|
制造业是最复杂的行业之一，制造项目成本很高，尤其是在生产新产品和零部件环节，当错误和延误发生时，不可预见的成本会显著增加整体费用。当然，影响项目顺利完成的因素有很多，但是当涉及到按时交付和在预算内交付时，有两个关键的效率问题是大型制造业务普遍存在且没有很好解决的。
第一个突出的效率问题是——项目团队经常浪费宝贵的时间来寻找他们需要的人和资料。
对于协调复杂项目的大型制造商，团队需要基于特定的专业知识和技能组合，然而，找到合适的专业知识是非常困难的。专业知识通常隐藏在文档中，隐藏在网盘中，或者隐藏在沟通工具的私人对话中，这会导致知识差距和效率低下。
除了知识差距之外，项目团队内部的成功协作也是困难的。不同的团队使用不同的系统获取信息和执行任务。互不相连的系统，使用不同的术语来指代相同的东西，造成混乱。
这种复杂性的结果是，团队浪费了宝贵的时间在PLM系统、ERP、CRM和协作工具之间搜索，以找到他们需要的项目指南。在许多情况下，搜索能力是如此令人沮丧，以至于团队在没有能够支持项目假设的关键数据的情况下继续前进，或者只是从头开始。这将导致更多的内容重复，并增加出错和延迟的机会。
第二个普遍存在的效率问题就是——信息不准确，不完整，或者两者兼而有之。
一个典型的制造业组织创建了数千万个文档，这些文档存储在数不清的系统、位置和格式中。比如仅仅管理产品信息就需要大量的系统，包括PLM、ERP、PPM系统等。
但对许多人来说，这些知识以竖井和非结构化数据的形式存在，深埋在越来越多的系统中，如果没有一个合适的数字化知识管理解决方案，从孤立的数据中找出所有相关的信息几乎是不可能的。取而代之的是，员工重新创建文档并一次又一次地解决相同的问题，要么是因为他们不知道已经存在类似的东西，要么是因为很难找到。
当获取信息变得越来越困难时，决策更多地依赖于猜测。在涉及复杂、高风险决策的业务领域，猜测不仅会耗费组织时间，还会造成数百万元成本浪费。
研究、设计、维护这三个领域对于知识获取和应用具有更迫切的需求，其问题的解决可以大大提高数字化制造效率。
制造研发涉及的项目规模大、复杂性高。理解产品需求，识别过去的问题和成功，收集市场和竞争的见解是关键。但是这些信息通常存在于数百万个文档中，这增加了研究的困难和风险。
对于研究工程师和科学家来说，要找到他们需要的信息，他们通常需要在多个内部和外部系统中搜索。每个单独的搜索都会增加项目的时间。尽管他们尽了最大的努力，但大量不同且不相连的数据源严重阻碍了他们发现洞察力的能力。
缓慢或不完整地访问全部可用信息的代价是什么?让我们以一家制药公司研究一种新药为例。 一家公司的药物研发科学家不得不去十几个不同的地方寻找他们用于研究发现的外部科学文献。同时，问题报告系统往往缓慢而繁琐，每次查询需要几分钟。所有这些都极大地减缓了研发团队的进度，其中包括:
为了帮助研究团队以更快、更低的成本将新疗法推向市场，就要更充分、更快地获取内部和外部各种临床试验信息，这需要新一代的数字化知识管理解决方案才能更好支撑。
在制造项目的设计阶段，从公司其他专家和过去的经验中学习是更好、更快创新的关键。为了告知设计并减少错误，工程师需要访问诸如技术要求、现有CAD图纸和当前流程等信息。他们还需要了解过去做了什么以及为什么，并利用已经获得的知识来避免重复错误。
根据一家能源公司的说法，“任何失误的延误或罚款成本都不会低于300万美元。”这家能源公司还报告说，每个项目会产生大约300万份文件。当一个工程师开始一个新的设计项目时，在其他项目数据中寻找有价值的知识感觉就像西西弗斯的工作。
