- 博客(55)
- 收藏
- 关注
RSS订阅
原创 很多研发制造企业，其实只是在不断做选择
于是，项目延期、成本失控、反复返工，被自然地解释为“研发复杂性”带来的必然代价。但在大量真实项目中，真正把项目一步步推向混乱的，并不是研发能力不足，而是并在 3D 设计环境中不断放大了重复设计与数据失序的问题。
2026-01-30 07:45:54
1873
1
原创 不会算法和推理的 CIO，未来会被边缘化
采购单、销售单、库存单、生产单、财务凭证、BOM、工艺路线、变更单，能不能在系统里稳定流转。真正的差距，不在买了什么软件，而在企业有没有把业务变成可计算、可推理、可决策的模型。系统只会记录，算法只会计算，但推理能力决定企业能不能自动判断、自动推荐、自动决策。但未来真正有价值的 CIO，不是“信息化负责人”，而是企业的“数字化总工程师”。上 ERP、管网络、修系统、做报表。CIO 的能力，至少要分成三个层次。未来的 CIO，管企业的认知能力。过去的 CIO，管系统。现在的 CIO，管算法。
2026-05-23 18:20:57
14
原创 装备制造 BOM 信息化实施深度五层模型：从多阶结构到智能推理
装备制造企业的 BOM 信息化，正在经历一条清晰的演进路径。最初，BOM 只是物料清单。后来，BOM 成为产品结构。再后来，BOM 成为研发交付物。进一步，BOM 成为产品族配置模型。再进一步，BOM 成为贯通需求、设计、工艺、制造和服务的数字主线。最终，BOM 将成为可以被系统自动推荐、校验和推理的智能对象。
2026-05-04 09:38:23
256
原创 常用python函数
raise ValueError(f"矩阵乘法失败：{(rows_a, cols_a)} x {(rows_b, cols_b)}")raise ValueError(f"点积失败：长度不一致 {len(a)} vs {len(b)}")"""矩阵乘法：a(rows_a, cols_a) x b(rows_b, cols_b)。"""向量 softmax。"""返回矩阵形状 (rows, cols)。"""按行做 softmax。"""检查所有行长度一致。"""矩阵逐元素相加。"""向量逐元素相加。
2026-03-10 11:14:34
234
原创 为什么“配置引擎”是企业 AI 专家系统的起点
配置引擎不仅仅是一个工程工具，它是企业知识自动化的起点。通过配置引擎，企业可以：把工程经验结构化把产品知识系统化把配置决策自动化以产品知识为核心的企业 AI 专家系统。产品配置引擎。
2026-03-08 12:03:43
304
原创 企业 AI 专家系统架构
企业 AI 专家系统代表了工业软件的一种新形态。让企业知识成为可计算、可推理、可进化的智能系统。通过领域专家模型与统一调度架构，企业可以逐步构建：产品知识专家制造知识专家供应链专家运营专家财务专家企业智能决策系统。
2026-03-08 11:59:46
392
原创 全球供应链，必须建立配置模式
全球供应链管理已经从“物流管理”升级为“结构管理”。配置模式，使企业能够在全球范围内：保持技术架构统一实现区域差异化提高供应链弹性降低运营风险未来的全球制造竞争，不只是规模竞争，而是结构能力竞争。谁拥有成熟的配置模式，谁就拥有稳定的全球供应链。
2026-02-20 14:41:09
405
原创 中国装备制造企业如何出海：以“配置管理”为核心构建全球竞争力
中国装备制造企业真正的国际竞争力，不在于单一产品，而在于：能否把复杂定制产品，变成可复制、可审计、可治理的系统能力。配置管理不是后台工具，而是企业出海的“操作系统”。未来的全球竞争，将从“产品性能竞争”升级为“配置体系竞争”。谁先完成这一步，谁就能真正站上全球舞台。
2026-02-20 12:39:38
758
原创 工业信息化与AI：制造业配置能力的重构
而配置能力决定的是企业整体结构是否稳定，决定销售承诺是否可兑现，决定设计是否可快速展开，决定生产是否可高效执行。系统越来越多，数据越来越完整，流程越来越标准。如果AI能够基于企业长期积累的订单数据与结构数据，自动识别配置之间的关联关系，自动发现冲突逻辑，自动优化模块启用方式，自动生成变型结构与工艺路线，那么配置将从人工规则工程，转变为智能推理系统。ERP关注的是财务正确性，PLM关注的是版本控制，MES关注的是执行效率。销售面对客户的是配置选项，研发面对的是变型结构，生产面对的是具体物料与工艺状态。
