ITBear旗下自媒体矩阵:

以数字化技术为新常态核心,微软重塑制造业

   时间:2021-04-09 16:54:03 来源:互联网编辑:星辉 发表评论无障碍通道

疫情让所有企业都意识到拥抱变化的重要性。部署新数字化技术的意愿,极有可能决定一家企业在未来几个月甚至几年内的生死存亡。全球各行各业都在积极打造属于自己的技术强密度和数字化能力,通过提高自己的灵活性和弹性来适应新常态——不仅要在诸多限制条件下继续维持企业运营,还要在充满不确定性的复杂商业环境中不断提升竞争力。

在众多行业中,制造业对于数字化转型的“押注”尤为有代表性,值得其他行业企业学习和思考。

数字化技术发挥威力

回溯到疫情期间,微软众多客户及合作伙伴就已经在利用云计算和人工智能加快流程并实现自动化,同时转而采用数据分析和人工智能来优化决策,以应对快速变化的挑战。与此同时,一些制造业企业在疫情初期加大生产力度,满足人们对口罩和呼吸机等关键医疗用品的需求。拥有数字化技术能力的制造企业得以重新搭建他们的生产设施,以便更好地支持所在地的物资需求。

以中国香港的一合口罩有限公司(OneMask)为例,该公司利用Microsoft Dynamics 365的Business Central及人工智能功能,在短短几周内就搭建了一条医用口罩生产线,满足当地对于口罩的大量且迫切的需求。

另外一个典型的例子是Blue Yonder,这是一家位于美国但业务遍布全球的供应链平台提供商。该公司推出了Luminate Control Tower解决方案,可以根据供应链指标绘制疫情影响图,进而识别潜在风险,帮助客户最大程度降低新冠肺炎疫情对其供应链的负面影响。Luminate Control Tower由微软智能云Azure、人工智能和基于机器学习的预测引擎提供支持,可为公司提供洞察,以发现、解释和处理整个数字生态系统中的实时信息。数据显示,基于这一解决方案,Blue Yonder的客户在减少30%支出的基础上,实现了60%的计划效率提升。

通过改变生产和供应链管理,满足因疫情不断改变客户需求,在这方面,人工智能也发挥着重要作用。知名科技企业联想就利用预测性分析来更好地预估客户需求。利用Azure机器学习,并通过与微软中国CSU部门的数据和人工智能团队合作,联想整合了疫情、消费者支出和经济表现等方面的公开数据,实现了更为精确的预测,顺利获取了供应链洞察和优势,借此推进自己的业务。

自动化必要性显现

面对各类业务中断带来的困扰,制造业企业以自动化来进行流程优化,打造更加安全、快速的运营模式。Blue Yonder就通过发布新的机器人应用帮助DHL供应链公司发展全数字化供应链,让该公司可以通过集成化和优化仓库运营来节省时间和资金。

manufacturing2

借助已在Azure上公开预览的机器教学(machine teaching)服务Project Bonsai,泰国暹罗水泥集团(Siam Cement Group, SCG)的化学品部门能够将化学反应器的校正和控制教授给自主人工智能代理(autonomous AI agent),日模拟运行10万次以确保其操作无误。通过这一流程,暹罗水泥集团获得了一个超越其ROI目标的解决方案,并能够在两周内开发出新的聚合级。这一切都能够在最大程度上减少有害产品的浪费。

这一解决方案也已被应用于食品制造行业,借助Project Bonsai,百事公司实现了其热门零食产品“奇多”的完美品控:Project Bonsai能够对每一颗奇多膨化零食进行近连续性的管控,并在发现产品偏离最佳质量时,对设置调整提出建议。

与之类似的是解决方案提供商捷普(Jabil)推出的自动光学检测解决方案Project Brainwave。利用Azure机器学习、人工智能和预测性分析,该解决方案正确地预测了92%的产品瑕疵,确保仅将真正有瑕疵的零部件发送给人工检测, 大幅降低了操作员的工作量。

全球领先的食品与饮料处理与包装厂商利乐公司,把食品与饮料包装环节连接到微软智能云 Azure 上,从而将工况调整监控能力提升到新的高度。利乐于 2016 年初开始进行为期六个月的测试,通过新服务来支持 11 条客户包装线。最终结果显示,在此期间,每条包装线的停机时间最多减少 48 小时,从而为客户节省了 3 万欧元的投入。

从企业运营到生产流程,一切远程化

传统意义上的制造业工作都是现场进行的。因此在切换到远程模式时,制造业企业和员工都需要面临来自企业运营和企业文化方面的挑战。数字化技术提供了新的协作和沟通方式。

包括制造和销售运输装备的中集集团(CIMC)、生产和销售纤维水泥的 SHERA PLC,以及为全球企业行业供应零部件的均胜电子(Joyson)在内的多家企业,都在用Microsoft 365和Microsoft Teams实现其全球员工的高效协作。

