说起螺帽,生活中十分常见。位于嘉兴的宇星紧固件(嘉兴)股份有限公司是国内螺帽行业中最大生产商之一。8年前,宇星紧固件生产的螺帽主要以出口为主,收入来之不易。近年来,宇星紧固件顺应时代潮流进行全流程数字化改造,产品主要以风能、新能源汽车等产业所需的高端螺帽为主。可以说,数字化让传统工厂实现了华丽转身。
嘉兴小镇藏着一家螺帽巨头
你能想象到小小的螺帽究竟多么“千奇百怪”吗?走进宇星工厂你就会发现,到处都是不同尺寸、形状各异的螺帽,有些像黄豆一样小,有些则比拳头还大,有六边形,也有齿轮状,仿佛一下进入了“螺帽王国”。
“你们看到的只是部分产品,如果全部加起来,目前我们能生产的螺帽有十几万种规格,还可以为客户‘私人订制’。”宇星总经理袁铭的语气中透着一丝自豪。
宇星的厂区坐落在海盐经济开发区内,占地面积110亩,这家国家级专精特新“小巨人”企业,已连续多年市场占有率国内第一。
早期螺帽制造生产过程比较简单,如果没有特色,企业竞争力就会被削弱。为了留住每一位客户,宇星不断根据订单开发新产品和模具,上新产品规格。
“现在我们螺帽的定制化率已达到70%左右。”宇星总经理袁铭说,只有不断创新,把螺帽种类做全,为客户提供更多的个性化选择,产品才能从低附加值转为高附加值,从而占领市场。
放下手中的模具,袁铭给我们看了一组数据:企业每年有超千万的经费用于研发,年均新增500多种产品,客户已遍布德国、法国等20多个国家。
产能增七成,华为云助力宇星提升竞争力
在工厂的模具车间,藏着宇星竞争优势的答案。漫步整个厂区,宇星的各个车间内并没有太多工人,取而代之的是一台台数控设备,一名工人一般都“掌管”几台机器,通过手机,就能获取生产、包装、检验等环节的实时数据,接收工作指令。
宇星总经理袁铭告诉我们,就拿数据统计来说,过去企业需要安排专人拿着纸质表格跑遍全部车间,询问10多个工人并手动记录,再回办公室用电脑录入制作成电子表格,整个过程至少需要两天时间完成,且容易出错。而现在这些全部通过数字化改造解决了。在袁铭看来,面对瞬息万变的市场,只有通过数字化改造才能继续保持竞争优势。
“之前宇星紧固件的厂房布局、工序存在改进空间,华为云帮宇星重新规划了产线布局、物流动线,重新做了数字化改造,产能提升了70%。”华为云嘉兴总经理钟方云表示。
除此之外,华为云loT数字工厂平台与华为云SRM数字化采购平台也为宇星带来了架构与流程上的升级。
华为云loT数字工厂平台打通数据流转 ,助力宇星打破信息孤岛
企业数字化转型升级,提高生产水平,是企业行稳致远的一大“法门”。在数字化改革过程中,华为云帮助宇星梳理了IT建设架构和数据流转流程,借助华为云loT数字工厂平台,实现了宇星工厂的设备状态监控、设备效能分析、设备资产管理、工艺文件管理以及过程智能分析,打通了宇星各个子系统之间数据流转的问题。
华为云SRM数字化采购平台保障供应链精细化管理,通过SRM系统,华为云协助宇星梳理供应链管理流程,促进了委外工序的精细化管理,提升在制品流转效率,在制品库存降低20%,采购到货准点率提高15%,降低采购成本10%。
如今,“浙江828企业服务月”刚刚开启,华为云将通过政府的政策惠企、服务商的技术助企、华为自身的经验服企三个方面的政策,携手2000余家浙江生态伙伴,助力更多的类似宇星紧固件一样的浙江优秀企业数字化转型升级。
好文章,需要你的鼓励
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。