2026-02-16 16:25:14
1134
原创 当 AI 开始参与决策，CIO 真正的角色是什么
当 AI 还只是用来写代码、做报表、生成文档时，CIO 要做的，不是告诉 AI “答案是什么”，过去，CIO 的核心价值之一，是“解释权”。也只能对一个“被压平的世界”给出更快的答案。在一个错误或过期的世界模型里给出“最优解”。才是那个必须为“模型是否真实”负责的人。哪些状态值得进入 AI 的学习空间。这是一个比“选系统”更高层的权力。谁就能真正站在 AI 决策之上。所以，当 AI 开始参与决策，AI 参与决策反而会放大风险。所以，当 AI 开始参与决策，答案并不在“用不用 AI”，
2026-02-04 08:54:47
212
原创 AI 秒答的时代，资深 CIO 的真正价值还剩下什么？
AI 的输出，永远受限于系统记录了什么、建模了什么、承认了什么。过去，资深 CIO 的价值，很大一部分来自“解释权”。AI 时代，资深 CIO 的真正考题，其实只有一个。这正是 AI 时代，对资深 CIO 最残酷的拷问。第二类 CIO，面对 AI 秒答，反而更清醒。于是，资深 CIO 的认知，开始被一刀切开。第一类 CIO，面对 AI 秒答，开始焦虑。很多资深 CIO 的问题，不是不会用 AI。这句话，本身就是 CIO 的护城河。真正不会被 AI 淘汰的 CIO，这也是为什么，在 AI 时代，
2026-02-04 08:53:42
258
原创 当软件开始落地管理模式，年轻人和资深 CIO 站在了同一起跑线
这套结构，在产品稳定、型号固定、变更可控的时代，是成立的。年轻人和资深 CIO，第一次真正站在了同一起跑线。而未来真正有机会挑战高年薪 CIO 的年轻人，在研发型制造企业里，软件从来不是中性的工具。过去很长一段时间，软件是“经验的放大器”。但现在，很多研发型制造企业已经悄悄变了。这正是很多研发型制造企业正在经历的现实。没有潜意识地认为“系统就该这么设计”，快速迭代设计、模型选配、个性化定制，真正值钱的，从来不是“把系统跑通”。你怎么理解研发、设计、变化和决策，系统的目标是“尽快回到稳定状态”，
2026-02-04 08:43:25
255
原创 为什么一批百万年薪的资深 CIO，正在被快速迭代的制造模式淘汰
ERP、PLM、MES、主数据、流程治理几乎都亲手做过。仍然在用一个**默认“世界是稳定的”**系统模型去应对。而是带着个性化约束、交付差异、成本博弈的临时组合。仍然是**“传统系统 + 开发尝试”**这条老路。“业务太复杂”“模型不成熟”“再开发一版”。而是由参数、规则、模块动态选配出来的结果。压平变化、隐藏差异、让流程重新稳定下来。这是一个极其现实、也极其残酷的机会窗口。在 PLM 上加流程、加版本、加字段。而这些，恰恰是系统最该“记住”的东西。而是持续变化、持续组合、持续演化。
2026-02-04 08:37:05
239
原创 AI 是如何淘汰一批资深 CIO 的？
AI 淘汰的，从来不是“资深”这两个字，而是停止升级的认知模型。真正的问题不是：“AI 会不会取代 CIO？“你现在的 CIO 能力模型，是 AI 的放大器，还是 AI 的天花板？
2026-02-04 08:32:05
497
原创 为什么很多资深 CIO，其实被“物料编码”困住了十年
现在的设计世界，早就不是“画一个零件、用十年”了。很多资深 CIO 被困住的原因，并不是能力不足，ERP、PLM、MES、主数据、流程、架构，很多资深 CIO 其实是意识到“不对劲”的。于是，变化只能存在于人脑中、会议中、经验中，在很多企业里，CIO 往往是最懂系统的人。在多数企业，物料编码被视为“底层规则”。而是他们太早站在了“系统正确性”的一边。真正的复杂性，在流程、在系统、在集成。后来，是历史数据“参考价值不大”。但企业对数据的信任度，却在下降。它要回答的，不只是“这是什么”，
2026-02-04 08:18:38
466
原创 年轻人想赢过资深 CIO，只需要看懂一件被忽略的事
