离散行业特点就是,它真的很离散

离散行业特点就是，它真的很离散……

一个像飞机、汽车这样复杂的产品，需要有几十万、甚至上百万个零部件，不但整机要经过产品设计、生产规划、制造工程、生产执行和***服务这几个阶段，每一个零部件也要经历这个过程。

任何一个阶段出了问题，的产品可能都组装不起来，所以这个研发周期很长，而且一旦生产线运行起来了，想换型号是很难的。

我们说做一家工业企业远比做一家互联网企业难得多，就是因为工业的协作体系太大，产业链太长，即使企业内部有一些管理系统，也就像是这一地鸡蛋碎片，想把这个图拼好实在是不容易。

重视持续运营、持续优化偏生产管理类的系统

在谈到数据这个维度的时候，我们经常会马上谈到数据中台，大数据分析平台这些技术层面的内容。但是实际上数据维度的仍然是数据驱动运营的思维转变。而且这种驱动是一种实时敏捷的驱动，是一种对运营的持续优化改进。

重视持续运营、持续优化

偏生产管理类的系统，如PLM、ERP、MES，传统的IT人员很难运维，君所说的运维，不是只是保证服务器不宕机，那个是狭义的运维，也不是运营，系统运营的概念，首先得了解和熟悉这个系统内落地实施的流程，在用户不清楚或者不懂的情况下，具备培训和引导的职责，同时对系统运行的数据可进行配置、运行状态进行分析和提出优化改善建议。

自动分拣系统:滑块分拣机

自动分拣系统：

滑块分拣机，用于箱式的分拣，对于包装是柔性的货物是不能分拣的；交叉带分拣，主要用于细分领域，能提供比较多的格口（格口即分拣目的地），运行速度较高，分拣能力可做到20000-40000件，甚至更高；单台设备一般不会超过30000件……

电子标签系统：

主要用于播种和摘果的拣选，解决分拣错分率问题，这种的错分率较低，有效提高分拣效效率；一般电子标签系统差错率少于万分之五，应用电子标签系统比手工分拣的。

人工智能和机器学习可以创造洞察力

人工智能和机器学习

人工智能和机器学习使制造公司能够充分利用不仅在工厂车间，而且在其业务部门，甚至来自合作伙伴和第三方来源的信息量。 人工智能和机器学习可以创造洞察力，提供运营和业务流程的可见性、可预测性和自动化。 例如：工业机器在生产过程中容易发生故障。 使用从这些资产中收集的数据可以帮助企业基于机器学习算法执行预测性维护，从而延长正常运行时间和提率。