 |
作者：IBM 大中華區(qū)客戶成功管理部總經(jīng)理 朱輝
北京2023年6月2日 /美通社/ -- 隨著ChatGPT掀起的新一輪企業(yè)數(shù)智轉(zhuǎn)型熱潮，很多企業(yè)都在積極探討如何高質(zhì)量、規(guī)?；桶踩夭捎萌斯ぶ悄軄韺崿F(xiàn)創(chuàng)新和突破——他們首先想到的是場景，然后會考慮技術(shù)的成熟度與可信度，最后會思考如何將技術(shù)落地并快速產(chǎn)生業(yè)務(wù)價值。
早在兩年前，IBM就洞察到客戶采用新興技術(shù)可能遇到的問題，在2021年初開始進(jìn)行大量投入，成立了售前的車庫創(chuàng)新體驗（Client Engineering) 團(tuán)隊和售后的客戶成功管理（Customer Success Manager，后簡稱"CSM"）團(tuán)隊。利用IBM獨特的車庫創(chuàng)新方法，幫助客戶在轉(zhuǎn)型初期就能從戰(zhàn)略、組織和文化的層面做好準(zhǔn)備，共同定義出用技術(shù)解決業(yè)務(wù)問題的最小可行性方案，以最小的成本實現(xiàn)規(guī)模化的創(chuàng)新，提高轉(zhuǎn)型的成功率。而已經(jīng)采購了IBM技術(shù)的客戶，通過與IBM CSM團(tuán)隊技術(shù)專家的共創(chuàng)，能夠開發(fā)出更多行業(yè)應(yīng)用場景，實現(xiàn)技術(shù)價值的最大化，同時為行業(yè)貢獻(xiàn)領(lǐng)先的應(yīng)用方案。
以汽車行業(yè)為例，全球汽車行業(yè)正處于電動化與智能化的重大變局與挑戰(zhàn)當(dāng)中。據(jù)乘聯(lián)會統(tǒng)計，中國燃油車市場銷量已經(jīng)連續(xù)三年下滑；隨著價格戰(zhàn)加劇，甚至陸續(xù)有車企退出市場。而裹挾其中的汽車零部件廠商，更是面臨如何在紅海中生存與發(fā)展的問題。
作為一家全球性的汽車零部件廠商，延鋒汽車的總部位于上海，在全球20個國家擁有9家研發(fā)基地、240多個工廠與技術(shù)中心，員工總數(shù)超過55,000人，為全球整車制造商提供汽車零部件產(chǎn)品的設(shè)計、開發(fā)和制造。面對挑戰(zhàn)，延鋒汽車的做法是——攜手像IBM這樣技術(shù)領(lǐng)先且擁有豐富企業(yè)經(jīng)驗與技術(shù)專長的公司，共同探索數(shù)據(jù)為先的數(shù)智化之路，實現(xiàn)降本增效與創(chuàng)新發(fā)展。延鋒汽車的經(jīng)驗，相信可以為當(dāng)下積極探索"AI為先"策略的行業(yè)與企業(yè)提供寶貴的借鑒。
場景一：將海量外部通用訂單自動轉(zhuǎn)為內(nèi)部訂單
技術(shù)：利用IBM Watson Discovery強(qiáng)大的自然語音學(xué)習(xí)能力，變身智慧大腦
延鋒汽車每天收到整車廠和下游廠商的訂單量巨大，之前需要通過人工根據(jù)經(jīng)驗把通用訂單轉(zhuǎn)為內(nèi)部訂單，每個工廠每天需要兩名工作人員花150分鐘進(jìn)行手工分類。即使在這樣的人工投入下，仍伴隨15%的分類錯誤，給延鋒汽車帶來成本和效率的雙重挑戰(zhàn)。
利用IBM Watson Discovery強(qiáng)大的自然語言學(xué)習(xí)能力，延鋒汽車成功構(gòu)建起AI模型， 從他們涵蓋了1.8億歷史數(shù)據(jù)、200多種排列組合、結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化文本的混合數(shù)據(jù)中，學(xué)習(xí)通用訂單對應(yīng)的內(nèi)部訂單背后蘊藏的規(guī)則，變身智慧大腦，實現(xiàn)了全自動執(zhí)行流程，無需人工操作，將訂單分類正確率從85%提升到97%，大大減少了返工時間，實現(xiàn)了降本增效。