总结来说，快速、无错误的设计过程依赖于知识保留和快速访问专家信息，这同样对于数字化知识管理解决方案提出了更高需求。
维护是制造中最大的成本之一。减少停机时间是平稳、高效和收益的关键。
但是，如果现场工程师无法快速获取修理或更换部件所需的信息，会发生什么情况呢?除了需要的技术专长之外，快速解决问题还需要能够找到其他相关的日志问题、替换部件，并查看与特定客户发生了哪些其他交互。这些信息通常是结构化和非结构化数据的混合，需要多次搜索和手动操作来将所有内容组合到一个视图中。
但现场工程师的工作是维修，而不是寻找信息。找到他们需要的东西越困难，他们的效率就越低。 例如，一个制造商由于产品的高退货率而产生了相当大的额外成本。他们发现，现场工程师在寻找替换零件时找不到正确的零件，而且不断订购错误的零件。这经常导致错误的部分被运送和高回返率。
上述问题的产生都是因为无法利用专业知识或访问最新流程、相关问题和关键知识而导致的冗余任务和重复错误。数字化知识管理解决方案可以助力从所有可用资源快速获取知识的方法可以解决这些问题，从而提高现场工程师的生产力，减少维护时间，并提高客户满意度。
制造商需要解决上述问题，以便员工能够快速找到新产品的现有部件，找到组织专家来帮助项目，从过去的成功和失败中吸取教训，并更快地解决工程变化等。
员工需要能够统一访问整个设计、供应链、制造和服务流程中的项目、产品和零部件等对象的多源内容，这种统一的视图提高了速度、效率和质量，降低了成本和总体风险。而随着复杂性的增加(更多的人、更多的部件、更多的系统)，这些问题会呈指数增长，这意味着好处也会呈指数增长。这里的核心问题是如何利用存在于制造组织中的大量数据和信息。如果制造商能够将数据竖井连接起来，并为员工提供一个访问点来找到他们需要的东西，生产率将会提高，错误和成本将会降低。
通过数字化知识管理解决方案，制造商可以将各种来源的结构化、非结构化数据有效整合，为员工提供一个完整的业务对象（如项目、产品、部件、故障等）360度视图，从而做出最佳的决策。通过连接所有相关的数据源，列出关键文档、过去的问题和可用的专业知识，员工可以获得直观的搜索体验，不需要在多个存储库之间进行搜索，就可以快速找到他们需要的答案，也可以在组织内找到专家和专业知识，来提高效率、减少重复工作，从而组织可以减少成本高昂的生产错误或延误。
面向制造企业，我们提供数字化知识管理解决方案，围绕产品全生命周期的四个关键环节——技术创新、研发制造、产品营销、技术服务，构建出主题知识库、智能搜索和业务图谱应用，即：
（1）技术创新：以研发技术库为核心的主题知识库应用，通常包含研发技术库、科研成果库、技术专利库、标准规范库、科技情报库等，并可以在此基础上构建面向技术决策的智能搜索、技术能力图谱应用；
（2）研发制造：以产品规格库为核心的主题知识库应用，通常包含产品规格库、设计指导库、测试标准库、典型问题库、失效模式库等，并可以在此基础上构建面向研发赋能的智能搜索、研发制造图谱应用；
（3）产品营销：以产品信息库为核心的主题知识库应用，通常包含产品信息库、解决方案库、客户案例库、投标资质库、生态伙伴库等，并可以在此基础上构建面向数字营销的智能搜索、营销知识图谱应用；
（4）技术服务：以产品服务库为核心的主题知识库应用，通常包含产品服务库、常见问题库、产品需求库、经验案例库、故障诊断库等，并可以在此基础上构建面向技术服务的智能搜索、运维服务图谱、多策略问答机器人应用。
|
京公网安备 11010502050959号