Greene Tweed是一家拥有150多年历史的制造企业,是全球领先的高性能热塑性塑料、复合材料和工程部件提供商,为航空航天、能源、半导体、工业、生命科学和化学加工行业提供定制工程密封解决方案。由于产品所应用的领域都是绝对不容有失,例如用于飞机的制动系统等等,可想而知Greene Tweed对产品质量的把控有多么重视,而这正是这家百年企业采用Qlik主动智能,通过精密的数据分析来确保最高质量的原因。
具体而言,Greene Tweed通过强大的分析工具和基于云的方式,实现了近乎实时地获取质量系统的深度统计图。这是Greene Tweed在“2025年成为一家数据驱动型企业”愿景下的战略举措之一。
推动数据的实时化和现代化
要确保产品质量万无一失,实现数据现代化至关重要。Greene Tweed非常看重数据在推动各项业务和操作流程转型方面的强大力量,但却遇到了一些与生产相关的难题。每次需要构建新的产品应用程序时,公司都需要从头开始创建产品主数据,而不同开发者所创建的产品主数据会存在差异。这导致公司产品数据集缺乏统一性。为解决该问题,Greene Tweed已着手创建标准的产品销售和制造数据集,迈出了通过数据实现生产现代化的第一步。
与此同时, Greene Tweed通过Qlik将SAP和其他系统中的数据迁移到云端,创建了一个响应系统,一站式了解工作订单、销售订单、采购订单等各方面的情况。
这意味着企业可以近乎实时地了解大量关键业务流程,如同消费者只需在智能手机上轻轻一触,就可以即时获取银行卡余额、实时路况、天气预报等信息一样。企业也应该努力重现这种体验,尽可能实时地获取可用信息。
在Greene Tweed公司的云环境中,数据通常保留两分钟,销售数据每30分钟刷新一次,不久将实现20分钟刷新一次销售数据。与Qlik合作的成功意味着Greene Tweed公司的2025年目标已经实现了一半,未来三年将重点在整个组织中正式推行数据治理项目。
实打实的省材省料
以数据为导向的理念也推动生产的转型。正如当今的许多制造商一样,Greene Tweed正采用智能工厂方法,通过传感器将众多设备(包括压力机、烤箱等)连接在一起,由此生成了大量数据。
智能工厂,也称为工业4.0,利用人工智能、云计算及互联物联网设备来提高效率、优化生产、简化操作程序,并提供更加可持续的实践。根据德勤的报告,海量数据的分析能够催生重大效益,如将资产效率提高20%,产品质量提升30%,成本降低30%,安全性和可持续性提高10%等。
Greene Tweed系统采用分析工具来抓取云端的所有数据,以尽早监测到异常情况,这一点至关重要。例如,生产过程中烤箱的运行温度必须精确设定在500华氏度,任何温度波动都会影响最终产品的质量。此外,同等重要的是,借助这些源自互联设备的数据,可实现预测性维护,及早发现设备的潜在问题。这种方法有助于公司确保产品质量,并减少15%-20%的废料。
Greene Tweed通过基于云的数据架构为硬件制造提供支持,还利用现代化云分析技术将应用程序开发时间缩短了约60%,得以以更快的速度将应用程序交付给用户。在数据的支持下,服务的更新速度大超从前。
总而言之,通过与Qlik合作, Greene Tweed获得了主动智能策略带来的诸多益处,通过将云技术和分析相结合,从实时信息中持续获得可执行的信息,从而因时因地采取行动。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。