讯能集思希望：通过JarviX依托数据分析全流程技术与AI模拟参数组合技术，实现对产品：全周期的可追溯性+全链路的实时反馈。
数据分析即未来
最近，讯能集思正在和一汽车厂商进行一个测试案例，目前所取得不错的效益，同时也想把测试过程的系统设计、架构、部署等内容跟各位分享，以下是正文。
在JarviX3.0与ODIN 5G智能网关导入汽车厂商第一阶段的效益：
1.给10类69台设备升级了连接模块，使得一条生产线每秒即可采集上万条的数据；
2.大量数据让上千种物料的库存状况、货运进程、交付周期通通实现了可视化实时呈现；
3.汽车生产过程的每一个流程完成时间都精准到了分钟。
汽车产业背景：地狱级难度的数字化转型
ERP时代，企业出数据的单位是“天”，现在随着大数据、云计算等新技术的到来，出数据的单位已经变成了“小时”，甚至变成了实时在线，越来越多的价值链环节都在奔向实时、可视，很多企业正在通过数字化转型和智能化升级重新定义自己。
数字化定义与智能化技术，在不同行业与产品上的侧重点是不同的：
有些是侧重模拟仿真，好确定最佳的设计方案；有些是侧重数据收集、动态追踪，好时刻监测本体的状况；有些则是侧重孪生体自己的智能决策，好在没有人工参与的情况下，及时处理突发状况。
而今天我们要讨论的汽车产品，其特点恰好都需要实现以上三个侧重面。当然，这也加重了汽车产业自身数字化智能化难度，甚至可以说地狱级的难度。
以往我们提过在数字化的切入点选择上，由于不同的情境所达成的效益差别很大，讯能集思认为数字化转型的切入点选择上，最值得切入就集中在业务价值链上，因为其与行业痛点、公司战略密切相关，如零售业的切入点一般是在营销和渠道端，制造业一般是在供应链端。
但汽车产业如此高难度，且信息量越来越复杂的趋势下，又该如何入手转型升级呢？
答案也简单，就是从数据入手。
以APS系统为例，一般针对大规模生产场景所设计，默认机床、注塑机、冲压机等设备拥有无限产能，规划层次一般只有主计划和作业两层。
而汽车的工厂生产场景具有多品种（多品牌）、小批量、个性定制的特点，产能得有限制。
同时有些汽车厂商习惯于在采购钢板、铜管、塑料粒子等原材料后，对其层层加工生产出原料，所以就要求新一代的APS得实时同步各类供应商的计划，满足其排程多达十几层的多样需求。
由此自然要求在数字化底层的数据分析能力上，要有更夯实的基础与更强力的表现。
那问题来了，有判断标准吗？
实现产品的可追溯性+实时反馈
近年来企业数字化转型失败率仍在80%以上，结合JarviX在众多部署案例中，总结出一些经验。
讯能集思认为系统需要做到：能够采集到有价值的数据，找到数据之间的关联，且还能够快速地分析出有效信息，最后才是用有效信息来实现实时的预测、预警、监控、协同、调度、决策、指挥共7项职能。
而这是很需要基于数据的100%生命周期，在使用上实现数据分析目标。（一般而言数据分析的目标可为分四类，包括解决问题、理解现象、发现新事物、支持诊断）
为了确保这个目标的落实，我们数据分析全流程平台JarviX相应地设计了五大数智化应用，包括完整记录分析架构、自动推荐分析建议、快速获得优化解、快速建立知识库、团队共享知识库。
但这些都是并不容易做到的事情，因为回到现实数据的掌控中，不少企业从转型之初首先容易陷入两个误区：
1.收集误区：眉毛胡子一把抓，不管数据有用没用先全都拿过来再说；
2.使用误区：坐在数据的金山喊穷，其实很多非数字原生企业有大量丰富的数据，但恰恰缺少通过有效的数据治理，来实现数智化。
怎么解决呢？讯能集思希望为未来智能制造定义新规范：通过JarviX依托的数据分析全流程技术与AI模拟参数组合技术，实现对产品：全周期的可追溯性+全链路的实时反馈。
赋能汽车产业智慧化、满足数据化运营管理需求
汽车产品本身就是一个技术密集型的产品，随着国内新能源汽车市占率进一步的提升，其同时更是在智能制造大背景下极有潜力的产品，对它进行数字化是非常必要的。
基于此，JarviX首先会串联产品的原料阶段、制造阶段、运行阶段所在的各系统数据，来实现从供应链到产品使用的全周期可追溯性。
在这个过程中，原料的需求指标与实际性能指标需要形成对应和覆盖关系，零部件信息及供应商信息都会被一一记录，ERP内的完整数据也会导入；
在制造阶段，MSE上的产线信息（资料纪录、工序纪录、良率纪录）以及相应的零部件都要与该汽车形成匹配关系，细节如关键位置的螺丝坚固力矩、油水加注量等也需要记录；
最后在运行阶段，通过实时采集关键部件的数据，以及销售端与使用端产生的数据，从而反馈汽车的运行状态到JarviX，做到汽车运行的实时监控，从数据中发现风险，形成预测预警，帮助客户回到原料与制造阶段，在根因上快速找到制程关键并且改善。
从 7 项职能来说，预测主要是结合市场信息、行业需求及工厂产能情况，进行销售预测，智能指导生产备料。
在发现产能紧张或者物料缺口时，需要能够智能预警、提醒干预。对于生产过程的物料匹配问题或生产不良问题，需要做到智能监控和预警，出现异常及时通知管理员。
同时汽车整车的生产制造常见会有三种生产模式（混性生产模式、加工车间模式、批量生产模式），这就需要系统能根据工单情况自动进行排产、配料、操作指引切换、监测点切换等工作。
还需要根据前后端物流情况及产线各工位运行负荷，自动调整生产节奏，减少库存同时提升响应速度。
以上为JarviX赋能汽车产业架构过程。
就企业数字化解决方案而言，无论何处入手、如何实施，都是需要至始至终都围绕着数据分析生命周期，重点关注解决问题的速度和可解释的价值，也正因如此我们选择了先串联全流程的系统，实现企业全生命周期的数据分析，实现产品全周期的可追溯性+全链路的实时反馈，并以此支撑起企业的数智化，让决策AI更智能，真正切实帮助到客户。
当然，数据的采集与治理也仅仅是数字化的第一步，我们的下一步是全周期的数据分析中找到最佳实践，有了新进度，会继续跟各位更新。
【延伸阅读｜带您深入了解各产业解决方案】对话式AI掀热潮，讯能集思推工业级ChatGPT
【联系我们｜带您体验企业无痛快速转型升级】如何快速導入低代碼數據平台顛覆傳統企業數據流程，解決企業轉型面臨的效率、成本和價值等問題，提升企業的決策水準。
