金航数码科技有限责任公司(AVIC DIGITAL)是中国航空工业集团有限公司(航空工业)的信息技术专业支撑机构,肩负着”推进产业数字化,践行数字产业化”的使命,致力于做数字技术驱动工业转型的集大成者。
2020年9月16日,在Software AG中国区线上用户大会上,金航数码科技有限公司咨询总监张钊受邀以”ARIS助力航空工业管理体系(AOS)建设的实践”为题发表演讲,详细介绍了公司启动AOS的背景、ARIS在航空工业数字化转型的过程中发挥的作用和成功经验。
航空工业管理体系建设背景
航空工业管理体系(AOS)是英语Aviation Operation System的简称。中国航空工业集团面临的内外部环境越来越复杂,除了产品越来越复杂,由于企业规模的不断变大,客户需求、内部管理也越来越复杂,生产过程、组织、环境各方面也带来了很大的复杂性,而且国际和国家法律的强制要求以及一些管理部门机构的要求也在不断加强。如何能够满足这些要求,是航空工业亟须解决的一个主要问题。此时,金航数码建立了自己的 AOS (Aviation Operation System)。
航空业管理体系的发展和内涵
AOS管理体系的建设愿景是以流程为主线,融合多系统、多要素、多工具,构建增值、规范、高效并拥有卓越竞争力的航空工业管理体系,实现新时代的航空强国目标。
金航数码与Software AG合作、采用ARIS搭建业务流程管理系统(BPMS)平台,为航空运营系统(AOS)流程体系建设工作夯实了内部管理基础,提升核心竞争能力。Software AG的ARIS是一种基于信息集成的面向过程的模型体系结构。ARIS的核心思想是从多视图、多层次、多相关性和生命周期的角度描述企业业务的各个方面。
在航空工业AOS流程体系建设工作过程中,Software AG和金航数码利用ARIS对公司业务进行了全面的分析,并搭建企业架构,通过ARIS以业务流程为导向的建模理念定位关键问题,指导业务流程评估和集成,通过部署ARIS的一系列元模型来确定效率的提升点,最后通过ARIS来落实企业流程管理活动在IT环境中实现。
借助ARIS对业务系统和流程进行精简,航空工业解决了由于顶层设计缺乏,个性化的流程与集体战略不匹配,以及业务和IT战略错位导致的效率性和敏捷性等方面的问题
航空工业管理体系推进现状
AOS管理体系未来是航空工业集团内部管理体系的合成。在2018年第一批20家试点单位中, 80%以上的企业都选择了ARIS作为AOS流程管理体系的支撑平台和工具。
与SoftwareAG 合作、采用ARIS整合了业务流程之后,航空工业丰富了宏观,简化了细节;充实了功能,优化了流程;增强了关系,减少了代价,有效地促进了AOS的推广,建成了一个值得骄傲的体系结构:业务模型优化、数据处理标准化和应用统一化;不仅实现了IT体系架构可映射到业务模型,而且标准化的IT治理可确保所有成员单元都在统一平台上工作。
基于统一的IT体系架构原则,IT应用程序现在已经部署到整个航空工业,通过支持集成的产品开发、敏捷操作、精益业务管理和协作供应链管理,实现快速客户响应的承诺。Software AG的ARIS工具强大的建模、分析、定制化和一站式发布功能,为航空工业企业模型资产库开发、维护和共享提供了有力支撑。
张钊相信,未来航空工业的AOS管理体系建设还会取得更大的成绩,对ARIS 产品也表示了强烈的肯定,指出ARIS以流程为中心,融合多系统多要素,构建标准化、结构化的管理体系模型,持续累积组织资产,能够支撑组织向流程型组织转型。
好文章,需要你的鼓励
IBM Spyre加速器将于本月晚些时候正式推出,为z17大型机、LinuxONE 5和Power11系统等企业级硬件的AI能力提供显著提升。该加速器基于定制芯片的PCIe卡,配备32个独立加速器核心,专为处理AI工作负载需求而设计。系统最多可配置48张Spyre卡,支持多模型AI处理,包括生成式AI和大语言模型,主要应用于金融交易欺诈检测等关键业务场景。
加拿大女王大学研究团队首次对开源AI生态系统进行端到端许可证合规审计,发现35.5%的AI模型在集成到应用时存在许可证违规。他们开发的LicenseRec系统能自动检测冲突并修复86.4%的违规问题,揭示了AI供应链中系统性的"许可证漂移"现象及其法律风险。
意大利初创公司Ganiga开发了AI驱动的智能垃圾分拣机器人Hoooly,能自动识别并分类垃圾和可回收物。该公司产品包括机器人垃圾桶、智能盖子和废物追踪软件,旨在解决全球塑料回收率不足10%的问题。2024年公司收入50万美元,已向谷歌和多个机场销售超120台设备,计划融资300万美元并拓展美国市场。
这项由剑桥大学、清华大学和伊利诺伊大学合作的研究首次将扩散大语言模型引入语音识别领域,开发出Whisper-LLaDA系统。该系统具备双向理解能力,能够同时考虑语音的前后文信息,在LibriSpeech数据集上实现了12.3%的错误率相对改进,同时在大多数配置下提供了更快的推理速度,为语音识别技术开辟了新的发展方向。