場景二：實現(xiàn)分支生產(chǎn)車間和總部之間海量數(shù)據(jù)的高速傳輸，為智能庫存與預(yù)測夯實數(shù)據(jù)基礎(chǔ)
技術(shù)：利用IBM Cloud Pak for Integration – Aspera實現(xiàn)高速數(shù)據(jù)傳輸
延鋒汽車的智能制造部門希望與IBM共同探索智慧庫存與預(yù)測的應(yīng)用場景。雙方探索的焦點最后落在數(shù)據(jù)治理上，為了驅(qū)動決策預(yù)判和自動識別，需要利用大量數(shù)據(jù)進(jìn)行模型訓(xùn)練，而現(xiàn)有的數(shù)據(jù)傳輸方式不甚理想。
為了實時掌握分布在全球240多個工廠眾多車間的零部件庫存使用情況，延鋒汽車?yán)酶鞴S的監(jiān)控攝像頭將成千上萬張的實時照片快速地傳回總部。起初，智能制造部門采用傳統(tǒng)的復(fù)制粘貼的方法來傳輸批量的照片文件，由于傳輸速度慢、網(wǎng)絡(luò)延遲明顯、丟包嚴(yán)重，需要多次分批次手工選擇對應(yīng)照片文件進(jìn)行復(fù)制，這樣既耗時又容易誤操作，同時無法斷點續(xù)傳、無法自動重連、無法自定義傳輸速度，主干網(wǎng)的傳輸帶寬無法得到充分利用。
在IBM CSM團(tuán)隊的幫助下，延鋒汽車僅用一天時間就完成了小而美、輕量級的 IBM Cloud Pak for Integration - Aspera 的組件部署，構(gòu)建起企業(yè)級的文件傳輸解決方案，使延鋒汽車的文件傳輸速度平均提高了10倍，節(jié)約了人工等待時間，避免了人工誤操作，實現(xiàn)了斷點續(xù)傳和自動重連，并且可以動態(tài)配置傳輸帶寬和限速，在不影響 ERP 核心系統(tǒng)性能的前提下最大化地提高了實時監(jiān)控文件的傳輸效率，為實現(xiàn)其智能庫存與預(yù)測的愿景奠定了基礎(chǔ)。
場景三：解決開源的數(shù)據(jù)抽取工具Kafka帶來的運營瓶頸
技術(shù)：利用IBM Cloud Pak for Integration-Event Streams輕松實現(xiàn)高可用的數(shù)據(jù)抽取
延鋒汽車在每一個分支工廠都部署了一套開源的Kafka集群，用作MES系統(tǒng)中多項實時生產(chǎn)數(shù)據(jù)的抽取，提供給各個工廠的MI看板系統(tǒng)進(jìn)行查詢和展示。然而，這套開源系統(tǒng)帶來很多問題。比如，每次的手工安裝部署、配置以及升級維護(hù)都需要花費數(shù)天甚至數(shù)周的人力成本；無法保證企業(yè)級的高安全和高可用；需要持續(xù)投入額外的員工培訓(xùn)成本和專家咨詢服務(wù)費用；不支持與核心業(yè)務(wù)系統(tǒng)以及常用生產(chǎn)系統(tǒng)的天然集成；沒有配套的Kafka技術(shù)支持和售后保障等。
