“记得那是一月份的冬天,我从济南到了60公里外的章丘,那时周围交通非常不方便。那几天下着雪,我一个人看着这个从荒地上建起来的新厂,外面白茫茫一片。”姜琦(中国重汽济南动力公司CIO)这样描述他初到重汽济南动力时的场景。
我们好像能看到那个水墨般凄凉的画面,那四万多平米白茫茫的厂区,和一个孤独的背影。
“那时候确实不容易,整个工厂的信息化就我一个人,虽然就只是修电脑、拉网线,但是整个厂区上万平米,曾经跑了一个月,腿疼得受不了,贴了个膏药却粘在裤子上揭不下来,只好连裤子一起扔了。”
当时的姜琦或许不会想到,他在那一呆就是10年,他或许不会想到,在这10年里,他从一个人到一个团队,从无到有把济南动力的信息化水平推到了整个集团二级公司的前列。
事实上,从大学一毕业姜琦就进入了重汽集团的其它二级公司。但毕业于自动化专业的他,对自动化却一直没有太大兴趣,唯独对计算机“情有独钟”。好在机缘巧合,他被调到了当时新成立的电算室,从零开始,学着修电脑、学网络、学编程,“现学现卖”。
说到这股对计算机的“热忱”,姜琦说最初是来自于自己对足球的热爱。“从中学开始,我就特别喜欢足球,也喜欢看足球赛。但是90年代的中超联赛(当时叫甲A联赛)却没有技术统计。我就把报纸中每场比赛的数据都记录统计下来,做了每场排名,包括几年累计的总排名。当年《足球报》第一次刊登的 ‘中国联赛总排行榜’就是我投的稿子。”姜琦笑说。
正是在这样兴趣的驱动下,非专业的姜琦计算机编程能力非常快地得到了提升,工作也越做越顺手。2006年济南动力公司成立,他也随即从原先的二级公司来到了这里负责信息化。
“其实那时候还谈不上信息化,只是计算机维修和网络建设这些最基础的工作。加上集团内部的生产关联性还不强,公司对信息化也并不重视,可以说没有生产系统也可以搞生产。”
然而,随着2009年中国重汽与德国曼集团战略合作关系的确立,济南动力承担了中德双方合作开发的卡车项目中关键部件——曼D20/D26发动机的生产。在引进国际先进设备与装配线、建设MAN新工厂的同时也提出了“以先进的管理理念打造世界级工厂”的要求。
于是,原有的管理模式难以维系,信息化在公司中的尴尬局面终于开始破冰,济南动力公司从发动机缸体、缸盖的加工到整机装配全生产过程分别入手,运用信息化的手段实施发动机MES系统,对从订单下达到产品完成的整个生产过程进行优化管理,以提升整体管理水平。
为此,济南动力还成立了专门的项目领导小组,每周汇报项目进度。“虽然包括公司领导、合作方,大家一开始都很担忧,也很忐忑,但是最终我们还是干成了!”姜琦说,“从订单、计划、工艺到物流等等,这条生产线的管理我们付出了很大的心血,但正是这样一个契机,新的工厂、新的生产线、新的软件、新的设备,让我们可以同步地进行测试,员工也能更好地适应。”
虽然姜琦把项目的成功归功于新建工厂的契机,但其实这与他对所有事情的执着和坚持也不无关系,诸多年来,无论是对工作还是学习,他都一直在证明自己。
高考以6分的差距与本科院校插肩而过,这让姜琦在专科毕业就职后一直坚持本科自学考试。1997年他完成了12门科目的考试,却由于1门4年没有安排考试的科目直到2001年终于拿到了本科学历。“但是我毕竟还是工科毕业,管理学知识还有欠缺,所以在济南动力第一个系统——MES系统项目实施之前我又考了研,上了MBA。就这样屡战屡败又屡败屡战,终于我还是没有放弃。”姜琦说。
谈及这一MES系统应用,姜琦认为,以往的MES主要还是针对生产、设备和控制端,ERP主要针对生产计划、管理和数据,而现在,随着生产需求的变化,MES与ERP概念之间的界限日渐模糊,通过两者的结合,济南动力打造了更为广义的MES系统,并将此为“企业信息化管理平台及制造执行系统”(以下统称为“MES系统”)。
虽然当时智能制造的理念还未被提出,但这俨然已经是一套设备与软件协同运作的系统。从生产计划、零部件采购、库存、物流,到生产线监控、系数采集、设备管理、成品管理,包括销售、财务等所有环节都可以通过这一套系统完成,形成了完整的生命周期管理。
“没有现成的路可以走,所以我们一直是摸索着前行。现在看来,我们确实是比较明智的,一直走在正确的道路上。”
据姜琦介绍,中国重汽所有的设计人员都在集团公司,这造成了从设计到制造之间的信息不对称,由二级公司生产出来的产品往往与设计存在差异,包括工艺上的、设备上的、产品、库存、采购等方面都存在问题。因此,MES系统上线首先解决的就是这个问题。通过在集团和二级公司数据之间做了一道“闸”,进行数据对比、发现差异,并通知技术人员,从而降低了人为修改错误所导致的制造BOM物料错误,减少了因工艺路线升级与实际装机不同步而造成的物料疏漏,订单单个机型技术评审与配送计划的作业时间也都缩短了2/3。