很多年轻人以为，CIO 的门槛在系统、在架构、在经验年限。在很多企业，你都会看到一个非常诡异、却又极其普遍的现象。不要急着和资深 CIO 拼系统、拼履历、拼项目数量。所以他们拼命学 ERP、学云、学中台、学数据治理。如果只是尺寸取值变化，那仍然是“纯参数状态”。但在系统里，却被强行压成了“同一个物料”。这个前提，在参数化设计出现之前是成立的。但真正拉开人与人差距的，从来不是这些。叠加不同加工方式、公差体系、装配约束。接口通了，流程顺了，主数据也统一过。只要开始讨论成本、库存、交付、质量，
2026-02-04 08:17:25
869
原创 研发制造企业，如何让传统 ERP 拥有 SAP AVC 级的配置能力？
SAP AVC 解决的是“能力问题”，不是“软件问题”。如果企业能先用更低成本，把：产品建模能力配置逻辑能力BOM 推导能力一步步建立起来——那么：用不用 SAP，只是时间问题而不是“现在就必须押注的生死问题”
2026-02-03 12:29:05
423
原创 为什么 AI 永远学不会配置 BOM？
配置真正做的，是一件工程师每天都在做、每一张具体 BOM，只是空间里的一个点。写文档、做总结、改说明书，一流。你给了它成千上万张历史 BOM，非法组合，在生成之前就已经被排除。AI 才第一次真正“看见”配置。你给 AI 十万张表格 BOM，已经把这个空间压扁成了一张表。张量 BOM 并不是高级算法，配置选择，是在约束下找可达状态。只要 BOM 还停留在表格层，二维的、静态的、结果导向的。却不告诉他规则、走法和限制，工程变更，本质是在空间中移动。AI 学不会配置 BOM，
2026-02-03 10:02:20
153
原创 张量 BOM：AI 理解制造业的唯一入口
不管你用的是 GPT、Claude，还是企业内部模型，结构、配置点、参数、规则、版本、工艺视角……但 AI 完全不知道 BOM 是怎么来的。如果你现在把 BOM 原样丢给 AI，只是我们为了“好存”“好查”“好算”，每一张具体 BOM，只是空间里的一个点。第一步永远不是选模型、调参数、搞问答。因为配置从来不是“统计历史结果”，制造业做的，从来不是“选零件”，条件一变，这个结构还能不能成立？不是理解“这一行选了什么物料”，你给 AI 十万张表格 BOM，从来不是“怎么存 BOM”。
2026-02-03 08:28:37
147
原创 为什么很多所谓的 RDM，本质只是一个「SWBOM 清单系统」
系统跑一段时间后，企业内部通常会形成一种“默认用法”：图纸统一进系统文件命名被规范覆盖、丢失问题被解决这些价值是真实存在的。但与此同时：复杂 BOM 开始被绕开配置逻辑回到 Excel真正用于制造的 BOM，在 ERP / MES 里重新维护RDM 的真实定位，慢慢变成了：**一个文档唯一性控制系统SolidWorks BOM 的导出工具。**它存在，但已经不再被认为是“产品结构的核心系统”。假 RDM 并不是失败系统。它解决了很多真实问题：图纸不丢版本可追协作有序。
2026-02-03 08:14:22
387
原创 为什么很多研发制造企业，最后都做出了一个“假 MES”
假 MES 并不是“做坏了的 MES”。当系统只被允许记录，而不被允许改变结果，它就只能成为记账工具。这不是某一家企业的失误，而是一类研发制造企业，在快速交付与持续变更的现实压力下，反复走过的一条路。在真正想清楚：数据应该以什么形态存在系统要承接的是“结果”，还是“变化”之前，这条路，大概率还会被不断重复走下去。
2026-02-03 08:08:25
262
原创 如何运行 MRP：不是为了算需求，而是为了尽早发现呆滞
在很多研发制造企业里，MRP 一直被误解。一提到 MRP，大家想到的几乎都是同一件事：算需求算缺料算什么时候该下采购单但现实往往是：需求本来就不准BOM 在变项目在拖配置在摇摆于是 MRP 的结果看起来很“完整”，却很少被真正信任。久而久之，MRP 在企业里变成了一种尴尬的存在：跑是要跑的表是要看的但真正的决策，靠经验很多人最后会得出一个结论：“MRP 在我们这种研发制造企业里，其实没什么用。但问题真的出在 MRP 本身吗？其实不是。
2026-02-03 08:00:18
