写点什么

先定义什么不是数字化、坚信每个数据都有用、刻意不统一数据标准...... 凯士比转型中的“反骨”操作

  • 2024-04-10
    北京
  • 本文字数:4791 字

    阅读完需:约 16 分钟

大小:2.32M时长:13:30
先定义什么不是数字化、坚信每个数据都有用、刻意不统一数据标准......凯士比转型中的“反骨”操作

在数字化转型这件事上,上海凯士比有其独到的思路和见解。当大家还在试图搞清楚“什么是数字化”时,凯士比用逆向思维首先在内部定义了“什么不是数字化”;当大家一窝蜂追逐数字化“短效”成果时,凯士比却潜下心用了近 4 年时间专注在数据准备工作上;当大家试图更精准地识别高价值数据资产时,凯士比却坚信“每一个数据都有价值”;当大家投入大量精力试图统一数据标准时,凯士比却“刻意不去统一标准”;当大家盲目跟风各种技术热点时,凯士比仍然坚持按照自己的节奏“少去想大的布局,而是小步快走,解决好眼下的每个小问题”...... 用凯士比北亚区总裁贺钧的话说,技术不是为了革谁的命,而是真正为人服务。


德国 KSB 是全球工业阀门和泵制造商之一,上海凯士比(以下简称“凯士比”)于 1994 年由 KSB 和上海电气集团合资成立,截至目前在全国拥有 6 个办事处、3 个货场,其中 1 个室内货场,2 个为室外货场。货场的管理运营一直是其业务发展的一大堵点。


举例来说,如果想要了解某个时间货场货柜的物流状况,比如货品数量 / 类别、货柜中位置分布、停留时间等等,需要由总经理带队,联合销售、物流、财务、规划等多个部门,先花 3-4 天的时间进行信息收集汇总和打印 Excel 表格,然后拿着纸质表格到货场中进行一一比对,最后再花 3-4 天进行信息整理。整个过程不但“兴师动众”,而且最终得到的已经是 1 周前的数据情况。


“货柜的信息是实时变动的,有的货品在运走,有的是新增的,还有的经过了重新摆放,1 周以前的数据,对当下的决策并没有太多参考意义。”凯士比北亚区总裁贺钧向 InfoQ 表示。


如今,这个问题已经解决。在三维数字化地图上,管理人员只要用鼠标任意点击一个货柜,对应设备所属的客户名称、设备型号、在该货位停留的时间、距离发运的时长等等都一目了然。并且,在距离发运还有 10 天时,系统还会自动向客户和相关销售推送提示信息,比如“如果不及时提取可能存在收取质押金的风险”等等。如此一来,不仅运营成本降低,管理效率大幅提高,客户体验也得到了提升。


这是凯士比数字化转型带来的一个成果反馈,并且还只是其中一个不大的切面。

首先定义“什么不是数字化”


2020 年,贺钧加入凯士比,也是在同一年,凯士比启动了数字化发展战略。


在此之前,凯士比内部已经搭建了从订单、物料、生产到运营的一系列基础信息化工具,但哪怕有了技术工具的加持,也有很多问题得不到解决。


以销售管理为例,过去凯士比通过 ERP 系统对客户进行管理,要求所有销售人员手动在系统上填写相关数据(比如投标中标情况等)。但由于销售很难从中获得正向反馈,反而增加了很多日常操作的时间成本,因此这一流程制度在推行过程中遭遇了重重阻力,数据漏报、缺报、虚报的情况比比皆是。“大家看不到这件事的效果,无法从中受益,就会流于形式,导致信息不准确。”贺钧说。


在他看来,凯士比在业务层面遇到的困境,很多都可以通过数字化手段得到解决。“对凯士比这样的机械制造企业来说,并不缺少数据,而是数据太多、太乱,数据多头管理、孤岛严重,导致货场运营、生产制造、销售等业务环节存在堵点。”


为了不让数字化转型沦为口号,贺钧在凯士比内部确定了这一原则,即“数字技术一定要为人服务”。“只有这样,才能让大家产生内生驱动力。”贺钧强调,不是所有技术工具的使用、线上化的部署都是数字化,为了把这一原则落到实处,他们首先定义了“什么不是数字化”。


