自 1939 年成立以来,家族企业集团古斯曼矿业一直致力于在国内外覆盖矿物和食品配料等领域。如今,总部位于瓦伦西亚的公司以古斯曼矿业品牌名称,专注于管理分布在 53 个国家的 4,000 多个客户,坚持可持续发展和人性化的愿景,持续增长并扩展国际业务。但如果没有对技术和数字化的承诺,这一切将难以实现。
公司首席信息官 Luis Sabater 表示:"从一开始,古斯曼矿业就坚定地将技术作为战略支柱。这一理念始终如一,我们不断寻求适应变化,随市场和业务需求而发展。这种方法使我们保持竞争力,为未来的挑战做好准备。"
Sabater 说,在古斯曼的数字化转型核心中,所有服务器都托管在 Azure 上,使公司能够集中管理每个设备。他说:"所有员工都使用集成了高安全标准的设备,确保内部信息和客户信息的效率和保护。"
公司目前正在改进工厂的数字化进程,包括自动化流程和采用优化运营的技术。Sabater 说:"我们正在改进商业报告,以获得清晰的全球业务视野,进行更详细的分析,实时做出更明智的决策。这些举措对推进我们的数字化转型和增强竞争力至关重要。"
追求数字凝聚力
这个数字化进程并非一帆风顺。古斯曼矿业面临的主要挑战之一是集团内不同业务的分割。对 Sabater 来说,这代表了重大的技术难题,因为每个业务单位都有需要系统适应的特定需求。他说:"但这也让我们获得了更深入的知识,使我们能够更灵活地适应各个业务的需求,更有效地改进流程。"
目前,古斯曼矿业的技术实施是通过一系列相互连接的平台进行的,确保实时数据流。Sabater 说:"我们的云基础设施作为主干,实现集中化和安全管理。除了强大的 ERP 系统外,我们还有专门用于改进商业管理的 CRM,以及用于工单管理和支持的特定工具。这些解决方案与员工移动应用程序一起,确保业务各个领域的完整高效技术集成。"
公司目前正在工厂实施计算机辅助维护管理系统 (CMMS) 和物料需求计划 (MRP),旨在优化和自动化生产和维护流程。他说:"我们即将开始实施 Business Central,这将标志着业务管理系统更新和现代化的重要一步,进一步加强运营并改善企业层面的决策。"
这些项目影响古斯曼矿业的所有部门,因为它们涵盖了从产品制造和加工到销售的全过程。此外,CMMS、MRP 和即将推出的 Business Central 等工具直接影响生产、物流、维护和行政等领域,确保整个公司更高效、更紧密的管理。
在工厂区域,公司正在进行 CMMS 和 MRP 的最终配置和测试阶段,以改进规划和维护。此外,销售团队已经在全面使用 CRM,便于客户和机会管理。至于 Business Central,该项目处于早期阶段,代表着从当前的 Dynamics NAV 2017 ERP 解决方案的重大转变。
为了更大的利益
古斯曼矿业的 IT 战略与其可持续发展和效率愿景保持一致。采用新技术不仅寻求改进内部运营,还要确保环境影响最小化,运营更具社会和经济责任。他说:"我们相信技术必须是实现更大可持续性和为公司及社会创造长期价值的工具。"
Sabater 解释说,为实现这一目标,古斯曼有相当可观的年度 IT 预算。当启动 Business Central 等大规模系统时,预算会进一步扩大。他补充道:"技术投资对保持竞争力和继续推进数字化转型至关重要。此外,我们在马来西亚的新设施也需要投资,以实现全面的业务管理。"
多年来,公司一直致力于聘请专业顾问协助实施项目。"在很多情况下,我们担任项目经理角色,与不同顾问密切合作,确保项目满足我们的需求。"
与合作伙伴协作
重要的合作伙伴关系是推动古斯曼矿业数字化转型的关键。据 Sabater 说,他们的经验使公司能够随时间推移保持 NAV 2017 适应其需求,但展望未来,他确信今年将顺利过渡到 Business Central,确保业务流程重组高效进行,并与公司目标保持一致。
"采用新技术已融入我们的 DNA,所以我相信在未来几年,我们将整合人工智能来优化和自动化流程,进一步提高效率和决策能力。"
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。