在IBM CSM團(tuán)隊的努力下，延鋒的樣板工廠開始采用 IBM Cloud Pak for Integration中的 Event Streams 組件來做實時數(shù)據(jù)的抽取。生成數(shù)據(jù)的應(yīng)用程序從MES系統(tǒng)中抽取零配件生產(chǎn)班次、生產(chǎn)數(shù)量、需求數(shù)量、返修數(shù)量、排序以及其他相關(guān)的生產(chǎn)數(shù)據(jù)，發(fā)送到對應(yīng)的數(shù)據(jù)主題頻道。抓取數(shù)據(jù)的應(yīng)用程序通過訂閱Event Streams的相應(yīng)主題頻道，可以直接使用相應(yīng)數(shù)據(jù)。MI Skynet 看板系統(tǒng)則可以選取指定的表字段，進(jìn)行后續(xù)的儀表板展示和預(yù)警分析。
通過部署Event Streams這一企業(yè)級的數(shù)據(jù)抽取解決方案，延鋒汽車可以實現(xiàn)"一鍵"部署，開箱即用，零宕機(jī)滾動升級，時刻擁有最新的Kafka穩(wěn)定版本。同時，組件自帶圖形化操作界面，幾乎不需要額外的技能培訓(xùn)。利用高安全性和異地復(fù)制功能，還能獲取企業(yè)級災(zāi)難恢復(fù)能力。先進(jìn)的模式注冊表和豐富的 Kafka 連接器以及可擴(kuò)展的 REST API，輕松擴(kuò)展現(xiàn)有企業(yè)資產(chǎn)的范圍。不僅如此，IBM還提供配套的企業(yè)級售后服務(wù)、專家咨詢和及時的問題排查，能夠幫助客戶獲取所需的技術(shù)專業(yè)知識。
場景四：實現(xiàn)核心生產(chǎn)設(shè)備的智能化產(chǎn)能測算和規(guī)劃，實現(xiàn)降本增效
技術(shù)：利用IBM Cloud Pak for Data - Decision Optimization實現(xiàn)注塑機(jī)產(chǎn)能測算和規(guī)劃
在汽車配件的制造過程中，注塑是其中一項重要環(huán)節(jié)。延鋒汽車為很多整車廠商提供例如儀表板等內(nèi)飾件，這些塑料件都需要一個核心設(shè)備注塑機(jī)來生產(chǎn)。由于各種車型的儀表板規(guī)格不一，生產(chǎn)過程需要進(jìn)行設(shè)備切換。例如，當(dāng)設(shè)備用料從黑色切換成白色的時候需要清洗，而從白色切換成黑色則不需要清洗；從金色切換成紅色又需要疊加其它動作。設(shè)備切換會帶來成本問題，也會影響生產(chǎn)排期和庫存管理，比如：如何在降低庫存成本的情況下，決定不同產(chǎn)品的最優(yōu)經(jīng)濟(jì)批量？如何在滿足客戶需求的情況下，平衡多臺機(jī)器一整年的產(chǎn)能？如何測算機(jī)器的產(chǎn)能，從而更好地調(diào)整計劃、發(fā)揮機(jī)器最大效能、提高生產(chǎn)率、降低加班率？如何確保計劃能夠在生產(chǎn)真正落地以及變化來臨時又能及時響應(yīng)變化等。
在各種零配件需求不斷擴(kuò)大和變化，而生產(chǎn)力和生產(chǎn)資源又十分有限的背景下，傳統(tǒng)的生產(chǎn)規(guī)劃方式多基于經(jīng)驗和手工計算，容易產(chǎn)生生產(chǎn)效率低下、庫存成本高、人力負(fù)擔(dān)重等問題，嚴(yán)重影響企業(yè)生產(chǎn)效益，因此需要尋找新的方式給出合理的生產(chǎn)規(guī)劃和排產(chǎn)方案。
