制造业正面临着新境遇。
产业链、供应链周期变短,不确定因素增加。数字化转型呼之欲出,AI落地的需求越来越明显。
怎样让AI技术切实创造效益呢?数据科学家不懂生产,企业人员不懂数据。要使AI技术广泛应用,普通人能使用的工具是必然趋势。
讯能集思给出的方案是,中文进行交互的系统,让普通人也能做数据分析。
在去麻省理工读博士前,张宗尧有一次用数据方式解决了一个生产难题。再次谈起那个故事,他称之为“一个小的黑天鹅效应”。
而近期出现的疫情,在他看来,则成为了一次大的黑天鹅情景。
时间拨回十几年前,硕士毕业不久,张宗尧在鸿海工厂做工程师。冬天,生产良率从99%以上下降到了90%。
10%的下降是致命的问题,两个月的损失就至少有几十万美金。他尝试用机器学习和线性分析来解决,发现了根源是“温度”。
那一年,广州经历了60年未遇的寒潮,冷到下雪,工厂内升温导致湿度下降。果然,厂内加湿后,良率恢复了。
之前,三四个咨询公司都尝试解决这个问题,也考虑过“温度”因素,只是没有做出有效分析。“我当时刚入行,没有什么包袱,反而可以很单纯客观的用数据去思考这件事。”张宗尧回忆。
工厂解决问题非常依靠经验,罕见的低温导致了从未遇见的情况,这就是“黑天鹅效应”前既有经验的失效。
人的经验是一个点一个点去试,但是你用数据去看的时候,反而能看到整个面。
经验给了他启发。数据分析的方法虽好,却存在门槛,行业里的大部分人无法使用。后来张宗尧去MIT读博士,就做了一些与AI自动化相关的研究,希望能够降低这项技术的使用门槛。
现在,作为讯能集思(Synergies)的CEO,他带领大家在做的事情,就是让AI技术更便利地应用于传统工业,叫做AI增强决策。
AI擅长处理数据,这项技术便是借助AI的这项能力,帮人更好地做决策。
这家成立于2016年的公司,目前已完成近千万美元融资,A轮由豊新资本领投,北极光、京东方、策维科技、SV Angel等跟投;也已经和思科、富士康、夏普、顺丰、敦阳科技等行业龙头企业建立长期稳定的战略联盟。
人需要解决实际生产环节中的问题,模型和算法能够处理数据。这本质上是不同维度的事情,讯能集思实现的,是将这两端沟通起来。
对于不懂算法的用户而言,机器学习工具有很高的门槛。JarviX是第一个实现用中文交互的AI决策系统。因此,用户只要对系统用中文提出想解决的问题,系统就会把通过处理数据得出的结果呈现出来。
JarviX的名字来源于「钢铁侠」里的人工智能系统贾维斯Jarvis,以及X战警里的Professor X。前者是钢铁侠的AI助手,后者则是充满才智的团队决策者。
张宗尧这样比喻:
我会觉得有点像钢铁侠电影里的贾维斯,跟电脑讲话,它帮你做研究,做分析,你可以快速得到比以往更好的决策依据,而不是AI取代你去做决策。
具体而言,这样一个过程可以拆解成几个部分,每个部分背后都依靠不同的技术。
对用户而言,输入给系统是一个用中文表述的问题。比如,怎样降低某个库存量。
系统首先要处理语言本身,拆解字词,分析问题里涉及的因素有哪些;在此基础上,再将问题转译为编码,并与相关的数据库匹配。
将人的语言翻译为编程语言后,系统会在各种模型和算法中寻找到相适应的,进行自动分析,最后呈现出分析和预测。
自然语言转码,算法与模型,数据,是系统运转中涉及的不同层次。
在这其中,源自麻省理工的深度特征合成技术(Deep Feature Synthesis)让系统能够自动提取数据特征。
对于机器学习算法而言,它只能利用数值型数据来计算和预测。自动提取特征,就让机器处理数据的能力大大提升。
讯能集思基于DFS技术继续研发,除了自动提取特征,系统还能自动匹配所需要的模型。
