作者:靳扬,Veeam中国区技术总监
您还认为制造业的本质就是机械吗?当今的产品在很大程度上取决于数据可用性,而生产线则是连接供应商、代理商、合作伙伴和客户的大规模数字网络的枢纽。定制、适时库存、知识产权、竞争等都是现代制造企业的内在需求,而且这些需求相互交织在一起。成功的研发、工程、销售和市场、客户关系、员工管理等很多方面越来越多地通过各种相互关联的数字系统进行管理。任何一个领域的停工都会让整个企业产生多米诺骨牌效应,造成巨大的财务损失。对于当今的制造商,当他们准备迈向物联网,应用增强现实,或者进一步扩大使用机器人时,管理数据可用性是提高效率和盈利能力的一个关键因素。
制造业在很多方面仍然是规模最大、最活跃的经济领域。2000至2014年间,世界制造业成品贸易翻了一倍多,从4万8千亿美元增加到12万2千亿美元。在美国,制造商现在的产量是1984年的两倍,尽管如此,雇佣的员工数量也只是当初的三分之一。数字数据和数字化流程对行业发展的推动作用越来越显著,数据可用性成为制造业运营能否达成目标的关键所在。
数据已经成为当今制造业持续运营的关键因素。其他行业也正在进行数字化转型,企业依赖ERP系统及员工管理等各种解决方案所产生的数据。IT部门应部署具备持续可用性,可实现稳固的备份和复制,以及可在虚拟化数据环境中进行集中管理的系统,以保证数据的可用性,并在灾难发生时能够马上恢复数据。
制造商如果不能适应不断变化的市场、不能创新,竞争力就会越来越差,最终导致失败。正如麦肯锡公司所指出的,制造行业进入了充满活力的新阶段,传统的观点已经过时了,技术以及对新兴市场的追求促使制造商不断向前发展。Michael E. Porter和James E. Heppelmann在《哈佛商业评论》中阐述道,软件、机器学习和物联网(IoT)把制造“产品”从简单的物理设备重新定义为“重塑行业边界,创造全新行业”的智能联网设备。
在这一竞争激烈的新环境中,供应链和分销渠道已经与制造工厂密不可分,从原材料到终端客户整条链路上的任何波动都会对运营产生不利影响。据Porter和Heppelmann表示,“产品总是在变,这也颠覆了价值链,迫使公司重新思考和调整他们内部几乎所有的工作。”
数据是没有物理边界的。因此,企业可以分布在全球各地,提供全球支持。在制造领域,物联网、高级分析、与最终客户联网,以及通过交付能够更新和修复漏洞的软件来增强产品售后服务,等等,这些新功能对于提高竞争力是非常重要的。
这些新功能还支持制造商从现场使用的产品中源源不断的收集数据,这有助于改进产品,更好的进行预测性维护,从而提高客户忠诚度。但也随之带来了持续运营的新要求,这就要依赖于能够实时访问数据。
正如比利时沃尔沃经销商所经历的,前所未有的数据增长要求企业具备新的管理能力来确保可用性。这些企业依靠一套经销商管理系统,从售前到销售直至保养,跟踪每辆车的销售和客户。该系统还将经销商连接到Volvo Car BeLux,以便开展库存计划、订购和管理等业务。每个经销商都有一套本地IT基础设施,过去是把本地物理服务器备份到磁带上。 然而,随着数据的增长,备份到磁带上越来越不可行了。继续购买磁带机的成本很高,沃尔沃经销商们担心的是昂贵的硬件更新、人为错误带来的风险,以及可能需要一整天的冗长的数据恢复过程,等等。
与领先的IT集成商合作后,把经销商数据和应用程序虚拟化,并将每一经销商内部部署的本地虚拟机备份到网络连接存储(NAS)设备中,备份副本发送到安全的私有云上。使用全面的备份和复制解决方案,可以在几分钟内恢复经销商虚拟机,如果出现灾难性的情况,则可以在四小时内进行完全恢复。
不管是什么原因,数据不可用将对制造业运营造成破坏性的影响,会引发意外停机的结果。
2017年《Veeam可用性报告》再次揭示了停机对业务带来的切实影响。虽然停机成本有所不同,但数据显示,本次研究中每家企业每年平均停机成本为2,180万美元,相比去年的报告数据高出1,600万美元。停机可能意味着,即使是一个非常有创新的流程或者想法也可能会使企业损失数百万甚至数十亿美元的成本。
制造商必须能够持续监督其业务运营,不惜一切代价积极主动的避免停机。这就需要能够对其业务运营的方方面面持续不断的进行检查,及时作出响应,甚至预测问题。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。