IBM CSM團(tuán)隊聯(lián)合IBM實驗室專家服務(wù)團(tuán)隊以及IBM中國開發(fā)中心專家，在和客戶充分討論之后，基于IBM Cloud Pak for Data的Decision Optimization功能模塊，為客戶打造了一個強(qiáng)大完備、敏捷高效的方案。這是兩種互相補(bǔ)充的方案：總體的多機(jī)器跨月份規(guī)劃方案以及單月精細(xì)排產(chǎn)方案。方案支持范圍廣，能夠支持20多個工廠的近百名工作人員對幾百臺注塑機(jī)進(jìn)行產(chǎn)能規(guī)劃；支持精度高，規(guī)劃的每個概要方案都配套精確的排產(chǎn)方案，對后續(xù)指導(dǎo)生產(chǎn)具有很強(qiáng)的實操性；變化更敏捷，規(guī)劃一組方案僅需幾分鐘到幾十分鐘，大大提高了對未來變化的響應(yīng)程度，一旦客戶需求或者生產(chǎn)資源發(fā)生變化，可以隨時調(diào)整規(guī)劃；適應(yīng)性更強(qiáng)，所做方案基于敏捷的通用平臺，對業(yè)務(wù)人員友好，可以很輕松地擴(kuò)展到其它生產(chǎn)設(shè)備，以及應(yīng)用到其它類似領(lǐng)域。
行業(yè)場景+技術(shù)落地，共創(chuàng)共贏在路上
IBM CSM團(tuán)隊陪伴著延鋒汽車在數(shù)智化轉(zhuǎn)型的征途中前行了兩年，從最開始實現(xiàn)外部到內(nèi)部訂單的自動化轉(zhuǎn)化、解決全球工廠車間的高速數(shù)據(jù)傳輸問題，到用企業(yè)級工具替換開源工具實現(xiàn)高可用數(shù)據(jù)抽取，再到當(dāng)前利用AI賦能的解決方案實現(xiàn)核心生產(chǎn)設(shè)備的產(chǎn)能測算和規(guī)劃；從數(shù)據(jù)的整合治理，到利用AI把數(shù)據(jù)用起來，實現(xiàn)精益化智能化的產(chǎn)能測算和規(guī)劃——一路走來，"業(yè)務(wù)場景 + 技術(shù)落地 => 行業(yè)價值"是我們共創(chuàng)共贏的準(zhǔn)則和方法。
延鋒汽車可以說是以"數(shù)據(jù)為先"策略來直面業(yè)務(wù)挑戰(zhàn)的行業(yè)先鋒。與延鋒汽車攜手，除了第一個場景里使用的 IBM Watson Discovery, 另外三個 Cloud Paks 組件Aspera, Event Streams和Decision Optimization在延鋒汽車的成功應(yīng)用，實現(xiàn)了這幾個產(chǎn)品在中國汽車行業(yè)的首個場景落地，相信可以為國內(nèi)的汽車行業(yè)與智能制造行業(yè)提供有益的借鑒。
與客戶共創(chuàng)是 IBM CSM 團(tuán)隊最主要的工作方式，IBM CSM 的架構(gòu)師不僅擁有強(qiáng)大的技術(shù)背景與豐富的落地經(jīng)驗，他們對特定行業(yè)的很多新應(yīng)用和數(shù)字化轉(zhuǎn)型項目也有著深入的理解。通過與客戶一對一的長期合作和對客戶的成功負(fù)責(zé)的態(tài)度，他們已經(jīng)逐漸成為對客戶的業(yè)務(wù)場景與IT架構(gòu)及環(huán)境有著深刻理解和深受客戶信賴的技術(shù)顧問。
不久前，IBM在2023年度 Think 大會上推出 IBM watsonx，一個針對基礎(chǔ)模型和生成式AI 的全新數(shù)據(jù)平臺，一個能夠幫助企業(yè)利用可信數(shù)據(jù)來擴(kuò)展和加速領(lǐng)先的AI影響力的強(qiáng)大工具。未來，在企業(yè)從"+AI"步入"AI+"、從"數(shù)據(jù)為先"步入"AI為先"的關(guān)鍵時刻，當(dāng)企業(yè)渴望擁有一個完整的技術(shù)堆棧，能夠跨整個組織來訓(xùn)練、調(diào)整和部署 AI 模型（包括基礎(chǔ)模型和機(jī)器學(xué)習(xí)等能力），能夠在任何云環(huán)境下都具備可信的數(shù)據(jù)、速度和治理的時候，IBM就在你們身邊，包括每一位以客戶成功為己任的IBM CSM架構(gòu)師。