具体来说,有 6 大指标可以衡量


第一,能不能增加企业营收,给销售和订单产生正向影响;第二,能不能提升企业利润;第三,能不能带来成本节约;第四,能不能让组织架构更精简;第五,能不能让用户满意,是不是技术的自嗨;第六,相关技术有没有前瞻性,会不会推出一个产品马上被淘汰。


贺钧表示,凯士比近几年一直坚持小步快跑,如果一个数字化项目不能满足以上任何一个条件,在凯士比就会被迅速砍掉。


“以货场三维数字化地图为例,过去培训一个物流人员熟练使用 SAP 至少需要 4-5 个月时间。现在,只要用移动设备,或者点几下鼠标就可以轻松对货场货柜进行管理,几乎不涉及培训时间。”换言之,虽然该项目没有对企业收入和利润产生影响,但是它极大精简了组织架构,降低了运营成本,因此能够在凯士比被大力推行。

不追热点,少谈布局,不断小步快跑


据了解,数字化应用目前已经在凯士比的生产、运营、检测、售后服务等业务场景多点开花。


除了三维数字化地图之外,凯士比还推出了“凯泵智联”智慧云平台以及用于旋转类机械振动监测、故障报警以及诊断的凯泵卫士软件,可以对客户应用场景中的旋转机械,如泵、电机、齿轮箱、联轴器、风扇,甚至空调设备进行运营状态以及振动监测和预警,并且快速分析定位故障位置。


而通过把数字孪生技术应用到工厂运营中,比如图纸、各种设备和功能的数字化,包括 3D 扫描功能,将平面信息转化为立体模型等,凯士比对工厂的生产工艺流程、检测设备(包括电机转速、水的流速、温度、压力等等)进行了数字孪生,从而实现了泵的云端数字化监测和专家远程监督。



“过去,每一台泵的出场检测往往需要客户来现场见证,这在疫情期间变得无法实现。为确保业务的正常开展,过去几年我们就通过数字孪生技术,为客户提供了在线检测的服务。虽然是远程,但也如同亲临现场。”贺钧说道。


此外,面向公司管理层,凯士比内部还打造了名为 Cockpit 的企业管理驾驶舱,其中,所有与公司管理运营相关的表格数据都以图形化的形式展示,一天更新两次,确保展示 6 小时以内的新鲜数据。


但贺钧继续强调,以上所有功能的实现都不是一蹴而就、一步到位的。“我们很少谈大布局,也不追技术热点,只是不断小步快跑、快速迭代。通常来说,每次就只实现一个功能。”


以数字化三维地图为例,最开始只是为了给厂区访客提供导览,比如当前所处的位置,如何进入某个车间,以及某个车间的布局等等。“我们的数字化团队用了两周时间实现了这一功能。在此基础上,又用了两周时间,进一步实现了对现场电机、吊车、厂房设备等设备的模拟。这就是数字孪生最初的原型。”


“现在,我们已经实现了所有厂区设备的数字孪生化,并对两个测试车间进行了数字化改造,车间里十几个测试台位都进行了传感器加装。”贺钧表示,“我们的试错周期,通常只有几个星期。数字化团队每周会开三次会,不断交流新的想法,然后去进行尝试,经过几个星期的测试,一旦不符合预期就快速砍掉,如果成功就不断深挖这个功能。


每一个数据都有价值,不要求统一数据标准


所有的数字化成果和短平快的试错节奏并非立于“浮萍”之上。


从 2020 年启动数字化开始,凯士比花了近 4 年时间去做数据清洗、数据准备等大量基础性的工作。“这是一个需要长期投入的工作,很多人没有这个耐心。而我们用了 4 年,整个过程中几乎没有任何回报。”贺钧告诉 InfoQ。


在他看来,每一个数据都有价值,只是没有被利用和挖掘。以叉车的行进轨迹为例,放在过去,这可能就是一个“无用”数据。但当企业把叉车工作数据收集和展示出来,可能就会发现内部很多叉车都是在无负载的情况下作业,并且路线也并非最短、最高效,最终结果就是带来了大量的资源浪费。而当叉车装上芯片之后,数据就可以实时被采集到后台,由系统根据车间用料情况规划拿料的顺序和派料的最优路线。这一方面可以实现叉车利用率的最大化,避免浪费;另一方面还可以提高物料派发的速度,提高生产效率。


那么,如何把数据价值挖掘到最大化,贺钧认为有三个原则:


第一,要让数据输入端尽可能自动化。数据输入方涉及多种角色,包括销售、财务、物流、生产等等,贺钧认为,只有尽可能不给他们增加工作量的情况下,对数据进行自动化的采集和输入,才有可能让这件事变得可持续。


“首先,操作要直接、简单,其次,界面要直观、美观、易懂。只有当业务人员真正体会到数据带给他们的价值,他们才有驱动力去做这件事。”贺钧强调,“甚至,我们刻意不要求业务人员在数据输入时统一数据格式和标准,只要用自己熟悉的格式、命名进行操作,由技术通过中间连接软件,就可以自动对不同数据实现格式化和统一化。”


第二,避免数据重复输入。对于过去已经在 Excel 或者其它传统数据工具上沉淀的数据,不要求重复在数字化软件上再输入,而是通过自动化软件在对应数据湖的位置进行提取,然后重新梳理、清洗、再输入到算法模型中。


第三,实现不同业务线之间的数据打通和自动化调用。过去,业务部门之间相互调用数据需要依赖于大量的人工,而现在,可以通过算法实现数据比对和调用,并且,当出现数据不匹配的情况时,还可以通过图形把对应信息显示出来,提交给相关人员进行数据溯源和进一步梳理。


“还是那句话,技术要为人服务。对业务人员来说,只要按照自己习惯把数据填好放那就不用管了,其它所有后续的工作,我们都会通过自动化手段来实现。”贺钧表示,“当然,最开始我们也进行了大量磨合,先小范围内尝试,看看最终的数据结果准不准确,会不会产生歧义,有没有出现丢单,在经过实际检验后再大范围采用。”


贺钧回忆道,比如,在最初研发销售报价软件时,技术人员用了近一年时间和销售坐在一起,深入了解销售报价逻辑。销售一边报价,他们一边编程,出现问题现场立马沟通解决,编好一段先用一段,出现错误立即修改。“我几乎没有见到过有任何一个企业会这样开展工作,但这个模式在凯士比坚持了差不多一年时间。”

像竹子一样,先扎根再迅速生长


现如今,凯士比数字化团队规模近 40 人,其中包括了 4 个分组:


其一,算法团队(DNA-data and Algorithm),专注于泵振动算法(比如识别泵的振动异常、追踪故障原因等)的研发和迭代更新;其二,3D 图形团队,所有与 3D 相关的工作,如图形立体化、光效渲染等等都有该团队完成;其三,运营数据自动化团队,负责数据准备,以及数据的图形化、可视化呈现;其四,数字工厂设计团队。


贺钧强调,凯士比在追求数据“美感”方面的要求是几近“病态”的。其目的在于把错综复杂、千丝万缕的数据关系,以更直给的方式呈现给业务人员和管理层。“我们要求,所有数据的呈现必须是图形化的,不允许有表格,并且对图形的美工处理要求特别高,不只有柱状图、饼状图,还有很多 3D 立体图。”


此外,在数据准备过程中,凯士比团队还花了大量时间对数据做加装,让前后端的数据能够紧密关联起来。


举例来说,在在线地图上,凯士比对全国所有销售点的 20 多万台泵都做了标注。贺钧指出,虽然很多企业也有这样的地图,但他们的调用深度是其它公司的 4-5 倍。“比如,当你点开地图上的一个点,首先可以看到某个工厂中部署的上百台泵,再点击其中一台泵,就可以看到它的所有相关信息,包括名称、照片、价格、审批、合同签订号、相关扫描件、维修历史记录等等,只要有相应权限,所有数据都可以调用出来。”



这么做的目的,不是为了好看,也不是“炫耀”技术能力,而是为了真正给业务赋能。贺钧以销售招投标场景为例做了介绍,“当销售想要了解某个型号的泵在哪些地区、哪些工程项目有哪些具体应用,这样一个简单的问题,过去至少需要 5 个人,花近两个月时间到档案室查询。现在,只需要 1 分钟,所有数据信息都可以显示在这个地图上。并且,他们还可以根据自己的需求,在手机上查看,或者把数据输出为表格,甚至是生成 PPT。”


“当然,所有这些成果都基于我们在数据准备上做的大量工作,没有这些准备,只能是天方夜谭。”贺钧比喻,“这个过程,就像是竹子的生长。在最初的几年,我们从地面上只能看到很小的一个根茎,但事实上,它的根一直在往下扎,只有过了扎根阶段,它才会迅速往上生长。”


