结合个人经历谈谈企业数字化

    转眼间专注于从事企业数字化转型的工作已经3年。在这之前我做了8年的开发工作,8年间从最开始的软件开发岗位到高级开发工程师,再到资深开发工程师,主要使用的语言是java,其次js、python、存储过程plsql等。因为各种原因,最后我走上了数字化岗位。

    10年前我从事开发岗位的时候各个企业在喊的口号是“互联网+”,所谓”互联网+“其实就是将互联网与各行各业进行深度融合,利用互联网平台,使得互联网与传统行业进行融合,利用互联网具备的优势特点,创造出新的发展机会。10年前当时我在公司TCL移动通信股份有限公司,TCL靠传统的TCL彩电发家,但是在“互联网+”时代,赶在了前面,当时TCL的生产流水线已经在引进和自主研发全自动流水线,用机器测试代替人工。机械手臂利用机器视觉技术识别物体,并在传送带上准确抓取物体,放到下一个环节。我当时初入社会,我参与到了其中一个小小的开发环节,现在回头看,当初并没有意识到自己已经是中国智能制造浪潮中的一员。

    再到8年前我去了中国平安,中国平安当时在世界500强中的排名一直上升,如果我没记错最高应该到了29位左右的样子。平安当时的口号是“互联网+金融”,我在平安体会到的“互联网+”印象最深刻,当时也是很幸运参与到的是平安寿险的核心开发团队,具体做的事情也走在整个金融行业的前排。相信8090后的人当前都会有的痛苦,我们想要修改自己的银行卡关联的手机号码,每次都要去银行柜台,而银行一般都在工作日开放,大家不得以需要请假去办理。近些年很多家银行都支持了线上进行电话号码修改,真真是推进了社会办事效率的提升。我当时在平安寿险的团队就是在推进此类工作开发,支持线上通过app进行保单信息的表更,保险金的缴纳和提取。支持手机上操作保单信息。这一句话很简单,背后却有着很复杂的业务规则场景和风控体系。如何保证你能取钱;如何保证你不多取钱或者少取钱;如何验证你是不是本人操作;短信验证还是视频坐席接入;等等很多细节考虑。在我看来,平安的这种“互联网+金融”就是在做数字化转型,从传统的线下办理业务,转为线上。

    再到最近3年,我在中兴通讯专职从事数字化的工作,负责的领域的LTC全流程的拉通与方案整合。LTC:Lead To Cash 从单词的含义去解释,Lead表示头,简单点可以理解为从商机开始。Cash表示现金,简单理解就是回款。那么全流程的数字化就会涉及商机→合同→供应链生产制造→仓储物流→工程建设→网络交付(工程回款)→网络运维(运维服务合同+回款)等环节,涉及的系统CRM、MES、WMS、EPMS、iNet等几十个。

中兴的数字化转型整体上对标华为。我还研读了《华为数字化转型之道》这本书。书中序言中有一句话描述了数字化的愿景“数字化的愿景是通过数据和人工智能技术的广泛应用,构建与物理世界共生共荣的数字世界,实现人类社会的智能升级。”

华为数字化转型框带来的效果:

华为的数字化转型经验,书中一句话概括“1套方法,4类场景,3个平台能力”。

首先1套方法是指在数字化转型的过程中,有一套行之有效的方法,包括阶段、过程、交付件要求以及过程中的参考模型或框架。这个是每个企业数字化转型的第一要义。

4类场景指:

①数字化作业:通过数字化装备提升作业效率,让确定性的业务自动化,非确定性的业务智能化。

②数字化交易:构建线上平台,使公司内部以及与客户间的生意简单、高效、安全。

③数字化运营:快速实时运作,实现运营模式转型,简化管理,可视化管理。

④数字化办公:关注员工体验,数字化办公构建全方位的连接与协同。

3个平台

①统一数据底座:企业需要建立统一的数据底座,支撑各个业务领域有效开展数字化运营。打破信息孤岛和数据垄断。

②云化数字平台:数字平台赋能应用,数字化业务的需要有统一的IT平台和基础设施服务。

③变革管理体系:数字化转型需要重量级的变革管理团队,持续构建数字化领导力,负责批准公司重大变革项目的立项和关闭,批准变革预算,发布治理规则并对跨领域问题进行裁决,指导和批准各领域的数字化转型规划。