在采购方面,济南动力还打造了专门针对供应商使用的DLIMS电子商务平台,后台的数据与MES系统打通,实现供需双方的互动,并以二维条码技术作为企业级数据的接口。据姜琦介绍,考虑到数百家供应商信息化水平的差异,为了使用方便,这一电子商务平台的页面设计非常简单,从而很好地解决了济南动力与供应商之间的交互,实现了协同效应。“借此,一方面保证了数据的准确性,另一方面也大大提高了物流收获、订单完成的效率,促进了生产的有序性。”他说。
说到物流,对于生产制造企业而言非常重要的在于能够实现精准协同的物流配送,其中涉及了两个要素,一是时间,如当天生产序列及当前配送序列、生产节拍、是否需要预装配、预检验等等;二是数量,如是否有装机限定、需求数量、库存数量等等。济南动力的做法是,将一天分为若干时段,按时段需求进行分拣与配送。同时,当生产线不能放下全部物料时,按货架满排量和生产节拍自动拆箱,当一个时段配送的物料不满一箱而后面的生产还需要使用该物料时,自动满箱配送,以减少物流、搬运及现场验收的工作量,当物料在线边有货时,优先使用线边库存,减少配送数量。此外,在从第三方物流、生产缓存区、线边缓存区到成品下线的整个配送过程中,济南动力非常注重条码化,保证数据真实反映库存和物料信息,简化交接的流程。
“在使用二维条码之前,我们经常会遇到发动机零部件的 ‘假赔’事件。2010年以前,重汽每年单 ‘假赔’的支出就上亿,甚至是几亿。”于是,济南动力通过二维码与发动机信息的关联,建立每一个关键零部件的质量档案,一方面建立了产品的质量追溯体系,另一方面也解决了“假赔”的问题,节省了很多不必要的成本。
足以见得,作为连接物理世界与虚拟世界的重要技术,物联网将成为制造企业迈向智能制造的关键要素。不仅仅体现在上下游的供应链采购、物流运输过程中,在实现生产制造的实时、精准现场管理中更是如此。
尤其是数据的采集,包括物料Lot No或S/N信息以及加工过程中压力、位移、扭矩、角度等数据的采集。姜琦表示,发动机装备的制造过程非常严密,因此现场的数据采集也相对复杂。通过物联网技术的使用,能够对设备进行监控,每台发动机到位时,系统会自动提供装机指示。此外,在出现错装、漏装等情况时,系统也会及时报警提示。“目前济南动力的发动机大概采集来有300多个加工过程参数,并且随着产品质量要求的提高,仍在不断改进。”姜琦表示。
当然,数据采集最根本的还是要落地到数据的管控,这样的管控不仅仅停留在数据表明,而是要透过数据对生产计划、产量、设备、质量、在制品整个生产的全生命周期实现透明化监控,满足各级管理者的需求。因而,透过MES系统,济南动力实现了从工位级、车间级到工厂级到生产数据逐级汇总,使得整个生产过程变得更加透明化。
“总体而言,这一整套MES系统给济南动力带来了几个方面的提升。一是生产效率的提高;二是达到双向质量追溯,质量是企业的生命,这是非常重要的;三是精益化生产;四是通过制造物联技术,规范管理,实现整体生产执行能力的提升。”姜琦说,“未来的数字化工厂应该是管控透明、能源合理分配的。而这一切的实现,是建立在MES系统这一基础之上的,智能制造使得核心技术的发展更为关键,当下中国在这方面仍然比较薄弱,因此必须抓住这个转折点的机会实现突破。同时,智能制造也更应该关注环保、能源及资源再利用,这是造福世界和人类的事情。”
姜琦说,那几年忙着系统的上线,忙着考研,忙着上MBA,真的很忙。好在随着系统运行的日渐稳定,部门每个人都能各司其职,信息化的工作也都走上了正轨,终于有了更多的时间可以陪伴家人。
“这个过程很不容易,很多问题需要大家一起去解决,所以团队的能力、和谐的工作环境很重要,在整个公司中的沟通能力也非常重要。IT不能只干IT的事,还要了解业务,要能够理顺业务流程。”
姜琦说,非常庆幸能够进入走在科技前沿的IT圈子,能第一时间接触到超前的技术和超前的思维。但是,对于“五花八门”的技术,最关键的还在于与实体经济的融合,而制造业才是真正的实体经济。
姜琦说,看着公司一步步地成长,从一个人修电脑,到现在有条不紊的信息化工作,他付出了很多的心血;姜琦也说,孩子的成长阶段就一次,错过了就错过了,所以从女儿1岁能离开妈妈之后,只要在家女儿睡前都会拉着他的手聊天,直到女儿睡着他才关灯离开。
一个独身站在白雪皑皑的厂区里,一个温暖地坐在女儿身边。这都是姜琦,像一个战士,也是个慈父。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。