Mahindra & Mahindra：将 AI 嵌入车间工作流以提高制造效率
作为一家跨国工业集团，Mahindra & Mahindra 需要一种更智能的方式来提高车间生产力，并更充分地利用现有的工厂、设备和人员。工业工程师依赖动作与时间研究，但通过手工记录观察结果并重新将数据录入 SAP 系统，从而导致流程延误、人工操作以及出错风险。借助 SAP Business AI Platform，Mahindra 的定制 AI 应用程序能够实时将口头记录转化为可信的运营数据，在保持人工判断主导地位的同时，帮助工程师更快地改进流程。
| 行业 | 企业规模 | 总部 |
| 汽车行业 | 324,000+ | 印度孟买 |
40%
在捕获动作研究数据时实现更高效率。
0
手动重复输入动作研究数据，以减少错误。
40+
具备规模化扩展 AI 工作流能力的制造工厂。
机遇
利用现有工厂、设备和人员提高产量
Mahindra & Mahindra 于 1945 年创立之初是一家钢铁贸易公司，二战后开始组装威利斯吉普车（Willys Jeep），推动了印度汽车行业的发展。如今，Mahindra 已发展成为一家多元化工业集团，业务横跨汽车行业、农用设备、金融、建筑、酒店服务、农业以及电力解决方案等领域。在汽车行业和工业制造领域，不断提升的客户期望、愈发激烈的竞争以及更快的产出周期，迫使企业承受更大的压力，必须利用现有的工厂、设备和人员实现更高的成效。对 Mahindra 而言，这一挑战的规模尤为庞大：该公司拥有 40 多个制造基地、100 多个活跃车型，且每个车型对应约 1,800 个业务流程。在如此庞大的规模下，哪怕在观察、衡量和记录工作方面出现轻微的低效问题，其负面影响都会迅速倍增。
在这种规模下，即使是微小的数据错误也可能造成实际后果，例如延迟付款、扰乱供应商，并最终影响药品送达患者的时间。Sanofi 需要在高度监管的环境中提高速度和数据准确性，同时不引入额外风险。
将车间手工研究转化为可信赖的运营数据
Mahindra 构建了 MOST 定制 AI 用例，以实现工业工程师捕捉动作和时间研究方式的现代化。MOST 是指 Maynard’s Operation Sequence Technique（梅纳德操作顺序技术），这是一种用于分析工作步骤、动作和时间的方法。车间的工作保持不变：工程师仍然需要观察操作并运用他们的专业知识。改变的是采集体验。工程师不再手动记录动作和时间戳，而是随着操作的进行大声说出相应的指令。在 SAP Business AI Platform 的支持下，Mahindra 的定制 AI 应用程序可以将口述观察结果转换为文本，并对相关任务和时间戳进行结构化处理以供审核。SAP Fiori 用户体验允许工程师在批准之前检查和纠正输出结果，从而将人工监督置于核心地位。
解决方案
将车间现场口头观察转化为可信的运营数据
Mahindra 构建了 MOST 定制 AI 用例，以实现工业工程师捕捉动作和时间研究方式的现代化。MOST 是指 Maynard’s Operation Sequence Technique（梅纳德操作顺序技术），这是一种用于分析工作步骤、动作和时间的方法。车间的工作保持不变：工程师仍然需要观察操作并运用他们的专业知识。改变的是采集体验。工程师不再手动记录动作和时间戳，而是随着操作的进行大声说出相应的指令。在 SAP Business AI Platform 的支持下，Mahindra 的定制 AI 应用可将口述观察结果转换为文本，并对关联的任务和时间戳进行结构化处理以供审核。SAP Fiori 用户体验允许工程师在批准之前检查和纠正输出结果，从而将人工监督置于核心地位。
将 AI 嵌入 Mahindra 的 SAP 数字架构中，并建立可信赖的治理机制
Mahindra 选择基于 SAP 进行构建，是因为其许多核心流程和数据已集中存储在覆盖 85 多个实体的单一全球 SAP 系统中，因此集成、扩展性和治理变得至关重要。该公司不希望将 AI 作为一项脱离企业架构的孤立试验。在早期流程协调和云现代化工作的基础上，SAP Business Technology Platform 功能（现在是 SAP Business AI Platform 的核心组成部分）有助于编排音频上传、AI 处理、数据处理以及与后端系统的集成。SAP Build 解决方案中的流程自动化功能支持审核和批准步骤，而 SAP Cloud ERP Private 解决方案则将已批准的动作时间数据存储为记录系统。最终形成了一个受控的工作流，将车间现场的口头观察记录转化为 Mahindra 数字架构中可信赖的运营数据。
借助 SAP 的企业架构指导，构建实用的 AI 用例
与 SAP 企业架构师的合作帮助 Mahindra 从广泛的 AI 探索转向具有可衡量业务影响的用例。通过此次合作，SAP 帮助评估了标准 Joule 功能可适用的领域，以及定制 AI 方法能够创造更多价值的领域。对于 MOST 定制 AI 而言，该指导有助于构建一个受治理、可投入生产的架构，使其与 Mahindra 现有的 SAP 投资和更广泛的 AI 路线图保持一致。此次协作为 Mahindra 提供了切实可行的路径，将车间中颇具前景的 AI 创意扩展为集成式企业工作流，重点关注可衡量的成果，而非单纯追求技术本身。
成果
将数据采集效率提升 40%，同时消除手动重复录入
在第一家制造工厂，MOST 定制 AI 将动作研究数据采集效率提高了 40%。它还消除了手动重新输入动作研究数据，通过基于语音的数据捕获取代了手写观察和重复输入 SAP 系统，并将结构化数据实时同步到 SAP Cloud ERP Private。这直接解决了此前重复劳动、文档记录缓慢以及录入容易出错等痛点，构建了一条从现场观察到记录系统的更清晰路径。
让工程师有更多时间进行分析和改进
这一成果改变了工业工程师的日常工作体验。工程师无需在观察的同时兼顾记录笔记和后续的数据录入，而是可以专注于需要发挥其专业知识的事务：分析工作模式、验证数据并寻找产线改进机会。在 AI 采用取决于信任的制造环境中，这一点至关重要。由于工程师仍然掌控着审查和批准，MOST 定制 AI 展示了 AI 如何增强他们的专业知识，使工作更轻松，并增强对数据的信心。
在制造工厂和用例中扩展受治理的 AI 工作流
更大的机遇来自于规模。当将专注的语音转文本功能应用于 Mahindra 的整个制造网络时，其威力将大大增强：该网络涵盖 40 多个制造工厂、100 多个活跃车型和数千个流程接触点。
展望未来，Mahindra 计划针对 MOST 定制 AI 探索 Joule 的分析功能。此外，该公司正与 SAP 合作开发工厂调度用例，旨在提高车辆吞吐量，同时发掘财务和供应链领域的更多机会。
该团队还在探索 Joule Studio 和 SAP LeanIX 解决方案如何支持未来 SAP 和非 SAP 系统中的基于智能体的场景。这些举措共同助力 Mahindra 为未来的 Autonomous Enterprise 功能奠定基础。在这一基础上，可信数据、AI、应用程序和受治理的业务流程协同运作，以支持更互联、更智能的执行，同时保持人的控制权。