ZDNet至顶网软件频道消息: 面对移动互联网、大数据、云计算和社交网络等新技术的应用冲击,传统制造业尤其是集团型企业如何在日新月异的市场及技术进化中成就自身的完美蜕变?2013年天瑞集团股份有限公司(简称天瑞集团)与用友启动更深层次合作,通过NC6应用斥资千万打造数字水泥工厂,在集团层面建立了统一的集团管控与协同应用平台,实现了集团内部高度协同,并在应用模式上打破了此前集团企业先上ERP、OA、HR、资金等系统,之后再集成应用的惯例,从而在集团大协同应用领域树立了标杆。
突破壁垒
天瑞集团是一家集铸造、水泥、旅游、煤电铝、矿业、商贸物流等产业为一体的综合性企业集团。天瑞集团的管理者一直非常重视提升组织管理效率、强化各业务板块之间协作沟通,如何构建集团统一的协同管理平台、实现与其他领域一体化应用也被列为集团信息化工作亟需解决的重点和难点。另外如何避免“信息孤岛”的陷阱,是选择单独部署协同办公系统再做集成应用,还是考虑统一规划、与其他领域实现一体化应用,都值得集团型企业信息化建设者和决策者去思考、决策的。
对于新的信息化系统,天瑞希望支撑公司“集团-板块-子公司”三层管理体系,并且能纵向责权明晰、横向高效协同,及时、准确、全面地反映企业的经营信息,实现事前计划、事中控制、事后分析评价,由结果控制转变为过程监控。建立适合企业战略发展需要的完整的、统一的信息化管理平台,全面提升天瑞集团的核心竞争力。
具体信息化建设目标有:建立一个统一的信息化管理平台,完善两层部署,集团集中部署、工厂(子公司)分布部署;完善工厂经营层、板块管理层、集团管控层三级应用;形成财务集中、营销集中、采购集中、人力与协同集中、投资决策集中五大集中;并且在企业业务全面信息化应用——工厂现场管理数字化、板块经营管理规范化、集团管控经营一体化方面形成全面深化应用。
大协同驱动集团管控
天瑞集团经营管理的特点是多产业、多组织、跨地区,对集团统一的文化宣传和信息发布有迫切的需求。应用用友ECM前虽有统一的办公系统,但没有建立集团总部主导的统一信息发布平台。通过用友ECM搭建集团门户,设置多级栏目对不同类型的新闻、公告、资讯、文件等信息进行及时、精准的发布,提升整个集团的文化凝聚力和信息的有效传递能力。
在天瑞集团内部日常管理中,存在上下组织之间、部门之间、人与人之间存在密集性、灵活性的协作工作流程,通过用友ECM协同工作的应用,实现了协同工作的随时发起、转发加签、预警推送、及时处理、有效跟踪等,提升了日常工作效率,并能有效监控流程执行过程。
在天瑞集团总部的行政事务、综合事务管理中,对IT 服务管理、办公用品申领、用印申请、接待申请、用车申请、重大事项签批、招投标签批等有规范的制度文件和管理办法。如何严格执行规章制度,有效配置资源使用效率是管理的难题和关键,通过用友ECM表单流程的设计和应用,能够固化审批流程、提高事务处理效率,保障制度文件落实和执行。
集团型企业的合同管理涉及多个领域的应用,合同文本与会签管理是用友ECM的专长,对天瑞集团的合同类型统一标准,建立规范的合同模板管理,灵活配置各单位合同会签流程,及时对合同履行状态进行维护、跟踪和归档,对合同台账进行统计汇总。一方面能从集团总部集中管控的角度,建立合同基础管理的统一规范;另一方面,通过系统中的模板管理、会签流程控制和履行状态跟踪,能有效控制合同起草、签批过程、履行过程中的合规风险。
针对中高层领导行政审批活动多、不固定在工位工作的特点,协同系统全面支持手机端的消息提醒、移动审批、新闻浏览和发起协同等应用。移动办公极大提高了审批流程、协同工作的处理效率,也方便中高管理者随时发起协同和任务下达。
通过用友ECM的上线正式运行和不断深化应用,天瑞集团ECM系统使用单位达到80多家,注册用户数3000人,用户活跃率达到80%以上,运行期间最高800人同时在线,日均600人同时在线,日上线最高人数为2000人,每月任务量超过10万条。
随着用友ECM在天瑞集团应用功能的扩展和应用范围的扩大,“统一协同管理平台,集团一体化应用”的创新应用模式,将会给天瑞集团带来更深层次的管理升级和更好的用户体验。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。