ZDNet至顶网软件频道消息:IFS(艾菲诗软件)宣布,江苏利电能源集团决定将现有企业应用系统平台升级至IFS最新版本应用系统8,全面提升企业管理能力。
江苏利电能源集团隶属于中信泰富有限公司,是以发电业务为核心,集煤炭加工、物流、航运、发电为一体的综合性大型能源集团。其下属的江苏利港电力有限公司成立于1988年,是我国改革开放后第一家利用境外资金合作办电的独立发电厂,目前总共拥有8台机组,总装机容量接近4000MW,为江苏省最大的火力发电厂之一。利电集团从2002年开始与瑞典IFS公司合作,以IFS系统为统一信息平台推动集团高效运作并提升市场竞争力。
IFS系统在利电集团的应用部署主要分为三个阶段。2002年,利港电厂采用IFS资产管理平台即EAM系统,大幅提升设备可靠性并降低维修成本,实现了精细化的资产管理。从2005年开始,利港电厂在原有EAM系统的基础上,充分利用IFS系统平台模块化结构和良好开放性的特点,引进实施了财务管理、项目管理、人力资源管理、销售管理等模块,实现了人、财、物、信息的统一管理平台,构建了公司的ERP系统。2011年,为适应公司集团化运作的需要,利电集团将非电力板块的各子公司财务和物资全部纳入到该平台进行统一管理,扩充和深化了ERP系统。
2013年底,在经过严格的考察和评估后,利电集团决定将整个信息平台迁移到IFS最新版本应用系统8上。IFS应用系统8的领先技术将为利电集团的商业智能(BI)、移动和云计算等应用奠定基础,使集团在向多元化、产业链方向发展的过程中,有效整合内部资源,实现整体绩效最优。
IFS应用系统在利电集团的信息化过程中扮演了重要作用。如实施EAM时,根据公司点检定修的管理实际情况,利电集团在IFS平台上开发了设备巡点检管理模块、检修文件包管理模块等,提升了公司设备管理水平,降低了设备维护和检修成本。公司先后开发实施了基于PDA的电气两票操作管理、设备检查卡管理、计量仪表校正管理等应用模块。这些管理功能在发电厂生产管理中都属于较早提出或者具有独创性的应用,大大提升了公司生产管理水平。另外,在实施ERP时,利用IFS系统支持多公司多域的特点,形成了一二期机组、三四期机组,即一公司和二公司的一体化管理模式。其中物资、财务、人力资源统一管理,但各公司又核算清晰,符合监管要求。这种独特的管理模式一方面能加快新项目的运营规范,另一方面又能大大降低新项目对人员、物资、财务等资源的占用,为公司规模化、集约化经营提供了有效的手段。
江苏利电能源集团董事长李亚军表示:“在过去10多年中,我们与IFS公司有着良好的合作历史。IFS应用系统8有利于我们整合集团资源,加强集团对各子公司的管控,实现集团效益最大化。 ”IFS大中华区总经理林时东表示:“我们非常荣幸利电集团选择IFS作为其IT软件的战略合作伙伴。IFS在全球电力市场有着长远卓越的历史,我们会继续携手客户及行业专家,加大在该领域的投资,更好地服务于我们的客户。“
好文章,需要你的鼓励
这项研究介绍了一种名为FlowPathAgent的神经符号代理系统,用于解决流程图归因问题。研究团队提出了流程图精细归因这一新任务,构建了FlowExplainBench评估基准,并开发了结合视觉分割、符号图构建和基于代理的图形推理的方法。实验表明,该方法在归因准确性上比现有基线提高了10-14%,特别在处理复杂流程图时表现出色,为提升人工智能系统在处理结构化视觉-文本信息时的可靠性和可解释性提供了新途径。
这项研究首次从神经元层面揭示了大型语言模型(LLM)评估中的"数据污染"机制。研究团队发现当模型在训练中接触过测试数据时,会形成特定的"捷径神经元",使模型无需真正理解问题就能给出正确答案。他们提出了一种新方法,通过识别并抑制这些神经元(仅占模型总神经元的约1%),成功恢复了模型的真实能力表现。实验证明,该方法与权威可信基准测试结果高度一致(相关系数>0.95),并在不同基准和参数设置下都表现出色,为解决LLM评估可信度问题提供了低成本且有效的解决方案。
这份来自向量研究所、康奈尔大学和格罗宁根大学研究团队的综述分析了基于大语言模型的代理型多智能体系统中的信任、风险和安全管理框架(TRiSM)。研究系统地探讨了代理型AI从概念基础到安全挑战,提出了包含治理、可解释性、模型运营和隐私/安全四大支柱的TRiSM框架。文章还详细分析了威胁向量、风险分类,并通过真实案例研究展示了潜在脆弱性。
这项研究提出了一种名为ConfiG的创新方法,通过生成针对性的数据增强样本来解决知识蒸馏中的协变量偏移问题。研究团队利用教师模型和学生模型之间的预测差异,引导扩散模型生成那些能挑战学生模型的样本,从而减少模型对训练数据中欺骗性特征的依赖。实验表明,该方法在CelebA、SpuCo Birds和Spurious ImageNet数据集上显著提升了模型在缺失组别上的性能,为资源受限环境下的AI应用提供了实用解决方案。