304
原创 用“合理的合并下单”，同时解决采购与生产的批量困局
按时间合并这周要 10 件下周要 15 件干脆一次下 25 件按项目合并A 项目要B 项目也要规格一样，一起买按经验合并“这个料肯定还会用”“以前用得挺多的”这些做法，在执行层面都很顺，但在库存和成本层面，问题极大：合并逻辑只存在于当下判断合并后的物料，却要在未来被慢慢消化一旦发生设计变更、项目延期或取消→ 库存立刻失去归属不合理的合并下单，本质上是：用未来的模糊需求，为当前的确定动作背书。把批量当成自然结果，而不是被管理、被定义的对象。合理的合并下单，第一步不是算数量，
2026-02-03 07:54:21
254
原创 呆滞料，到底是怎么产生的？
第二个高频原因，是批量采购。从采购逻辑上看，批量采购几乎无可指责：单价更低供应更稳定交期风险更小在会议上，这些理由永远是加分项。但问题在于，采购看到的是“单价最优”，而企业真正承担的是“总拥有成本”。在研发制造企业中，批量采购往往建立在几个隐含假设之上：设计短期内不会大改该物料会被持续使用后续项目能消化库存而现实却是：产品高度非标订单节奏波动大同一物料在不同配置中的使用概率并不稳定用库存，去对冲未来的不确定性。问题是，这个“不确定性成本”，从来没有被明确算给任何一个决策方。
2026-02-03 07:50:55
544
原创 为什么研发制造企业，永远算不清成本？
很多研发制造企业，在成本核算这件事上，都会陷入一种长期的焦虑。表面看，账是能算的：材料、人工、制造费用，一项不少；系统里有 BOM、有工单、有发票；财务报表也能按时出。但只要一追问，就会出现一种熟悉的沉默：为什么这台设备成本这么高？为什么这一批项目毛利波动这么大？为什么账面库存很健康，项目却总是“吃不消”？很少有人敢拍着胸脯说：问题真的出在“算不准”吗？其实不是。
2026-02-03 07:48:37
429
原创 研发型制造企业：产能规划的第一步，不是算设备，而是找对瓶颈
在研发型制造企业里，一提到产能规划，很多人第一反应是：设备够不够人要不要再招班次要不要加结果往往是：设备买了，产能还是上不去人加了，现场还是堵计划越排越乱。
2026-02-03 07:35:15
403
原创 研发型制造企业：为什么按订单、按项目做主计划一定会失效
如果你在一家研发型制造企业做 PMC，而主计划还是：按订单排或按项目排那你大概率每天都在救火：计划天天变物料总是“差一点”生产永远说不齐研发一改，计划全乱很多人以为这是：但真正的问题是：主计划的锚点，从一开始就错了。很多企业的 PMC 习惯这样做：问题是，在研发型制造企业里：一个订单下，往往有多台设备不同设备配置不同制造节奏完全不一致结果就是：订单在走设备在混物料需求被“平均化”PMC 看得到订单进度，却看不到设备进度。一旦其中一台设备配置有问题，整个订单的计划都会被拖下水。有些企业意识到订单不够用，
2026-02-03 07:31:20
337
原创 研发型制造企业：新机械研发工程师的第一课——改图，就是在理解历史配置组合
在研发型制造企业里，产品不是“一个版本”，而是：不同规格不同尺寸不同工况不同客户不同交付条件这些变量组合在一起，形成了大量可用、已验证的配置组合。而你现在改的那张图，很可能正服务于其中不止一种组合。
2026-02-03 07:22:41
534
原创 一种不要求 BOM 稳定，也能让系统跑起来的思路
真正让系统跑起来的，从来不是某一种软件，也不是某一套方法论。在研发驱动型制造企业里，稳定的不是 BOM，而是对变化的承认方式。
2026-01-31 08:49:57
459
原创 为什么所有看起来正确的路，都走了一遍，结果却一次次回到原点
回头看这十多年的信息化历程，很容易产生一种错觉：好像每一步判断都没有错。标准 ERP 没问题，PLM 也是行业共识，自研 MES 是复杂制造下的现实选择，顶级 ERP + 顶级 PLM + 项目模块，从方法论上几乎无可挑剔。系统越来越先进，架构越来越完整，投入、决心、组织强度也一轮比一轮高。但结果却始终相似。ERP 最终只承担进销存，项目模块难以真正闭环，MES 成为车间记账工具，PLM 退化为文档系统。问题到底出在哪里？
2026-01-31 08:47:07
