 |
作者：IBM 大中华区客户成功管理部总经理 朱辉
北京2023年6月2日 /美通社/ -- 随着ChatGPT掀起的新一轮企业数智转型热潮，很多企业都在积极探讨如何高质量、规模化和安全地采用人工智能来实现创新和突破——他们首先想到的是场景，然后会考虑技术的成熟度与可信度，最后会思考如何将技术落地并快速产生业务价值。
早在两年前，IBM就洞察到客户采用新兴技术可能遇到的问题，在2021年初开始进行大量投入，成立了售前的车库创新体验（Client Engineering) 团队和售后的客户成功管理（Customer Success Manager，后简称"CSM"）团队。利用IBM独特的车库创新方法，帮助客户在转型初期就能从战略、组织和文化的层面做好准备，共同定义出用技术解决业务问题的最小可行性方案，以最小的成本实现规模化的创新，提高转型的成功率。而已经采购了IBM技术的客户，通过与IBM CSM团队技术专家的共创，能够开发出更多行业应用场景，实现技术价值的最大化，同时为行业贡献领先的应用方案。
以汽车行业为例，全球汽车行业正处于电动化与智能化的重大变局与挑战当中。据乘联会统计，中国燃油车市场销量已经连续三年下滑；随着价格战加剧，甚至陆续有车企退出市场。而裹挟其中的汽车零部件厂商，更是面临如何在红海中生存与发展的问题。
作为一家全球性的汽车零部件厂商，延锋汽车的总部位于上海，在全球20个国家拥有9家研发基地、240多个工厂与技术中心，员工总数超过55,000人，为全球整车制造商提供汽车零部件产品的设计、开发和制造。面对挑战，延锋汽车的做法是——携手像IBM这样技术领先且拥有丰富企业经验与技术专长的公司，共同探索数据为先的数智化之路，实现降本增效与创新发展。延锋汽车的经验，相信可以为当下积极探索"AI为先"策略的行业与企业提供宝贵的借鉴。
场景一：将海量外部通用订单自动转为内部订单
技术：利用IBM Watson Discovery强大的自然语音学习能力，变身智慧大脑
延锋汽车每天收到整车厂和下游厂商的订单量巨大，之前需要通过人工根据经验把通用订单转为内部订单，每个工厂每天需要两名工作人员花150分钟进行手工分类。即使在这样的人工投入下，仍伴随15%的分类错误，给延锋汽车带来成本和效率的双重挑战。
利用IBM Watson Discovery强大的自然语言学习能力，延锋汽车成功构建起AI模型， 从他们涵盖了1.8亿历史数据、200多种排列组合、结构化数据和非结构化文本的混合数据中，学习通用订单对应的内部订单背后蕴藏的规则，变身智慧大脑，实现了全自动执行流程，无需人工操作，将订单分类正确率从85%提升到97%，大大减少了返工时间，实现了降本增效。
场景二：实现分支生产车间和总部之间海量数据的高速传输，为智能库存与预测夯实数据基础
技术：利用IBM Cloud Pak for Integration – Aspera实现高速数据传输
延锋汽车的智能制造部门希望与IBM共同探索智慧库存与预测的应用场景。双方探索的焦点最后落在数据治理上，为了驱动决策预判和自动识别，需要利用大量数据进行模型训练，而现有的数据传输方式不甚理想。
为了实时掌握分布在全球240多个工厂众多车间的零部件库存使用情况，延锋汽车利用各工厂的监控摄像头将成千上万张的实时照片快速地传回总部。起初，智能制造部门采用传统的复制粘贴的方法来传输批量的照片文件，由于传输速度慢、网络延迟明显、丢包严重，需要多次分批次手工选择对应照片文件进行复制，这样既耗时又容易误操作，同时无法断点续传、无法自动重连、无法自定义传输速度，主干网的传输带宽无法得到充分利用。
在IBM CSM团队的帮助下，延锋汽车仅用一天时间就完成了小而美、轻量级的 IBM Cloud Pak for Integration - Aspera 的组件部署，构建起企业级的文件传输解决方案，使延锋汽车的文件传输速度平均提高了10倍，节约了人工等待时间，避免了人工误操作，实现了断点续传和自动重连，并且可以动态配置传输带宽和限速，在不影响 ERP 核心系统性能的前提下最大化地提高了实时监控文件的传输效率，为实现其智能库存与预测的愿景奠定了基础。
场景三：解决开源的数据抽取工具Kafka带来的运营瓶颈
技术：利用IBM Cloud Pak for Integration-Event Streams轻松实现高可用的数据抽取
延锋汽车在每一个分支工厂都部署了一套开源的Kafka集群，用作MES系统中多项实时生产数据的抽取，提供给各个工厂的MI看板系统进行查询和展示。然而，这套开源系统带来很多问题。比如，每次的手工安装部署、配置以及升级维护都需要花费数天甚至数周的人力成本；无法保证企业级的高安全和高可用；需要持续投入额外的员工培训成本和专家咨询服务费用；不支持与核心业务系统以及常用生产系统的天然集成；没有配套的Kafka技术支持和售后保障等。