华为数字化变革的精髓也就是上面的那句话了:“1套方法,4类场景,3个平台能力”。但个人认为,普通的中小公司很难大规模投入人力建设得如此完善,但是只要大的方向是对的,组织架构和平台可以简化,依旧也是数字化的道路上。

从2024年AI大模型的爆炸式增长,未来数字化的转型只会越来越快,一家公司,如果想做大做强,除了注重关键业务外,数字化转型将变得更加重要。

                                                                                         最后,记录一下,写在2025年1月28日。

内容概要:本文提出了一种基于非合作博弈理论的居民负荷分层调度模型,并结合双层鲸鱼优化算法(Two-level Whale Optimization Algorithm)进行高效求解,模型与算法均通过Matlab代码实现。研究针对电力系统中居民侧用电负荷的复杂调度问题,引入非合作博弈机制刻画各用户之间的利益竞争关系,实现负荷的分层优化分配;同时设计双层优化架构,上层优化资源配置,下层模拟用户自主决策行为,提升了模型的实用性与合理性。通过智能优化算法求解多层级、非凸非线性的博弈模型,有效提高了调度方案的收敛性与全局寻优能力,适用于现代智能电网中的需求侧管理与能源优化场景。; 适合人群:具备电力系统基础理论知识Matlab编程能力,从事智能电网、能源优化调度、需求侧管理、博弈论应用等方向的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①应用于居民区电力负荷的分层优化调度系统设计与仿真分析;②为非合作博弈在多主体能源系统建模中的应用提供方法论支持;③利用双层鲸鱼算法解决具有嵌套结构的复杂双层优化问题,提升求解效率与调度方案的可行性。; 阅读建议:建议读者结合提供的Matlab代码深入理解模型构建逻辑与算法实现流程,重点关注博弈模型的效用函数设计、纳什均衡求解思路以及双层优化结构的迭代机制,宜配合实际用电数据开展复现实验以验证模型有效性与鲁棒性。
内容概要:本文围绕基于自适应神经模糊推理系统(ANFIS)智能控制器的可再生能源微电网功率管理系统展开研究,结合Simulink仿真实现,深入探讨了微电网中功率的智能调控与经济机组组合调度问题。通过引入ANFIS控制器,有效应对风能、光伏等可再生能源出力的波动性与不确定性,提升系统运行的稳定性与电能质量。研究内容涵盖微电网多源协调控制策略、功率平衡管理、优化调度模型构建及仿真验证,实现了对分布式电源、储能系统负荷的协同优化,兼顾经济性与可靠性目标,并通过仿真平台验证了所提方法的有效性与优越性。; 适合人群:具备电力系统、自动化或新能源相关专业背景,熟悉Matlab/Simulink仿真环境,从事微电网能量管理、智能控制、能源优化等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①用于高比例可再生能源接入场景下的微电网能量管理系统研发与教学实践;②为实现微电网功率稳定控制与经济高效运行提供先进的智能控制解决方案;③支撑高水平学术论文复现、科研课题攻关及实际工程项目的仿真验证与方案优化。; 阅读建议:建议结合提供的Simulink模型与相关代码进行动手实践,重点关注ANFIS控制器的设计流程、规则库构建与参数调优方法,并通过与传统PID或MPC控制策略的对比实验,深入理解其在动态响应与鲁棒性方面的优势。同时可进一步拓展文中提出的优化调度逻辑,应用于多目标、多约束的复杂实际应用场景中。
