圖1

企業(yè)在開(kāi)展系統(tǒng)間數(shù)字主線建設(shè)的同時(shí)，應(yīng)該秉承以終為始的思路，考慮如何建立合理的主數(shù)據(jù)體系，并在海量數(shù)據(jù)中進(jìn)行清洗、特征工程、建模、迭代優(yōu)化等工作，將系統(tǒng)中產(chǎn)生的歷史數(shù)據(jù)和新產(chǎn)生的實(shí)時(shí)數(shù)據(jù)通過(guò)數(shù)據(jù)服務(wù)的形式持續(xù)性地組織分析，建立基于系統(tǒng)數(shù)據(jù)的模型自學(xué)習(xí)、自升級(jí)機(jī)制。

只要實(shí)現(xiàn)了LLM通用模型基礎(chǔ)上的垂域知識(shí)訓(xùn)練與建模，在產(chǎn)品開(kāi)發(fā)過(guò)程的每個(gè)階段都可以挖掘AI應(yīng)用，例如通過(guò)爬蟲技術(shù)進(jìn)行市場(chǎng)洞察、利用LLM模型虛擬大量用戶支撐需求優(yōu)先級(jí)排序、利用生成式AI進(jìn)行產(chǎn)品概念設(shè)計(jì)或增材制造設(shè)計(jì)、采用機(jī)器學(xué)習(xí)對(duì)測(cè)試活動(dòng)進(jìn)行缺陷預(yù)測(cè)、通過(guò)三點(diǎn)估測(cè)法結(jié)合深度學(xué)習(xí)預(yù)測(cè)項(xiàng)目成本或采購(gòu)風(fēng)險(xiǎn)?；谏鲜瞿芰涂蓸?gòu)建應(yīng)用級(jí)智能體，例如采購(gòu)BOM預(yù)測(cè)Agent、基于需求的快速報(bào)價(jià)Agent、變更影響分析Agent……只有實(shí)現(xiàn)了底層系統(tǒng)數(shù)據(jù)打通和面向垂直領(lǐng)域應(yīng)用的持續(xù)分析，才能實(shí)現(xiàn)產(chǎn)品開(kāi)發(fā)過(guò)程數(shù)據(jù)的可自主讀取識(shí)別，逐漸達(dá)到數(shù)據(jù)可自主創(chuàng)造和自主決策的高度。如圖2所示，將PLM等系統(tǒng)數(shù)據(jù)進(jìn)行結(jié)構(gòu)化、圖譜化梳理，并建立持續(xù)的訓(xùn)練與模型調(diào)優(yōu)機(jī)制，對(duì)垂直領(lǐng)域大模型開(kāi)展?jié)u進(jìn)優(yōu)化，是建立企業(yè)級(jí)AI應(yīng)用的必由之路。

圖2

AI驅(qū)動(dòng)的集成供應(yīng)鏈優(yōu)化

以集成供應(yīng)鏈優(yōu)化為例，AI技術(shù)能夠協(xié)助企業(yè)預(yù)測(cè)采購(gòu)需求，推薦物料選型，求解最佳采購(gòu)計(jì)劃，規(guī)避供應(yīng)商交付風(fēng)險(xiǎn)，如圖5所示，AI技術(shù)在供應(yīng)鏈優(yōu)化方面能夠提供重要助力。

圖3

由于市場(chǎng)需求和供應(yīng)鏈趨勢(shì)的波動(dòng)，企業(yè)希望提前預(yù)測(cè)未來(lái)一段時(shí)間的采購(gòu)計(jì)劃。企業(yè)可以通過(guò)建立市場(chǎng)趨勢(shì)、客戶需求、歷史銷售數(shù)據(jù)和采購(gòu)數(shù)據(jù)的數(shù)字主線，結(jié)合時(shí)間序列模型和深度學(xué)習(xí)模型，預(yù)測(cè)未來(lái)的采購(gòu)方案，以降低庫(kù)存壓力或物料短期風(fēng)險(xiǎn)。某車企通過(guò)時(shí)間序列ARIMA模型和深度學(xué)習(xí)LSTM模型預(yù)測(cè)6個(gè)月內(nèi)的采購(gòu)需求，實(shí)現(xiàn)訂單驅(qū)動(dòng)的拉式生產(chǎn)零庫(kù)存管理，將庫(kù)存對(duì)資金占用的浪費(fèi)降到最低。