梅赛德斯-奔驰也是一个很好的例子。该公司为其美国授权经销商配备了HoloLens 2头盔和混合现实应用软件Microsoft Dynamics 365 Remote Assist,实现了解放双手的协作和更快速的维修服务。芯片制造企业格罗方德(GlobalFoundries)也在使用HoloLens,消弭现场工程师和海外专家之间的物理距离,对价值数百万美元的设备进行维护。

同样是利用微软 HoloLens 全息眼镜,蒂森克虏伯为 2 万多名技术工人提供了混合现实的远程技术支持,将电梯维修效率提升了四倍。

数字化技术——新常态的核心

疫情几乎让制造业陷入停滞,也催生了行业对于创新的紧迫感——既要应对当下挑战,也要“未雨绸缪”,为未来的不确定性做好准备。

多年来,制造业企业一直朝着数据驱动自动化、物联网、机器学习和人工智能的方向发展。过去的 2020 年也证明了这些功能的重要性。为了助力全球制造业实现数字化转型,微软在 2018 至 2023 投入 50 亿美元,提供开放的人工智能和制造平台,助力制造业实现端到端的数据闭环,形成新的“生产即服务”的业务价值。

此外,微软也从全球制造业的现状和需求出发,规划了以“数据+人工智能”为中心,连接制造、消费两端的制造业解决方案,推进商业价值、技术架构和组织与员工的三项变革。在创造和完善端到端价值链的过程中,微软还通过赋能五大制造业优先场景,助力制造业企业构建韧性及可持续的未来:

  • 赋能员工生产效率:面向一线员工及研发业务员工,助力其快速掌握核心业务、增加工作熟练度,从而提高交付速度,实现生产力提升。
  • 创新客户交互方式:通过构建客户、渠道以及服务的连接性,提升客户满意度。
  • 构建敏捷高效工厂:借助数字化手段,提升工厂机器和设备的生产效率、改善质量管理,并实现可持续发展。
  • 打造韧性供应链:以微软供应链实践为基础,打造成供应链计划以及供应链数字孪生技术,同时强化供应链网络的链接性,有效增强供应链的灵活性和韧性。
  • 助力科技制造创新:覆盖产品创意管理、工程化、开发流程化等方面,节约时间、成本和人力。

今年二月,微软推出了微软制造业云(Microsoft Cloud for Manufacturing),并宣布这一服务将于 6 月末开放公众预览,为行业核心流程和需求提供支持。这些端到端制造业解决方案,将微软产品矩阵中的新功能、现有功能以及合作伙伴解决方案进行整合,并将人员、资产、工作流和业务流程无缝连接在一起,让组织更具韧性。

专注智慧物流创新的智能机器人公司极智嘉 (Geek+),借助微软智能云 Azure 打造出覆盖拣选、分拣和搬运的全品类物流机器人解决方案,助力在仓储和制造场景实现物流智能化升级,以降低人力劳动强度,大幅提升生产效率。极智嘉服务迪卡侬、耐克、沃尔玛等全球超300家国际知名品牌,业务遍及全球超过20个国家和地区。极智嘉创新推出的“机器人即服务” (Robot-as-a-Service, RaaS)商业模式,让最终客户可按需租赁机器人、或者由极智嘉代运营、更可以直接入驻极智嘉自营机器人仓,从而以轻资产配置完成智慧物流升级。极智嘉也将作为受邀客户嘉宾之一,参与汉诺威工业博览会2021,讨论如何针对物流行业的技术创新,打造更具柔性的供应链。

过去一年已经充分证明,以数字化转型为代表的第四次工业革命并不是概念炒作,每个企业都已经处于数字化进程中。而在这一进程中领先的企业,将在生产力、敏捷性、可持续性等方面获得更多优势。

4月12日至16日,汉诺威工业博览会2021将以线上数字展的形式举办。展会期间,微软将携手来自全球各地的客户和合作伙伴,从“以创新交付新服务”(Unlock innovation and deliver new services)、“打造灵活工厂”(Build more agile factories)、“创造更具韧性的可持续未来”(Manufacture a more resilient and sustainable future)、“构建更具韧性的供应链”(Create more resilient supply chains)、“转型赋能企业员工”( Transform your workforce)五大话题出发,为您展示微软如何打通企业运营、员工赋能、产品设计和工作流程,并将其与客户沟通和端到端价值链之间的体验联系起来。

欲查看更多详情,可访问微软在此次汉诺威工业博览会上的虚拟展位,了解更多微软在制造业方面的洞察远见。

--结束--

关于微软公司

微软(纳斯达克上市代码“MSFT”)致力于成就“智能云与智能边缘”时代的数字化转型,予力全球每一人、每一组织,成就不凡。

举报 0 收藏 0 打赏 0评论 0
 
 
更多>同类资讯
全站最新
热门内容
网站首页  |  关于我们  |  联系方式  |  版权声明  |  网站留言  |  RSS订阅  |  违规举报  |  开放转载  |  滚动资讯  |  English Version