客户案例 | 海纳威:用宜搭实现生产数字化转型

简介: 海纳威通过阿里巴巴的宜搭平台,开发了生产计划分配、计时计件、考勤与工资计算系统。宜搭的这种模式,可以按照我们自己的想法来设计软件,贴合现场业务来开发和调整,满足了管理诉求。效率很高,成本可控,和传统的管理软件有很大不同。

“海纳威通过阿里巴巴的宜搭平台,开发了生产计划分配、计时计件、考勤与工资计算系统。宜搭的这种模式,可以按照我们自己的想法来设计软件,贴合现场业务来开发和调整,满足了管理诉求。效率很高,成本可控,和传统的管理软件有很大不同。”
——杭州海纳威有限公司董事长:吴海龙

案例背景

杭州海纳威旅行用品有限公司成立于2002年,20年来始终致力于旅行箱包生产,现有员工人数1000余人,年产值4亿元人民币。公司虽属劳动密集型企业,但对内部管理始终秉承规范化和现代化理念,公司管理层几年前就提出:“要提高企业核心竟争力就必须降低人工成本,提高产能。”

作为一家劳动密集型企业,海纳威在产能全球布局的大背景下正面临着重重考验:

业务升级迫在眉睫
公司虽已建立了完善的生产和质量管理体系,但这些制度和流程基本还是依赖人来驱动,大量的业务数据都还在沉淀在纸质报表上,很难或者几乎无法得到及时的分析和利用,加上企业业务出海成长,海外用工的人员素质,语言障碍,远距离的沟通成本,更加重了这一问题,如何让企业管理者能够随时随地了解生产业务状况,成为了破在眉睫的问题。

生产效率有待提升
生产效率是企业赖以生存的竞争力,箱包的生产制作过程比较复杂,数百道工序需要由20-30人合力配合才能完成。如果能有效的将这数百道工序分配到合适的人手里,确保每道工序都得到妥善安排,每个员工都有合理的负载,同时在生产过程中,实时有效透视各个工序的生产进度,发现异常,解决问题,避免工序的卡壳,产能的浪费就能大大提升生产效率。

质量表现亟需改善
产品的质量是企业的生命线,海纳威的主要客户基本上是新秀丽等国际一线的品牌,客户重视企业持续稳定的质量表现,良好的质量表现也是同这些客户持续长久深度合作的重要条件。过去生产质量的汇报都是通过人员的纸质报表进行汇总分析,数据的获取、分析和反馈是N+1天、但是往往一个异常的质量事件没有得到及时的干预、在当天就已经造成大量的不良返工和产能浪费。

方案架构

图片 5.png

案例效果

海纳威生产执行系统

包含了生产指令、生产派工、生产汇报、质检汇报、生产报表等模块。

图片 6.png

海纳威的生产线上布置了 1000 台 iPad,通过摄像头、边缘服务器等人工智能工具采集数据来完成工序的计件。数据记录在系统中,可自动分析出生产线上工人一天的工作量,实现生产现场的产能平衡。

图片 7.png
图片 8.png
图片 9.png
图片 10.png

在系统界面上,如果生产线上工人的工序要进行调整,整个过程只需要花费两分钟的时间。

图片 11.png

工人在操作界面,可以直接进行完工产品的检验。把产品进行良品和不良品的归类和记录,把生产数据、工序完工数据线上化,主管看到数据之后可以立马看出哪个工序需要进行调整。

图片 12.png


宜搭社区动态.gif

相关文章
|
存储 网络协议 前端开发
Netty服务端和客户端开发实例—官方原版
Netty服务端和客户端开发实例—官方原版
724 0
|
前端开发 Java 数据安全/隐私保护
聊聊 OAuth 2.0 的 Token 续期处理
Token 校验逻辑 // CheckTokenEndpoint.checkToken @RequestMapping(value = "/oauth/check_token") @ResponseBody public Map checkToken(@RequestPara.
2495 0
|
机器学习/深度学习 人工智能 自然语言处理
自监督学习:引领机器学习的新革命
自监督学习的思想可以追溯到几年前,最早是在图像处理领域被提出。随着深度学习的快速发展,研究者们逐渐认识到未标注数据的巨大潜力。尤其是在大规模数据集的爆炸式增长下,获取标注数据的成本越来越高,而利用自监督学习的方法来减少对标注数据的依赖变得越来越重要。
|
9月前
|
数据采集 人工智能 弹性计算
「智驱未来,云网随行」阿里云基础设施AI技术沙龙云网络专场在杭州举办
6月20日,阿里云基础设施AI Tech Day ·云网络专场在杭州太极禅院成功举办。活动吸引了来自吉利、极氪、浙江大学等35位技术负责人及师生参与。现场围绕AI场景下的算力资源网络建设,探讨了数据采集、模型调度、算力池化等关键技术方案,分享了阿里云在通义模型、PAI平台、弹性计算及云网络方面的最佳实践,助力企业构建智能、弹性的AI基础设施。
|
Java
Java获取字符串最后一位
【5月更文挑战第9天】Java获取字符串最后一位
1336 5
|
机器学习/深度学习 存储 自然语言处理
RWKV-7:极先进的大模型架构,长文本能力极强
RWKV-7 是极先进的最新大模型架构,超越 attention / linear attention 范式,拥有强大的 in-context-learning(上下文学习)能力,可真正持续学习,在保持 100% RNN 的同时,拥有极强的长文本能力。
745 2
RWKV-7:极先进的大模型架构,长文本能力极强
|
存储 安全 开发工具
CSGHub 开源大模型资产管理平台
CSGHub是一个开源的大模型资产管理平台,支持LLM及其应用的全生命周期管理。用户可通过Web界面、Git命令或Chatbot进行资产的上传、下载、存储、校验和分发。他们刚发不到了阿里云云市场
|
SQL 监控 固态存储
SQL优化有哪些方法?
【10月更文挑战第27天】SQL优化有哪些方法?
499 3
|
存储 安全 网络安全
蜜罐技术:如何跟踪攻击者的活动
【10月更文挑战第22天】蜜罐是一种用于网络安全的系统,通过模拟漏洞吸引攻击者,记录其行为以研究攻击手法。分为高交互和低交互两种类型,前者提供真实操作系统服务,后者仅模拟部分系统功能。蜜罐有助于收集恶意软件样本,分析攻击者行为,提高网络安全防御。
537 3
|
存储 人工智能 安全
智能语音助手的隐私保护技术探讨####
【10月更文挑战第19天】 本文聚焦于智能语音助手的隐私保护技术,通过分析当前技术现状、面临的挑战及未来发展趋势,为开发者和用户提供了一份深入浅出的技术指南。文章指出,随着人工智能技术的飞速发展,智能语音助手已成为日常生活的重要组成部分,但其背后的隐私问题不容忽视。通过技术创新和合理的策略部署,我们有望在享受便捷服务的同时,有效保护个人隐私。 ####

热门文章

最新文章

相关产品

下一篇
开通oss服务