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
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。