在IBM CSM团队的努力下，延锋的样板工厂开始采用 IBM Cloud Pak for Integration中的 Event Streams 组件来做实时数据的抽取。生成数据的应用程序从MES系统中抽取零配件生产班次、生产数量、需求数量、返修数量、排序以及其他相关的生产数据，发送到对应的数据主题频道。抓取数据的应用程序通过订阅Event Streams的相应主题频道，可以直接使用相应数据。MI Skynet 看板系统则可以选取指定的表字段，进行后续的仪表板展示和预警分析。
通过部署Event Streams这一企业级的数据抽取解决方案，延锋汽车可以实现"一键"部署，开箱即用，零宕机滚动升级，时刻拥有最新的Kafka稳定版本。同时，组件自带图形化操作界面，几乎不需要额外的技能培训。利用高安全性和异地复制功能，还能获取企业级灾难恢复能力。先进的模式注册表和丰富的 Kafka 连接器以及可扩展的 REST API，轻松扩展现有企业资产的范围。不仅如此，IBM还提供配套的企业级售后服务、专家咨询和及时的问题排查，能够帮助客户获取所需的技术专业知识。
场景四：实现核心生产设备的智能化产能测算和规划，实现降本增效
技术：利用IBM Cloud Pak for Data - Decision Optimization实现注塑机产能测算和规划
在汽车配件的制造过程中，注塑是其中一项重要环节。延锋汽车为很多整车厂商提供例如仪表板等内饰件，这些塑料件都需要一个核心设备注塑机来生产。由于各种车型的仪表板规格不一，生产过程需要进行设备切换。例如，当设备用料从黑色切换成白色的时候需要清洗，而从白色切换成黑色则不需要清洗；从金色切换成红色又需要叠加其它动作。设备切换会带来成本问题，也会影响生产排期和库存管理，比如：如何在降低库存成本的情况下，决定不同产品的最优经济批量？如何在满足客户需求的情况下，平衡多台机器一整年的产能？如何测算机器的产能，从而更好地调整计划、发挥机器最大效能、提高生产率、降低加班率？如何确保计划能够在生产真正落地以及变化来临时又能及时响应变化等。
在各种零配件需求不断扩大和变化，而生产力和生产资源又十分有限的背景下，传统的生产规划方式多基于经验和手工计算，容易产生生产效率低下、库存成本高、人力负担重等问题，严重影响企业生产效益，因此需要寻找新的方式给出合理的生产规划和排产方案。
IBM CSM团队联合IBM实验室专家服务团队以及IBM中国开发中心专家，在和客户充分讨论之后，基于IBM Cloud Pak for Data的Decision Optimization功能模块，为客户打造了一个强大完备、敏捷高效的方案。这是两种互相补充的方案：总体的多机器跨月份规划方案以及单月精细排产方案。方案支持范围广，能够支持20多个工厂的近百名工作人员对几百台注塑机进行产能规划；支持精度高，规划的每个概要方案都配套精确的排产方案，对后续指导生产具有很强的实操性；变化更敏捷，规划一组方案仅需几分钟到几十分钟，大大提高了对未来变化的响应程度，一旦客户需求或者生产资源发生变化，可以随时调整规划；适应性更强，所做方案基于敏捷的通用平台，对业务人员友好，可以很轻松地扩展到其它生产设备，以及应用到其它类似领域。
行业场景+技术落地，共创共赢在路上
IBM CSM团队陪伴着延锋汽车在数智化转型的征途中前行了两年，从最开始实现外部到内部订单的自动化转化、解决全球工厂车间的高速数据传输问题，到用企业级工具替换开源工具实现高可用数据抽取，再到当前利用AI赋能的解决方案实现核心生产设备的产能测算和规划；从数据的整合治理，到利用AI把数据用起来，实现精益化智能化的产能测算和规划——一路走来，"业务场景 + 技术落地 => 行业价值"是我们共创共赢的准则和方法。
延锋汽车可以说是以"数据为先"策略来直面业务挑战的行业先锋。与延锋汽车携手，除了第一个场景里使用的 IBM Watson Discovery, 另外三个 Cloud Paks 组件Aspera, Event Streams和Decision Optimization在延锋汽车的成功应用，实现了这几个产品在中国汽车行业的首个场景落地，相信可以为国内的汽车行业与智能制造行业提供有益的借鉴。
与客户共创是 IBM CSM 团队最主要的工作方式，IBM CSM 的架构师不仅拥有强大的技术背景与丰富的落地经验，他们对特定行业的很多新应用和数字化转型项目也有着深入的理解。通过与客户一对一的长期合作和对客户的成功负责的态度，他们已经逐渐成为对客户的业务场景与IT架构及环境有着深刻理解和深受客户信赖的技术顾问。
不久前，IBM在2023年度 Think 大会上推出 IBM watsonx，一个针对基础模型和生成式AI 的全新数据平台，一个能够帮助企业利用可信数据来扩展和加速领先的AI影响力的强大工具。未来，在企业从"+AI"步入"AI+"、从"数据为先"步入"AI为先"的关键时刻，当企业渴望拥有一个完整的技术堆栈，能够跨整个组织来训练、调整和部署 AI 模型（包括基础模型和机器学习等能力），能够在任何云环境下都具备可信的数据、速度和治理的时候，IBM就在你们身边，包括每一位以客户成功为己任的IBM CSM架构师。
