随着移动性、物联网、大数据分析和云计算的不断发展,数字技术正在改变全球的企业,强调个性化的 “私人定制” 受到越来越多企业和消费者的追捧!
戴姆勒卡车北美公司(DTNA)就是其中之一。在它的波特兰制造工厂里,共有四种型号的Western Star 车可针对特定要求定制,每种车型都是按照客户的需求专门设计的,这在大规模生产环境中并非易事。
我们需要确保构成一辆卡车的所有零件都能良好地协同工作。人们常说没有完全相同的两片雪花,我们生产的每一辆卡车也是如此。我们提供不同配置的轴距、车轴、颜色、空气滤清器和其他选项,并严格按照客户需求定制每一辆卡车。——Paul Erdy,Western Star Trucks工厂经理
那么,如何尽可能不影响生产的情况下,通过提高制造效率控制成本, 提高灵活性和可扩展性,以及快速升级其基础设施,从而更快地为消费者交付更优质的定制卡车呢?
戴姆勒卡车北美公司首席信息官(CIO)DieterHaban 也表示:
我们需要新的网络环境,新环境不仅要能支持我们的当前和未来的制造流程,而且应该能帮助我们实现可靠、灵活、安全的服务交付。我们还需要运用创新技术来优化我们的制造和工程环节,同时改善成本管理并最大限度提高可扩展性。
在评估若干方案后,DTNA 决定选择思科和 Rockwell Automation 作为战略合作伙伴,为其工厂提供适当的技术。
为员工和机器提供无处不在的无线连接,使其能够在整个工厂的任何位置保持连接。
通过全面借鉴思科和 Rockwell Automation 提供的统一工业以太网(CPwE)验证设计指南,Haban 和他的 IT 基础设施团队在依托灵活的架构的基础上,为 DTNA 构建了一套融合 IT 基础设施,以推动工厂车间创新,并为大数据和分析、流程优化,以及各种新工具和新应用提供支持。
如今,新网络使 DTNA 能够在车间和办公区的任何位置提供安全可靠的 Wi-Fi 连接。工厂经理可以使用他们的 iPad 实时查找零件并检查状态,而不再需要翻阅厚重的活页资料。工厂工人现在也可以连接到可靠的生产 Wi-Fi,从而使卡车构建数据包的开发和更新实现了电子化。凭借遍布工厂各处的Cisco Aironet 接入点,员工可以在工厂的任何位置实现安全连接。
利用共享网络帮助经理掌握更多信息,从而更快预测并应对生产或供应链中的问题。
借助新架构,DTNA 可以将其 IT 和自动化网络环境整合至一个安全且可管理的融合环境中。这种整合提高了对整个制造过程的可视性和洞察力,从而使经理能够了解流程的运作情况,更快、更好地做出决策。
提供稳定、基于标准的安全保护,帮助满足合规需求。
通过这次网络升级,戴姆勒公司还有效地提高了网络安全性,他们部署了坚固可靠的防火墙和入侵防御软件,来阻止可能试图渗入企业的病毒、特洛伊木马和其他恶意软件。值得一提的是,在如此庞大的网络升级中,竟然没有对生产造成任何影响!
通过利用物联网解决方案,工厂自动化巨头和 IT 领袖之间的跨领域协作,确保了 Western Star 工厂和戴姆勒卡车公司的其他工厂现已拥有实现制造运营转型的蓝图,不仅满足当前需求,而且能够推动未来的成功。
在数字化进程中,只有网络才能整合移动性、物联网、大数据分析、云计算等技术要素,让企业充分发挥它们的数字化潜能。从 UCS 服务器,到 ACI 数据中心网络,到全数字化网络架构(DNA),思科致力于 IT 基础架构的简化、打造一个全面的、可扩展的平台,使之具备连通性、安全性、全自动化和分析能力,促成真正的数字业务转型。也使得 IT 人员可以从耗时、重复的任务中解放出来,投入到积极改变业务的创新之中。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。