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
DeepResearchGym是一个创新的开源评估框架,专为深度研究系统设计,旨在解决当前依赖商业搜索API带来的透明度和可重复性挑战。该系统由卡内基梅隆大学研究团队开发,结合了基于ClueWeb22和FineWeb大型网络语料库的可重复搜索API与严格的评估协议。实验表明,使用DeepResearchGym的系统性能与使用商业API相当,且在评估指标间保持一致性。人类评估进一步证实了自动评估协议与人类偏好的一致性,验证了该框架评估深度研究系统的有效性。
这项研究介绍了FinTagging,首个面向大型语言模型的全面财务信息提取与结构化基准测试。不同于传统方法,它将XBRL标记分解为数值识别和概念链接两个子任务,能同时处理文本和表格数据。在零样本测试中,DeepSeek-V3和GPT-4o表现最佳,但在细粒度概念对齐方面仍面临挑战,揭示了当前大语言模型在自动化XBRL标记领域的局限性,为金融AI发展提供了新方向。
这项研究介绍了SweEval,一个新型基准测试,用于评估大型语言模型在企业环境中处理脏话的能力。研究团队从Oracle AI等多家机构的专家创建了一个包含八种语言的测试集,模拟不同语调和上下文的真实场景。实验结果显示,LLM在英语中较少使用脏话,但在印地语等低资源语言中更易受影响。研究还发现较大模型通常表现更好,且多语言模型如Llama系列在处理不当提示方面优于其他模型。这项工作对企业采用AI技术时的安全考量提供了重要参考。
这项研究提出了"VeriFree"——一种不需要验证器的方法,可以增强大型语言模型(LLM)的通用推理能力。传统方法如DeepSeek-R1-Zero需要验证答案正确性,限制了其在数学和编程以外领域的应用。VeriFree巧妙地计算正确答案在模型生成的推理过程后出现的概率,作为评估和训练信号。实验表明,这种方法不仅能匹配甚至超越基于验证器的方法,还大幅降低了计算资源需求,同时消除了"奖励黑客"问题。这一突破将有助于开发出在化学、医疗、法律等广泛领域具有更强推理能力的AI系统。