10分机器学习可以关闭传统ERP差距

10分机器学习可以关闭传统ERP差距

利用新的数字化商业模式及其提供的增长机会迫使企业重新评估ERP在其制造战略中的作用。由于多年的定制化,遗留的ERP系统变得不灵活,无法提供今天数字商业模式所需的规模和增长。传统ERP系统是专门为生产一致性而设计的,但首先要牺牲灵活性和对客户需求变化的响应能力。通过采用基于业务案例的方法,将机器学习和人工智能(AI)及其平台整合到一起,今天的ERP供应商能够填补传统ERP系统无法填补的空白。

闭幕遗留ERP差距与更大的智能和洞察力

公司需要能够快速与快速的新的数字业务模式的成功明智的决定出人意料,陌生和无法预料的困境做出反应。这是不可能的今天与传统的ERP系统。传统IT技术堆栈,它188金宝搏亚洲体育登陆们都建立在ERP系统的设计不能提供最需要的数据。

这一切都在迅速改变。清晰、引人注目的商业模式和相关策略的成功执行是所有成功实施ERP的共同之处。可以在内部、云或托管管理服务(HMS)之间扩展的ERP平台为组织提供了所需的灵活性,以优先考虑增长计划而不是IT约束。许多已经采用了应用程序编程接口(API)方法与遗留ERP系统集成,以获得这些系统提供的增量数据。在当今的多平台ERP系统时代,为了更快的速度、更大的规模和更高的客户透明度而使用云优先平台重组整个IT体系结构并不像“拆换”那样普遍。

新的商业模式茁壮成长的ERP系统不断的学习。这就是现代的ERP平台的潜力,并在那里他们今天的传统的同行都之间的最大差距之一。云平台提供更高的集成选项和更大的灵活性来定制应用和提高可用性这是传统ERP系统的最大缺点之一。旨在通过提供AI-和机器学习的见解,现代化的ERP平台和应用程序可以兴国ERP系统及其业务增长的贡献取得成果。

以下是机器学习提高ERP性能的10种方法:

  1. ERP平台需要创建和加强一个自我学习的知识系统,统筹从车间到顶层以及跨越供应商网络的人工智能和机器学习。拥有一个集成了核心ERP Web服务、应用程序和实时监控的云基础设施,从而向人工智能和机器学习算法提供稳定的数据流,加速了整个系统的学习速度。任何ERP平台集成路线图都需要包括api和Web服务,以连接制造商之外的许多供应商和买方系统,同时与遗留ERP系统集成,以聚合和分析它们生成的几十年数据。

  1. 虚拟代理必须重新定义制造业务的很多领域,从拍摄用语音系统,以先进的诊断技术的潜力。苹果的Siri、亚马逊的Alexa、谷歌Voice和微软的小娜(Cortana)都有可能被修改,以简化操作任务和流程,为复杂的任务提供上下文指导和指导。虚拟代理目前用于的一个任务示例是指导生产工人根据材料清单的要求从正确的产品箱中选择。机械制造商正在试用语音代理,它可以提供详细的工作指令,从而简化配置到订单和工程师到订单的生产。亚马逊已经成功地与汽车制造商合作,并在设计方面取得了迄今为止最多的胜利。他们可以轻易地在机械制造商身上复制这种成功。

  1. 在在数据结构层次的东西(IOT)支持的互联网设计,实现快赢数据采集飞行员去住和规模。通过首先在数据结构层面进行设计支持,ERP平台有潜力利用目前物联网设备产生的大量数据流。不断地向人工智能和机器学习应用提供基于信息技术的数据,将弥合许多公司在追求新商业模式时所面临的智力差距。Capgemini提供了一个物联网使用案例的分析,如下所示,突出说明了生产资产维护和资产跟踪是如何快速成功的。通过设计物联网支持,ERP平台可以加速这一进程。

  1. 人工智能和机器学习可以提供如何提高整体设备效率(OEE)的见解,而这在今天还不明显。制造商将迎来机会,有更深入地了解他们如何能稳定则归在他们的商店地板OEE性能。当ERP平台作为一个始终保持学习的知识体系,从机械和生产资产的实时监测数据的改善提供急需的见解地区,这是怎么回事以及车间。

  1. 设计的机器学习算法为跟踪和可追溯性来预测哪些批次从供应商是最有可能是最高或最低的质量。机器学习算法善于通过不断地应用基于约束的算法在不同的数据集中发现模式。供应商在他们的质量和交货时间表性能水平上差异很大。使用机器学习,我们可以创建一个跟踪和跟踪应用程序,它可以指出哪个供应商的哪些产品风险最大,哪些产品质量最好。
  2. 所有的ERP提供商需要注意他们如何帮助近,PLM,CAD,ERP和之间存在的差距配置CRM系统使用人工智能和机器学习。最成功的产品配置策略,依靠产品结构单一,基于生命周期的视角。他们能够缓解两国工程设计如何与CAD和PLM,如何与CRM的销售和市场出售产品,以及如何制造与ERP系统构建它的冲突。AI和机器学习可以使配置生命周期管理,避免浪费时间和销售,精简CPQ和产品配置策略的过程中。
  3. 通过更高质量的数据,可以提高需求预测的准确性,并基于基于机器学习的预测模型的洞察力与供应商更好地合作。通过创建一个自主学习的知识体系,ERP提供商可以大大提高数据的延迟率是带来更高的预测精度。保在销售,市场营销和促销方案进一步微调预测的准确性。
  4. 减少设备发生故障和通过分析机器级数据来确定当给定的部分需要更换提高资产利用率。可以使用带有IP地址的传感器捕获每台机器运行状况级别上的稳定数据流。ERP供应商有很大的机会来获取机器层面的数据,并使用机器学习技术通过使用生产车间的整个数据集来发现生产性能的模式。这在过程工业中尤其重要,因为机械故障会导致销售损失。炼油厂正在使用机器学习模型来估计设备故障。机器学习模型包含与材料输入、输出和过程周长(包括天气条件)有关的1000多个变量。
  5. 实现自学习算法,使用生产事故报告预测在装配线上生产的问题需要在所有ERP平台上发生。一家当地飞机制造商正在使用预测建模和机器学习来比较过去的事故报告。使用传统的ERP系统,这些问题将无法被发现,并导致生产放缓,甚至更糟,生产线不得不停止运行。
  6. 通过机器学习算法的聚合、分析和持续从供应商检查中学习来提高产品质量,质量控制,退货授权(RMA)和产品故障数据。所有的ERP平台,特别是那些基于云是在能够从供应商到客户跨产品和捕获质量数据的整个生命周期,以扩大独特的地位。与传统的ERP系统制造商经常依赖于类型的废料的分析或造成随后的RMA。它的时间去了解为什么产品失败的真相,和机器学习能够提供洞察力到那里。

下载制造软件的最终指南

下一篇:
上一篇:
这篇文章写的
路易·哥伦布

路易斯目前担任IQMS的校长。此前的职位包括Ingram Cloud的产品管理总监、iBASEt和Plex Systems的市场营销副总裁、AMR Research(现为Gartner)的高级分析师、SaaS初创公司的市场营销和业务开发。他的学术背景包括佩珀代因大学(Pepperdine University)的MBA学位,以及斯坦福大学商学院(Stanford University Graduate School of Business)的战略营销管理和数字营销项目。路易斯还教授MBA课程,包括国际商业、全球竞争战略、国际市场研究、战略规划和市场研究。他目前是韦伯斯特大学的教员,曾任教于加州州立大学,富勒顿:加州大学欧文分校和马里蒙特大学。