内容概要:本文档聚焦于“直流电机双闭环控制Matlab仿真”,系统阐述了基于Matlab/Simulink平台实现直流电机双闭环控制系统(主要包括速度环与电流环)的设计与仿真全过程。通过构建直流电机的数学模型,结合PI控制器进行调控,实现对电机转速电枢电流的高精度动态控制,验证控制策略的稳定性与响应性能。文档详细介绍了仿真模型的搭建流程、关键参数的整定方法、系统动态波形的分析手段以及仿真结果的有效性验证,体现了经典自动控制理论在实际电机系统中的工程应用,是电机控制与电力电子技术相结合的典型研究案例。; 适合人群:具备自动控制原理、电机与拖动基础、电力电子技术Matlab/Simulink仿真能力的电气工程、自动化、机电一体化等专业的本科生、研究生及从事电机驱动系统研发的工程技术人员。; 使用场景及目标:①作为高校课程设计或实验教学材料,帮助学生深入理解双闭环调速系统的工作机理与工程实现;②服务于科研项目,为新型电机控制算法(如滑模、模糊PID等)的开发与性能对比提供基础仿真验证平台;③作为工业界产品前期设计的仿真工具,用于评估不同控制策略在动态响应、抗干扰能力稳态精度方面的可行性。; 阅读建议:建议读者在学习过程中紧密结合自动控制理论知识,亲手在Simulink环境中搭建完整的双闭环仿真模型,通过反复调整PI控制器的比例与积分参数,观察并分析转速、电流的阶跃响应曲线,从而深刻理解反馈控制的本质、系统稳定性条件以及参数整定对动态性能的影响,进而掌握电机控制系统的设计精髓。
内容概要:本文研究了基于Benders分解与输电网运营商(TSO)配电网运营商(DSO)协调机制的不确定环境下输配电网双层优化模型,旨在提升高比例可再生能源接入背景下电网系统的协调性与鲁棒性。模型上层以系统整体经济性为目标进行优化调度,下层采用Benders分解实现TSO与DSO之间的信息交互与协同决策,通过引入割平面迭代机制保障求解的收敛性与全局最优性。研究充分考虑新能源出力与负荷需求的不确定性,构建了具有强适应性的双层优化框架,并基于Matlab完成了模型的编程实现与仿真验证,有效解决了多主体、多层级、多不确定性因素耦合下的电力系统优化调度难题。; 适合人群:具备电力系统分析、运筹学与优化理论基础,熟悉Matlab编程环境,从事智能电网、能源互联网、分布式能源集成、电力市场等方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①研究高渗透率可再生能源条件下输配电网协同优化调度策略;②掌握Benders分解在电力系统双层优化建模中的应用方法与实现技巧;③构建TSO-DSO多主体协调机制,实现跨层级电网资源的高效互动与决策解耦;④提升对不确定性建模、分解算法设计及大规模优化问题求解能力。; 阅读建议:建议读者结合Matlab代码逐模块剖析模型构建流程,重点理解Benders割的生成逻辑、主从问题的信息传递机制及收敛判据设定,推荐在标准IEEE测试系统上复现实验以深入掌握模型特性与算法性能。
内容概要:本文系统研究了基于灰狼优化算法(GWO)优化Elman神经网络的方法,并提供了完整的Matlab代码实现。研究重点在于利用灰狼优化算法强大的全局搜索能力,对Elman神经网络的关键参数进行智能优化,从而克服传统训练方法易陷入局部最优的缺陷,显著提升模型在时序预测与非线性系统建模任务中的精度与稳定性。文章详细阐述了Elman网络的动态反馈机制及其在处理时间序列数据方面的优势,构建了GWO与Elman相结合的混合预测框架,涵盖了从模型搭建、参数寻优、仿真测试到结果分析的全流程,特别适用于风电功率预测、电力负荷预测等具有强时变性不确定性的工程应用场景。; 适合人群:具备一定Matlab编程能力神经网络基础知识,从事智能优化算法、时间序列预测、电力系统分析或新能源出力预测等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握灰狼优化算法在神经网络超参数优化中的具体实施路径与技术细节;②深入理解Elman递归神经网络与群体智能优化算法融合的建模范式;③将其应用于风电、光伏等新能源发电功率预测及复杂动态系统的建模与仿真,提升预测性能。; 阅读建议:建议读者结合所提供的Matlab代码进行动手实践,重点关注GWO算法与Elman网络的接口设计、适应度函数构建及参数优化迭代过程,可通过调整数据集或迁移至其他预测场景以深化理解验证模型泛化能力。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值