至顶网CIO与应用频道 11月10日 北京消息:制造商和 OEM 通常将他们的服务部门视为成本中心,在这一领域,必须要订购、储存或翻新部件,或者必须高效地管理、部署和使用技术人员。近来,制造领域兴起了一股高调服务保证合同的趋势,重新燃起了对服务的兴趣。这一次,服务不再是一种成本债务,而是变成了产生收益和利润的源泉。
为了管理服务备件(这是很多制造商和 OEM 业务的重头部分),服务主管尝试过多种解决方案,从多列式电子表格到先进的服务备件规划软件解决方案,以及他们已经用来管理其他业务职能的企业资源计划 (ERP) 软件。但是,使用 ERP 系统来进行服务备件规划和管理犹如用茶匙挖沟,结果可能会如您所愿,但归根到底,这并不是茶匙的用途。
下面是 ERP 系统会造成资金耗费的四个方面:
1、ERP系统不会进行优化
ERP系统是为管理和规划业务的各个方面而设计的,它本身不是为了优化业务。这是什么意思?在整个组织内,服务备件管理总是会涉及某种形式的服务备件折衷或平衡。ERP系统是为了按照成本、位置或其他参数对部件进行分类而设计的,同一类下的所有部件会得到相同的对待。在 ERP 系统中,不会解释每个部件的特性或特质。这样一来,对于有着多个部件位置和多种服务水平期望的服务部门来说,ERP 系统就无法提供有效的服务,因为所有位置的所有部件都会得到相同的对待。如果平衡各种服务水平,就会存在很大的部件超购风险,或者未储存正常运行所需的关键组件。
2、库存水平和供应比率仅仅是开始
如果仅仅是有部件可供应,并不能保证设备的正常运行,服务部门可能会发现自己未能满足服务级别协议,而同时又显示出可以接受的现货供应率。这是怎么发生的呢?他们储存着错误的部件,或者在错误的地点储存着正确的部件。ERP系统没有相应的机制在部件库存水平与满足服务级别之间建立关联。他们所能做的只是在每次索求部件时衡量部件的供应情况。要将供应率与满足多个位置的服务级别协议相关联,您需要一种具有内置统计建模功能的软件解决方案。而且,供应率是最容易计算的服务指标之一。要将供应链与设备正常运行时间以及与停机相关的成本相关联,将会复杂得多。无法建立这些关联的系统将会耗费您的钱财,甚至更糟,白白错失潜在收益。
3、ERP在设计时未考虑服务因素
服务部门可能分布在全国各地甚至全球,所负责的对象可以是螺母和螺栓,以及价值数百万美元的组件(例如,发动机和涡轮机)。每个组件及组件位置并不是凭空存在的,它所处的环境包括客户、特定用例,以及数不清的排列,这些会影响部件的使用方式和使用率。ERP不是为了说明产品结构系统、不同部件位置和服务中心而设计的。ERP核心部分就是一个总账,或者是一个交易系统,而不是校准方法。当系统不是为服务而设计的时,服务部门不得不做大量的估算工作,通常会偏向谨慎,或出现超购,最终导致高库存水平成本,以及过时部件成本,更不必说库存积压的成本。
4、ERP不会产生新的收益流
使用专为制造服务业而设计的服务备件管理系统,您可以同时提升总收入和净收益。如何实现?服务备件和一般服务的利润高于原始设备,因此,部件销售和设备服务如果做到最好,就可以产生额外收入和更高的利润。不仅如此,当拥有可以预测、优化并调整部件的系统,以便与服务级别协议相关联时,您还可以确保对自己的部件和服务进行适当的定价。甚至,通过构建合同模型这种 ERP 不可能做到的事情,您可以对基于服务的合同进行竞价。您的服务备件管理软件可以成为一项独特的竞争优势。
过去,只有服务部门关心服务和服务备件,但是,通过提供差异化的服务选项带来新收益和利润增长,服务部门可能会变成明星部门。您还在使用 ERP 系统管理部件吗?请参阅我们这里的白皮书,了解如何能够将部件转化为利润?
有关 PTC 服务备件管理解决方案的详细信息,请在此处访问我们。
好文章,需要你的鼓励
邻里社交应用Nextdoor推出重新设计版本,新增本地新闻、实时警报和名为"Faves"的AI功能,用于发现本地商户和地点。该应用与3500家本地出版商合作提供新闻内容,通过Samdesk和Weather.com提供天气、交通、停电等实时警报。Faves功能利用15年邻里对话数据训练的大语言模型,为用户提供本地化AI推荐服务,帮助用户找到最佳餐厅、徒步地点等本地信息。
Skywork AI推出的第二代多模态推理模型R1V2,通过创新的混合强化学习方法,成功解决了AI"慢思考"策略在视觉推理中的挑战。该模型在保持强大推理能力的同时有效控制视觉幻觉,在多项权威测试中超越同类开源模型,某些指标甚至媲美商业产品,为开源AI发展树立了新标杆。
英国生物银行完成了世界上最大规模的全身成像项目,收集了10万名志愿者的超过10亿次扫描数据,用于研究人体衰老和疾病过程。该项目历时11年,每次扫描耗时5小时,投资6200万英镑。目前已有8万人的成像数据供全球研究人员使用,剩余数据将于年底前发布。项目已开发出能预测38种常见疾病的AI工具,并在心脏病、痴呆症和癌症诊断方面取得突破。
这项由北京大学等多所高校联合完成的研究,首次对OpenAI GPT-4o的图像生成能力进行了全面评估。研究团队设计了名为GPT-ImgEval的综合测试体系,从文本转图像、图像编辑和知识驱动创作三个维度评估GPT-4o,发现其在所有测试中都显著超越现有方法。研究还通过技术分析推断GPT-4o采用了自回归与扩散相结合的混合架构,并发现其生成图像仍可被现有检测工具有效识别,为AI图像生成领域提供了重要的评估基准和技术洞察。