AI技術(shù)也能夠幫助企業(yè)建立物料智能優(yōu)選引擎，構(gòu)筑物料采購(gòu)規(guī)模效應(yīng)。通過(guò)建立包含供應(yīng)商歷史交貨準(zhǔn)時(shí)率、質(zhì)量合格率、價(jià)格波動(dòng)、DOE結(jié)果、客訴數(shù)據(jù)的數(shù)字主線，構(gòu)建面向物料的多維尺度評(píng)價(jià)模型，整合基于固有屬性的機(jī)理模型和基于歷史采用情況的數(shù)據(jù)模型，自動(dòng)推薦最優(yōu)供應(yīng)商和物料，實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的物料智能推薦。國(guó)內(nèi)電子高科技行業(yè)某頭部企業(yè)已經(jīng)開(kāi)始使用上述方法針對(duì)電氣元器件進(jìn)行AI智能優(yōu)選的探索，并且取得了一定的成效。

Gartner預(yù)測(cè)到2028年，至少15%的日常工作決策將通過(guò)代理型AI自主做出。借助AI的力量，未來(lái)的集成供應(yīng)鏈管理必將從傳統(tǒng)的“成本單元”轉(zhuǎn)型為構(gòu)筑企業(yè)競(jìng)爭(zhēng)力的“戰(zhàn)略單元”。

展望

人工智能技術(shù)是企業(yè)數(shù)字化轉(zhuǎn)型的重要驅(qū)動(dòng)力，企業(yè)要想構(gòu)建基于AI的數(shù)字化轉(zhuǎn)型能力就必須構(gòu)建“算力-算法-數(shù)據(jù)”三位一體的底層架構(gòu)。對(duì)于企業(yè)來(lái)說(shuō)該架構(gòu)的最大困難仍然在于高質(zhì)量數(shù)據(jù)的突破，能否將嵌在多源異構(gòu)系統(tǒng)和流程中的寶貴數(shù)據(jù)提煉并應(yīng)用，是企業(yè)未來(lái)實(shí)現(xiàn)AI驅(qū)動(dòng)數(shù)字化轉(zhuǎn)型的最大挑戰(zhàn)。如圖4所示，AI技術(shù)是未來(lái)驅(qū)動(dòng)數(shù)字化轉(zhuǎn)型的核心驅(qū)動(dòng)力，要想駕馭AI能力并實(shí)現(xiàn)落地應(yīng)用，企業(yè)還有很長(zhǎng)的路要走。

圖4

企業(yè)在這場(chǎng)沒(méi)有終點(diǎn)的AI競(jìng)賽中想要?jiǎng)俪?，除了需要?gòu)建“算力-算法-數(shù)據(jù)”三位一體的底層架構(gòu)以外，還需要建立基于LLM通用模型基礎(chǔ)上的垂直領(lǐng)域模型，達(dá)到面向人員的能力在線和面向流程的業(yè)務(wù)在線，使其具備制造業(yè)專有的產(chǎn)品開(kāi)發(fā)知識(shí)，用于促進(jìn)多角色協(xié)同的產(chǎn)品開(kāi)發(fā)工作。未來(lái)的產(chǎn)品競(jìng)爭(zhēng)力，將取決于企業(yè)駕馭AI創(chuàng)新的能力。唯有將AI深度融入研發(fā)基因，方能在智能時(shí)代占據(jù)先機(jī)。【本文作者：PTC公司  段立淵 施戰(zhàn)備】

xiesc