XiaoMi-AI文件搜索系统
World File Search System制造业
数字化对制造业供应链绩效的影响：
摘要 目的：当前，外部环境动荡、资源稀缺、全球化等挑战推动了制造业数字化进程。本文旨在探索制造业供应链数字化和供应链绩效相关文献，构建研究框架。设计/方法/方法：本文通过关键词检索，调查并整理了近五年来在 Scopus 和 Web of Science 数据库中发表的相关文献。研究结果：本文提出制造业背景下的供应链数字化研究体现为工业 4.0、数字技术、数字化转型和数字供应链四种不同的形式，并以此为基础构建研究框架图，进一步评估供应链数字化对供应链绩效影响的研究现状和未来路径。研究局限性/启示：本文为当前和未来有志于推进供应链数字化和供应链研究的研究人员提供了系统的研究框架和未来的研究方向。实际意义：本文可作为供应链管理者的指南，以提高供应链成员对数字化潜在好处和影响的认识、理解和接受度。 原创性/价值：本文为未来供应链数字化和绩效研究提供了理论基础和启发。 关键词：供应链数字化、供应链绩效、数字化转型、工业4.0、制造业 简介 数字化正在成为全球数字经济中制造业的新“必需品”（Chiarini et al.，2020）。它可以使制造过程更有效、更高效，提高生产率和资源利用效率，帮助企业降低成本，提高竞争力（Sūdžiūtė & Jakubavičius，2022）。数字化对供应链管理的影响越来越受到关注，因为供应链是制造业（MI）发展的一个重要方面。
面向制造业的人工智能企业信息系统
摘要：本文介绍的研究工作考虑了当代企业信息系统 (EIS) 的功能架构，并对集成在客户关系管理、供应链管理、库存和物流、生产计划和调度、财务和会计、产品生命周期管理和人力资源中的 AI 应用进行了文献综述，特别关注制造企业。作为审查结果，在每个流程中确定了增强的功能，并将其提出为 AI 服务。AI 支持与企业通过使用 (a) 机器学习 (ML) 模型或 (b) 基于逻辑的系统来实现改进的决策或自动化的能力有关。这是一个企业转型的过程，导致四大颠覆性技术的融合，即工业物联网（或网络物理系统）、基于代理的分布式系统、云计算和人工智能（非符号 AI，如机器学习、神经网络；符号 AI，如推理和基于逻辑/模型的 AI）。
超越成本：各国对未来制造业和供应链的准备程度
持续的全球供应链中断迫使制造商重新考虑其运营。他们不再只关注成本，而是在成本考虑因素与性能、弹性和可持续性等因素之间寻找平衡。对于许多制造商来说，这意味着重新关注区域化，根据世界经济论坛和科尔尼公司对 300 多名全球运营高管和 60 场咨询进行的一项调查，超过 90% 的制造商优先考虑这种方法。该调查的结果（摘自之前的白皮书《从中断到机遇：重塑全球价值链的策略》）显示，近三分之二的制造商正在采用“二力”地理方法，确保其大部分直接支出来自两个不同的地区。
卡塔尔国家制造业战略
卡塔尔国家制造业战略2024-2030旨在支持与第三个国家发展计划相一致的可持续发展目标，为实现卡塔尔国家愿景2030的愿望和目标做出贡献。这将通过建立一个依靠先进技术和创新的高价值、多元化的工业部门来实现，刺激和加倍私营部门在下一阶段推动增长的贡献，确保向更加多样化、有竞争力和可持续的经济过渡。
Bahrudin Hrnjica，Selver Softic。制造业中的可解释人工智能：预测性维护案例研究。IFIP 生产管理系统进步国际会议 (APMS)，2020 年 8 月，塞尔维亚诺维萨德。第 66-73 页，�10.1007/978-3-030-57997-5_8�。�hal-03635701�
预测性维护 (PdM) 可预测维护需求，以避免与计划外停机相关的成本。通过连接设备并监控设备生成的数据，我们可以识别导致潜在问题或故障的模式。这些见解可用于在问题发生之前解决问题。这种预测设备或资产何时需要维护的能力使我们能够优化设备寿命并最大限度地减少停机时间 [1]。可解释人工智能 (XAI) 的基本试金石是机器学习算法和其他人工智能系统，它们产生的结果人类可以轻松理解并追溯到起源 [2]。在本案例研究中，我们将考虑制造业中的维护领域。更准确地说，我们将通过将可解释的 AI 输出作为决策和预测的基础来处理 PdM。
2024 年工业制造业颠覆性趋势雷达
• 改善客户体验和商业卓越性：建立直接面向客户的关系并减少对中介机构的依赖已成为各个行业的关键目标。客户体验解决方案（包括设备、服务和软件的电子商务）对于推动交叉销售机会和提高品牌忠诚度至关重要。这种方法需要敏捷的配置价格报价 (CPQ) 解决方案，尤其是用于管理复杂报价，以实现更快的响应和更高的成功率。在汽车行业，销售和服务向直接客户互动的转变具有变革性。实时和动态定价模型对于保持竞争力越来越重要。
制造业采用生成人工智能加速价值和创新
产品开发三井化学公司使用 Gen AI 高效分析大数据，发现超越人类先入之见和现有知识的产品新应用。为了评估发现三井化学产品新应用的敏捷性和准确性，将生成式 AI 生成式预训练转换器 (GPT) 与 IBM Watson Discovery 相结合。该计划旨在通过整合不同部门、业务线和研发部门之间的数据，利用销售自动化 (SFA)/营销自动化 (MA)、材料信息学 (MI) 和机器人技术，加速从市场开发到产品开发的流程，从而扩大三井化学产品的营收和收入份额。通过起草场景和分析测试条件的能力，Gen AI 可以显著减少复杂系统的测试时间，并加速涉及用户评估的试验/测试/调整阶段。
电网行动计划：欧洲制造业弹性发展的联合承诺
继 2024 年 6 月哥本哈根能源基础设施论坛之后，四家实体之间的合作显著加深，以推进实现欧盟委员会电网行动计划 (2023) 第 13 项行动的目标。该计划呼吁 ENTSO-E 和欧盟 DSO 实体与技术提供商合作，“制定通用技术规范，提高电网项目渠道的透明度，促进对制造能力的投资并确保供应链安全”。在过去几个月中，四家组织共同确定了优先事项和可行措施，以通过对每个实体面临的挑战（特别是在供应链和采购方面）的共同理解，支持电网开发和电网基础设施的部署。
农业制造业事件中的应用机器学习
每年，全球大约发生了大约3.13亿个职业伤害[1]。同样，职业伤害是美国总伤害负担的重要组成部分[2]。尽管这项工作的伤害是世界各地死亡和残疾的主要原因之一，但历史上他们的负担被低估了[3]。因此，为了提供有关影响事件发生的因素的洞察力[4]。与农业相关的行业是最危险的工作环境之一，对非致命伤害知之甚少[5]。缺乏非致命损伤数据的挑战限制了潜在的安全干预措施和预防措施，以解决非农业农业相关工作场所的安全风险，例如谷物升降机[6]，[7]。美国的谷物处理行业是一个危险的工作环境，这些设施中的工人不断面临严重和威胁生命的职业伤害的风险[6]，[8]。在美国，快速