IBM与索菲亚家居股份有限公司(以下简称:索菲亚)今日联合宣布,索菲亚在Oracle EBS生产系统中成功应用了IBM FlashSystem 840全闪存阵列,使其整体数据库效率提高约26倍,大幅节省了前端操作条码扫描响应时间与EBS月结成本报表时间,明显提升了综合产能,进一步巩固了自身定制衣柜行业领导者的市场地位。
对于此次与IBM的成功合作,索菲亚家居股份有限公司相关负责人表示:“作为中国定制衣柜领军企业,索菲亚是最早引进ERP信息化系统的家居企业之一。通过采用IBM FlashSystem 840,索菲亚EBS生产系统/CRM系统的数据存储性能得以大幅提高,信息化系统效率提升明显,为公司生产效率和竞争力的提高奠定了坚实的基础。”
衣柜定制信息化倒逼存储系统升级
索菲亚家居股份有限公司设立于2003年,是一家主要经营定制衣柜及其配套定制家具的研发、生产和销售的港澳台企业投资股份有限公司。2011年在深圳证券交易所成功挂牌上市,是定制衣柜行业内首家A股上市公司。截至2014年6月30日,公司拥有员工2000多人,经销商800余家,专卖店约1400家。公司的资产总额从2008年末的12,196.06万元增加到2011年12月31日的154,013.03万元,增长1162.81%。
作为最早引入信息技术定制衣柜的企业,索菲亚从企业信息化中充分尝到了甜头,公司业务的快速增长也无不得益于此。随着公司规模的进一步扩大,消费者对于定制企业的服务和供应的要求也在相应提升,企业的效率和竞争力也越来越依赖信息系统的水平、性能和稳定性。
按订单的定制化生产和销售对于生产系统的响应有着极高的要求。在原有的系统环境下,索菲亚生产系统前端条码扫描操作响应时间需要5分钟,严重影响生产效率,而EBS系统月结成本报表性能也太慢,每月初都会影响生产效率,现有的IT系统存在明显的性能瓶颈,无法满足生产要求。系统升级刻不容缓。
IBM FlashSystem 840纾解存储性能瓶颈
针对索菲亚EBS系统呈现出来的问题,IBM技术团队最终决定采用IBM Power Systems S824服务器和IBM FlashSystem 840对索菲亚的原有系统进行升级。
新升级系统通过采用Flash技术降低了关键数据库负载的I/O等待时间,提供极低的读写延时,从而加速了EBS/CRM数据库负载处理。IBM FlashSystem为索菲亚EBS数据库I/O整体性能带来了10倍以上的提升。其中,生产系统Oracle数据库CPU利用率提升4倍,从实施前的11%升至43%;I/O平均时延提升21倍,从实施前的5.47ms 缩短为0.26ms;等待时间占比提升16倍,从实施前的64.35%降低至4.48%。数据库效率(处理:IO等待) 提升26倍,从实施前的1:2升至13:1。
从更加直观的数据来看,生产线前端操作条码扫描响应时间从5分钟缩短到了30秒,EBS月结成本报表时间从8小时缩短到了4小时,极大地提升了索菲亚的业务生产效率。
IBM副总裁、大中华区硬件系统部总经理郭仁声先生表示:“激烈的市场竞争让企业面临着构建高效IT系统,以及实现业务价值的巨大压力。凭借业界领先的技术与最佳实践,IBM FlashSystem正在被越来越多的企业用以克服存储瓶颈、提升系统性能、提高生产效率。同时,IBM也一直致力于帮助用户通过技术创新实现业务创新,从而推动企业的快速成长与转型。”
好文章,需要你的鼓励
本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂,Tmux更现代化但学习曲线陡峭,Byobu为前两者提供友好界面,Zellij用Rust编写界面简洁易用,DVTM追求极简主义,Twin提供类似TurboVision的文本界面环境。每款工具都有各自特点和适用场景。
韩国汉阳大学联合高通AI研究院开发出InfiniPot-V框架,解决了移动设备处理长视频时的内存限制问题。该技术通过时间冗余消除和语义重要性保留两种策略,将存储需求压缩至原来的12%,同时保持高准确性,让手机和AR眼镜也能实时理解超长视频内容。
网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs,收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立,专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察仪表板、Gateway轻量级代理、Guardrails策略引擎等产品,并在工具中毒和模型上下文协议漏洞等新兴AI威胁防护方面处于领先地位。此次收购将推进Snyk保护下一代AI原生应用的使命。
纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型,发现了一个普遍存在的"意图-行动差距"问题:机器人能够正确理解任务和识别物体,但在实际动作执行时频频失败。研究还揭示了端到端训练会损害原有语言理解能力,以及多模态挑战下的推理脆弱性,为未来机器人技术发展提供了重要指导。