随着数据成为新时代的重要生产要素,制造型企业如何数字化转型,实现高效的生产和管理成为行业关注重点。华为云与信义的强强联手,历经近一年的合作,2021年4月22日,信义浮法智能集控中心(工业互联网一期)顺利上线,初步形成了数据驱动的企业管理体系。

信义浮法智能集控中心(工业互联网一期)上线仪式
信义玻璃是全球领先的综合玻璃制造商,致力于生产优质浮法玻璃、汽车玻璃、节能建筑玻璃等产品。经过三十余年的发展,信义玻璃在中国经济发展最活跃的珠三角、长三角、环渤海经济区、成渝经济区、北部湾经济区建立了大型国内生产基地,并积极推动业务全球化和全球战略布局。
随着企业快速发展,信义玻璃亟需通过数字化手段感知企业实时生产经营情况,支撑企业快速决策,提升企业营运效率。为此信义玻璃于2020年6月选择了与华为云合作,启动了信义浮法智能集控中心项目,以信义玻璃的浮法及镀膜产业共同探索数字化转型。
信义浮法智能集控中心项目以企业数字化转型为顶层目标,和华为云数据使能DAYU团队合作,以数据使能规划咨询为牵引,共同建设信义的数据使能平台,实现数据全生命周期管理,承载上层的三维可视化工厂、BI以及AI与工业设备融合探索等相关应用,构建数据驱动的管理决策体系。
信义浮法智能集控中心上线后,在生产监控管理方面,实现了对全国工业园生产状况的集中管理、实时监控,有效减少各园区的差异化管理动作,进一步提升了管理标准化;在企业管理方面,通过梳理信义生产、销售、采购、财务、HR、经营管理等全领域数据,建立信义自身的数据资产以及数据标准管理体系,通过数据量化企业经营情况,发现相关问题并找到根因,实现数据驱动的企业管理。
打通 I T&OT数据 , 让 设备 “说话”
华为云数据使能DAYU助力信义打通集团内外部数据流,融合IT、OT数据,架起了物理世界与信息世界的桥梁,让设备“说话”,建设信义集团“中枢神经系统”,实时洞察企业经营状况、全球工厂生产状况和风险。在信义浮法智能集控中心项目中,IT方面接入信义ERP、CRM、SRM、资金系统等全部业务系统;OT方面接入40余条产线、一期接入近3000台设备数据,构建工业互联网平台;同时接入天眼查等外部数据,实时获取供应商、客户的风险,及时预警。
标准化管理 , 提升 效率
信义浮法智能集控中心项目以标准化的方式构建集团各工厂管理基线、规范管理动作、构建企业数据决策分析体系,统筹公司整体的数字化运营建设,推动各个业务单元的数字化场景建设,实现一定程度的运营可视与信息透明、提升决策效率和运营效率。在数据管理方面,华为云数据使能DAYU团队与信义共同梳理和制定1200+数据标准规范,建立了200+数据模型。“授人以鱼不如授人以渔”,在项目的实施的过程中,华为云还将数据管理相关的方法赋能给信义,信义通过持续优化数据管理,实现数据的互联互通和更多数据资产的沉淀。
AI 模型应用,优化生产工作
有了好的数据资产,AI模型能更好地应用于典型的浮法玻璃生产场景,这一期双方联合探索了将人工智能技术应用于玻璃切割和窑炉控制,实现设备的智能化。
数字化工厂快速复制 , 支撑全球化战略达成
华为云数据使能DAYU助力信义新工厂快速、低成本复制现有的数据资产和管理能力,加速全球化布局。通过此次数字化转型,信义后续全球投资建设新工业园时,在信息化和智能化方面可实现快速部署实施,助力信义快速投产。
在华为云数据使能DAYU团队的支撑下,信义浮法智能集控中心(工业互联网一期)成功上线,信义的数据使能平台支撑信义实现了工业数据要素互联、设备运行状态优化和能耗闭环优化等关键智能化工厂生产过程,提升了管理标准化;通过建立数据标准管理体系,助力信义实现数据驱动的企业管理体系。
项目的成功上线,也让信义坚定了企业数字化转型的方向,后续将继续与华为云在建筑玻璃、汽车玻璃等更广泛的业务板块深入合作,共同缔造杰出玻璃企业,成就世界一流品牌。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。