ZDNet至顶网软件频道消息:江苏太平洋造船集团股份有限公司(以下简称”太平洋造船集团”)是全球最大的海洋工程支持船(OSV)制造商之一。该公司采用IFS应用系统作为企业骨干系统,对其船舶设计、生产和国际贸易等核心业务进行管理。IFS应用系统作为统一集成的平台,整合了太平洋造船集团的所有业务流程,公司员工可通过该系统获取实时准确的信息,及时做出明智决策,支持公司业务的强劲增长。
分散的系统导致生产率下降
太平洋造船集团总部位于上海, 集研发设计、营销、供应链等各职能于一体,该公司在江苏扬州和浙江宁波拥有两大生产基地,并在挪威设有分支机构。作为一家国际化运营的企业,太平洋造船集团需要在全球市场环境下对其设计、生产和运营需求进行严格的管理。2007年之前,公司的各个部门建立了一些自有的系统,但作为公司整体的信息管理却略显分散。“这些系统彼此间不协同,形成了多个信息孤岛,”太平洋造船集团信息部总经理刘鸿儒说,”为了整合业务数据、提交报表,员工们常常需要在月末密集加班,但还是免不了延迟和错误的发生。随着企业的迅猛发展,亟需一套集成的、功能丰富的,且适合造船行业的系统来支持企业的日常生产和管理。”
集成、完整的解决方案帮助企业实现全方位管理
太平洋造船集团希望在市场中寻找一套集成的ERP解决方案来管理他们所有的核心流程。该系统要灵活,可与第三方软件轻松集成;要支持多种语言,并拥有直观的用户体验。”我们需要找到一个统一集成的平台,来对企业的工程数据、采购、生产制造、以及项目管理等信息进行全方位的管理,”刘总说。
太平洋造船集团在经过严格认真地比较之后,最终选择了采用IFS应用系统来管理所有核心流程,其采用的IFS模块包括工程、采购、制造(支持多种生产模式)、质量管理、供应链管理、仓库管理、财务、项目管理和人力资源等。“我们非常认同IFS按项目制作的造船解决方案。企业的工程数据在导入到IFS系统之后,会传递到采购及生产流程中。从生产设计结果、物料采购、车间派工单到售后支持,IFS应用系统能够帮助我们管理与船舶设计、生产和国际贸易相关的信息,”刘总说,“公司现在可以比较全面地掌握并管理项目进展数据。”
现在,太平洋造船集团能够有效地管理物料成本,提高了公司的库存周转率及仓库物流管理水平。”这一点对我们顺利完成生产目标有很大帮助,”刘总说,“总的来说,IFS应用系统让我们在按时按预算完成各项生产控制目标上更有自信。”
同时,IFS系统丰富的造船行业功能也能支持太平洋造船集团实现未来的宏伟成长计划。刘总还说,”IFS系统用户界面直观、支持多语言,能与第三方工具轻松集成,这对我们来说非常灵活,对提高生产率帮助很大。”
与系统实施前比较,现在通过一个统一集成的平台实时获得数据意味着“员工可以在任何地方、任何时间提交报告,”刘总说,“IFS系统让我们的业务流程更规范,能够准确及时地获取业务数据,帮助管理层做出明智的业务决策。”
与IFS的合作让太平洋造船集团在业务流程上实现了大幅提升。”我们和IFS团队的沟通进展得很顺利,IFS的顾问和支持人员非常了解我们的业务流程,在改善流程方面给我们提供了很多非常有价值的建议。他们还能够及时专业地帮助我们解决问题,”刘总说。在采用IFS按项目制作造船解决方案的过程中,太平洋造船集团通过IFS系统,进一步优化了公司的企业管理能力。
业务增值推动企业成长
“IFS应用系统帮助我们提高了企业生产率,我们现在可以更有效地控制成本,”刘总说。随着IFS应用系统的实施,太平洋造船集团的业务流程更规范,能够从多维度实时获取信息,为企业做出明智决策提供了强有力支持。“选择IFS是一个明智的决定,”刘总说,“IFS应用系统是一个优秀的系统,它能为我们公司现在和未来的成长提供有力帮助。”
客户证言:
“IFS应用系统是一个优秀的系统,它能为我们公司现在和未来的成长提供有力帮助。”
刘鸿儒,信息部总经理,太平洋造船集团有限公司
使用的IFS模块:
- IFS制造
- IFS财务
- IFS工程
- IFS供应链管理
- IFS仓库管理
- IFS项目管理
- IFS人力资源管理
- IFS质量管理
- IFS设备管理
好文章,需要你的鼓励
这项研究提出了ORV(占用中心机器人视频生成)框架,利用4D语义占用作为中间表示来生成高质量的机器人操作视频。与传统方法相比,ORV能提供更精确的语义和几何指导,实现更高的时间一致性和控制精度。该框架还支持多视角视频生成(ORV-MV)和模拟到真实的转换(ORV-S2R),有效弥合了虚拟与现实之间的差距。实验结果表明,ORV在多个数据集上的表现始终优于现有方法,为机器人学习和模拟提供了强大工具。
这项研究由Writer公司团队开发的"反思、重试、奖励"机制,通过强化学习教导大型语言模型生成更有效的自我反思内容。当模型回答错误时,它会生成反思并二次尝试,若成功则奖励反思过程。实验表明,该方法在函数调用和数学方程解题上带来显著提升,最高分别改善18.1%和34.7%。令人惊讶的是,经训练的小模型甚至超越了同家族10倍大的模型,且几乎不存在灾难性遗忘问题。这种自我改进技术为资源受限环境下的AI应用开辟了新方向。
FuseLIP是一项突破性研究,提出了通过早期融合离散标记实现多模态嵌入的新方法。与传统CLIP模型使用独立编码器不同,FuseLIP采用单一编码器同时处理图像和文本标记,实现了更自然的模态交互。研究证明,这种早期融合方法在多种多模态任务上表现优异,特别是在需要理解图像结构而非仅语义内容的任务上。研究还开发了创新的数据集和评估任务,为多模态嵌入研究提供了宝贵资源。
ByteDance与浙江大学合作开发的MERIT是首个专为多语言多条件语义检索设计的基准数据集,包含320,000条跨5种语言的查询和135,000个产品。研究发现现有模型在处理多条件查询时过度关注全局语义而忽略特定条件元素,为此提出CORAL框架,通过嵌入重建和对比学习相结合的方式,使检索性能提升45.9%。这项研究不仅识别了现有方法的关键局限性,还为多条件交错语义检索领域的未来研究奠定了基础。