而对于凯士比来说,显然也已经走过了自己的“扎根阶段”。面向未来,贺钧表示,他们仍然会坚持低成本快速试错、不断迭代,对于有价值的功能和场景会继续不断深挖,循序渐进往前推。“今年,我们的小目标是在图形智能化、算力整合、前后端整合等方面做得更加极致,把目前两个完成数字化改造的车间的成功经验复制到更多车间和工厂。这里面还有很多工作要做。”

2024-04-10 13:1012263

评论 1 条评论

发布
用户头像
厉害!
2024-04-12 15:59 · 安徽
回复
没有更多了
发现更多内容

95后跳槽阿里网晒工资条:多亏面试前补了这个,真香

程序猿阿宇

Java java程序员 大厂面试 大厂面经 内推

开源一夏|OpenHarmony视频播放器

坚果

开源 OpenHarmony 8月月更

史上最全499道Java面试题:JVM+分布式+算法+锁+MQ+微服务+数据库

冉然学Java

Java 数据库 面试 算法 多线程

C++运算符重载(五)之关系运算符重载

CtrlX

c c++ C# 重载 8月月更

TE数字化共创之路 | 这场旅程,从数字化共创平台开始

明道云

计算机网络知识点全面总结(一篇全懂)

C++后台开发

网络编程 计算机网络 网络协议 底层原理 C/C++开发

废除“网络君主制”,认识 Usenet ~

掘金安东尼

前端 网络 8月月更

【LeetCode】检查数组是否存在有效划分Java题解

Albert

LeetCode 8月月更

PyCharm 2022.2 发布了,支持最新 Python 3.11 和 PyScript 框架!

Python猫

史上最全的Java并发系列之Java中的线程池

自然

线程池 并发 8月月更

史上最全的Java并发系列之Java中的锁的使用和实现介绍(二)

自然

多线程 并发 8月月更

【云原生】Spring Cloud Alibaba 之 Feign 远程调用 实战

Bug终结者

分布式 微服务 云原生 8月月更

3-6月面经总结,200多页真题笔记和详解(含核心考点及6家大厂)

程序猿阿宇

Java java程序员 大厂面试 秋招 大厂面经

React Server Components 介绍 亮点

HullQin

CSS JavaScript html 前端 8月月更

STM32入门开发 编写DS18B20温度传感器驱动(读取环境温度、支持级联)

DS小龙哥

8月月更

Go-Excelize API源码阅读(九)——SetSheetBackground(sheet, picture string)

Regan Yue

Go 开源 源码解读 8月日更 8月月更

Kubernetes宕机切换源码分析

黄继承

源码分析 kubelet Kubernetes 集群 宕机

涨薪了!拿着GitHub标星80k的阿里性能优化笔记,把项目优化个遍

程序知音

Java 编程 程序员 性能优化 后端技术

超新概念出炉,JDK17的封闭类使用解析

知识浅谈

8月月更

JSON 基本使用

兮动人

json

Vue讲解系列- - -Nginx和Postman讲解

叶秋学长

Vue 8月月更

体验家辛济云:CEM不是MarTech,不仅要“从0到1”,更要规避“从1到0”

B Impact

如何正确理解Java领域中的多线程模型,主要用来解决什么问题?

PivotalCloud

美团二面:如何解决 bin log 与 redo log 的一致性问题

飞天小牛肉

签约计划第三季

MySQL 原理与优化:意向锁,IS,IX

老崔说架构

千万级学生管理系统的考试试卷存储方案

张立奎

Java技术专家成长路线总结(思维导图)

程序猿阿宇

Java java程序员 大厂面试 秋招 大厂面经

大逆不道,从天界偷下来的算法修仙秘籍竟然传到你手上~~(结尾有彩蛋)

武师叔

数据结构与算法 有趣的技术知识 复杂度分析 签约计划第三季 8月月更

知乎疯传,吹爆阿里P7《K8s+Jenkins》的技术手册

程序知音

Java 编程 程序员 后端技术 #k8s

五分钟搞定YAML

俞凡

云原生 yaml

先定义什么不是数字化、坚信每个数据都有用、刻意不统一数据标准......凯士比转型中的“反骨”操作_工业_高玉娴_InfoQ精选文章