全球光学和光电行业技术公司蔡司集团(ZEISS Group)选择了基于Salesforce的ServiceMax Asset 360 现场服务解决方案,以优化其全球服务和现场服务,提高效率并满足新的要求。 Asset 360 是 PTC 的一项技术。PTC 于 2023 年 1 月收购了 ServiceMax,为其闭环产品生命周期管理产品增加了关键的现场服务管理功能。
作为其全球转型计划的一部分,蔡司已经选择了 Salesforce 销售、服务和现场服务云。 现在,基于Salesforce的ServiceMax Asset 360的资产相关功能对其预约功能进行了最佳补充,因为该解决方案是在Salesforce平台上原生构建的。通过 Asset 360,蔡司对其产品在现场的全部库存实现了完全透明化管理,包括所有订单和服务合同(含定价和折扣)、保修、服务水平协议和服务历史,以及所有演示和借用设备、退货和备件的集中概览。 Asset 360 还可用于移动设备,如现场服务使用的设备。这使蔡司有机会加快实现价值的时间,减少保修索赔和因合同泄露造成的成本,并在服务合同和合同延期方面赢得更多客户。 RMA(退料授权)和车间流程可以实现自动化,库存水平可以得到优化,同时可以更好地满足客户需求。
“我们的目标是超越客户的期望。 这不仅适用于我们的产品,也适用于我们的服务、支持和技术应用协助。”蔡司集团全球卓越服务主管 Ronald Fuchs 解释说:“由于我们的组织规模庞大,业务领域遍布全球,而且我们的产品高度复杂、创新和耐用,这也给我们带来了挑战。 ServiceMax技术以其360度全方位的资产视角和自动化选项令我们信服。它将帮助我们以最佳方式高效地满足未来客户的要求。”
面向销售人员的端到端解决方案
基于 Salesforce 的 ServiceMax Asset 360 提供了对已安装设备、服务合同和资产性能的 360 度视图,可最大限度地延长设备正常运行时间并降低维护成本。该解决方案专为复杂、长生命周期产品的预测性、规范性服务模式量身定制。拥有高价值、关键任务设备的行业可以通过优化现场服务部署来加速增长并提高盈利能力。Asset 360 建立在标准的 Salesforce 数据对象基础上,利用 Salesforce 平台的强大功能,通过深入的资产相关功能和自动化功能对其进行扩展。
关于蔡司
蔡司是世界领先的光学和光电技术公司之一。在半导体制造技术、工业质量与研究、医疗技术和消费市场四个部门中,蔡司集团最近的年收入达到 100 亿欧元(截至 2023 年 9 月 30 日)。
蔡司为客户开发、生产和销售高度创新的工业计量和质量保证解决方案、生命科学和材料研究显微镜解决方案以及眼科和显微外科诊断和治疗的医疗技术解决方案。蔡司还代表着世界领先的光刻光学技术,被芯片行业用于制造半导体元件。蔡司的品牌产品,如眼镜镜片、摄影镜片和双筒望远镜,在全球范围内受到追捧并引领着潮流。
凭借面向未来增长领域(如数字化、医疗保健和工业 4.0)的产品组合和强大的品牌,蔡司正在帮助推动技术进步,并以其解决方案推动光学世界和相关领域的发展。蔡司技术和市场领先地位的成功和进一步不断扩大的基础是持续的高水平研发支出。蔡司将其收入的 15%投资于研发工作——这种高水平的支出在蔡司有着悠久的传统,同时也是对未来的投资。
蔡司拥有 43,000 多名员工,活跃在近 50 个国家,在全球拥有约 30 个生产基地、60 个销售和服务网点以及 27 个研发基地(截至 2023 年 9 月 30 日)。公司于 1846 年在耶拿成立,总部位于德国奥伯科亨。母公司卡尔蔡司股份公司的唯一所有者是德国最大的科学促进基金会之一卡尔蔡司基金会。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。