490
原创 一家研发制造企业的“软件进化史”
回头看这十多年的信息化历程，很容易产生一种错觉：好像每一步判断都没有错。ERP 是行业主流，PLM 是研发必需，自研 MES 是复杂制造的现实选择，顶级 ERP 与顶级 PLM 在方法论上也无可挑剔。系统一套比一套高级，平台一次比一次“正确”，投入、决心、组织力度都从未缺席。但真正的问题在于：每一次调整，解决的都是“当前最显眼的痛点”，却始终回避了同一个底层前提。当研发过程本身是动态的，当 BOM 在项目周期内持续变化，
2026-01-31 08:40:20
1034
1
原创 很多研发型制造企业，成本不是失控，而是来得太晚
在很多研发型制造企业里，一旦项目开始变复杂，成本问题往往会被一句话暂时搁置：“这是研发型项目，前期成本不好算，先把方案跑通再说。这句话并不算错，但真正的问题也恰恰藏在这里——
2026-01-31 07:21:32
431
原创 制造业的利润，正在被 3D 软件和 PLM 一点点吃掉
在很多制造企业里，利润下滑常被归因于几个“看起来很合理”的理由：市场竞争激烈原材料涨价客户越来越挑剔但在大量研发制造型企业中，还有一条不是软件本身的问题，而是。
2026-01-31 07:12:21
536
原创 EBOM 和 MBOM 到底该怎么对应？
以及为什么很多问题，其实是“确认得太晚”在不少研发制造型企业里，EBOM 到 MBOM 这件事，看起来一直在做。
2026-01-30 11:35:05
490
原创 真正的关键，是 ERP 能不能在“变化发生时”就介入
很多研发制造企业一遇到复杂项目，都会下意识地给出一个解释：这是研发型项目，本来就复杂。于是，项目延期、成本超支、仓库里多出一堆呆滞料，都被当成“研发复杂性”带来的必然代价。但在大量真实项目中，问题往往并不出在技术能力，
2026-01-30 10:11:12
357
原创 InnoFabX 数字主线平台
NASA 在推进 MBSE（Model-Based Systems Engineering）与数字化工程过程中，首次提出。数字主线被航空航天、国防工业（DoD）及主流工业软件厂商（PLM）广泛采用，并逐步进入通用装备制造领域。：Digital Engineering Strategy，将 Digital Thread 作为核心能力。：数字化工程（Digital Engineering）方法体系。装备制造企业的竞争，本质不是“交付一次设备”，而是。：应用与演进 · 行业应用与产品升级。
2026-01-20 12:06:48
815
原创 智慧工厂规划引领装备制造业定制化革命
而智慧工厂规划则通过对设备和生产系统进行模块化设计，快速实现产线布局调整和生产模式切换，能够有效满足“小批量、多品种”的生产需求。敏捷模式和IPD模式的协同使用，极大地缩短了从设计到产品交付的整体时间，有效提升企业在激烈市场竞争中的优势。无论是柔性化布局，还是装备的模块化设计与快速配置能力，智慧工厂都已成为企业提升竞争力的重要支撑。智慧工厂的规划并非一劳永逸。现代汽车生产线通过柔性制造单元（FMS）与智能物流系统（AGV）的结合，实现了不同车型在同一生产线上快速切换与高效生产，极大提高了企业生产的灵活性。
2025-06-28 11:25:04
331
原创 设计驱动的物料编码重构：世界工厂2.0的核心引擎
在这样的背景下，重新构建一套科学、可扩展、可系统集成的物料编码体系，已经不再是信息部门的内部工作，而成为企业运营战略的一部分。我们观察到，企业在面对多配置、多市场、多认证等要求时，编码系统的灵活性和可扩展性成为影响其响应速度和客户满意度的关键因素。编码成为连接设计、制造、交付、合规的主干线，是支撑企业智能化运营的底座。真正实现“世界工厂2.0”，不仅是提高效率，更是通过科学编码，让每一个产品都能被精确理解、灵活配置、快速制造、全球交付。未来的企业，拼的不仅是产能，更是对产品结构与数据结构的理解力。
2025-04-11 08:52:31
559
使用 C# 开发 SolidWorks PDM 自定义菜单插件
2024-12-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人