信息披露质量。
实现数据流动的自动化。公司资源管理系统、办公自动化系统、分析云系统等所有流程审批均可以通过移动端实现;进一步优化了协同办公平台相关功能模块,覆盖全公司业务流程,更快捷、高效地处理大量数据,实现以数据驱动业务。
采用分析云、工作看板等分析展示,消除手工报表。通过数字化系统高效、准确、实时地产出基于管理需求的各种管理报表,提高了企业的数据综合分析能力,能够进行多维度、多指标的数据分析展示,覆盖全公司所有生产经营业务。
重新规划设计宝塔智能驾驶舱,能够给公司各种经营管理会议提供动态的实时经营指标分析数据,包括财务指标、销售指标、采购指标、生产指标、成本指标、资产指标、人力指标分析等。所有数据取自于业务系统,能直观反映当前企业经营管理现状,且能通过移动端、PC端及公司中控屏实时展示。驾驶舱主界面图如下:

通过数字化转型,企业产供销业务协同大大增强,由以前的3天响应时间变为5小时内。成本核算过程由原来的15天变为2天。公司的主营业务收入较上一年大幅增加,库存周转率由原先180天提升至90天,流程响应效率提升至24小时之内。
借助各种云上平台真正实现了数字化经营,所有业务均在线上进行快速响应。经过云分析准确计划产品的采购及生产流程,减少了不必要的资源浪费,为企业绿色工厂的实施打下了良好的基础。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。