张宗尧介绍,“数据进来以后,排列组合会有几十万甚至上百万种模型去匹配,来看问题到底对应哪一个模型”。
同时,为了最终呈现出非专业人员也能看懂的分析结果,系统会猜测用户需要看到的结果形式,选择适合的图表方式。
目前,传统企业虽然面临数字化转型的需求,但是如何进行却是个难题。
大型企业可以自己从头搭建一套系统,并在部门架构上开辟新的专业数据团队。这在资金上需要上亿元的投入。但是对于更多的大中型企业而言,难以从头建制如此庞大的系统。
而另一方面,行业变化增加,又让企业不得不应对更复杂的情形。
张宗尧观察到,“这两年,制造业对于数据化的需求,由虚变实”。
产业链的变化速度加快,越来越多的企业开始思考,怎样用数据驱动,智能决策,以更好地应对生产中的具体需求,比如资源匹配、减少库存、降低不良率等。最终目的,是让企业整体更高效,以及面对变化的响应更快速。
讯能集思有一个客户,是在河北的一个手机生产商。原先生产一款手机的周期在八个月以上,如今缩短到一两个月。
原先的生产流程中,一个提案环节就要需要一个多月,通过人工进行简单的数据分析,最终实现产能20%的提升,良率1.5% 的提升。
整个生产周期缩短后,既有的方式不再行得通,现在工厂改用JarviX系统,可以把这个环节的时间压缩到一周内。
也许一些企业在考虑数字化转型的时候,第一反应是建立起传感器系统,收集更多的数据。
这确实是通用的思路,数字化的确建立在数据基础上。早在2011年那汉诺威工业博览会上,德国提出工业4.0概念,其基础技术是传感器系统及物联网。
不过结合实际经验,在张宗尧看来,许多工厂目前面临的问题并不是没有数据,而是已有的数据没有被利用起来。
搭建硬件,获取数据只是第一步,最终还是要把数据用起来,从数据里找到价值。
搭建了传感器体系之后,随之而来,整个体系的运营和维护,可能会变成新的难题。“我觉得大部分企业其实就卡在这里,要马上有效果,其实还是很有限”。
如果能够把已经有的结构化数据利用起来,比起搭建大量的传感器采集新数据,投入成本更低,也能更快见到效果。这对于企业而言,就是小步快跑,效果先行。
从以往的经验来看,企业越清楚需要AI帮助自己什么问题,效果会越好。
目前,处理数据并得出结果的技术已经很成熟。
“最后一公里”的问题是,怎样让非专业背景的人员也能够用这项技术,而不是只有少部分专家才能操作。
Gartner报告认为,在近未来,让普通人也可以理解的增强型分析AABI,会成为让数据分析工具、数据科学及其相关应用变得普及的主要原因。
在形式上,50%的分析查询都将通过自然语言或是语音等方式来进行。
对于讯能集思而言,用中文交互实现各种分析功能,没有数据知识背景的企业工作者,通过8到10个小时的培训,就能够上手使用软件,挖掘数据背后的意义与因素。
在前期沟通中,讯能集思会帮助客户思考,怎样开始进行系统架构。在已有的生产组织中,寻找到明确的应用点,实现一个小目标,从而较快得到成效。
这是进行数字化转型从0到1的步骤。实现了“小步快跑“后,从1到N的战略层面,如何逐步实行,企业可以一步步考虑长期的构架和转型。
— 完 —
「地平线核心技术系列公开课」第二期开始报名。4月1日20:00,地平线天工开物AI开发平台产品经理陈本东,将在线介绍地平线天工开物AI平台如何赋能用户,并剖析其应用案例。
戳下图二维码,即可报名、加入交流群~
直播推荐 | 地平线核心技术解析系列课
学习计划 | 关注AI发展新动态
量子位 QbitAI · 头条号签约作者
վ'ᴗ' ի 追踪AI技术和产品新动态
喜欢就点「在看」吧 !