type
status
date
slug
summary
tags
category
icon
password
Created time
Jul 14, 2024 03:24 PM
Link
区域等
Status
😀
（关于我自己的更多故事介绍在另外一篇文章） 我们相信好的自我剖析和开放的心态，对合适的人能够容易的得到共鸣，面对更广泛的合作伙伴的时候，也更经得起挑战。所以会写出我对于这个项目的初始思考。 我也一直践行两个点 1. 做长期、正确、困难的事情 2. 系统性的、快速学习+对于结果的追求 有了这些，就可以克服99%的困难，可以做成99.99%的事情 这个精炼的短文章，想回答Why，Why Now, What, Why Me的问题，How期待和大家一起！

Why?我们发现的问题

 

问题本身

制造企业的制造环节，核心是运营更精益，成本更低，更加稳定。
但是绝大多数工作的方式还是相当的原始，“讨论，开会”，基于对于人本身的理解来做工作，俗话说基于“老师傅”。
再从每个具体小的问题来看，（比如解决某个明确的质量缺陷）来说，“提出假设，验证假设，执行成为SOP”的环节做的相当低效和粗糙，整体制造领域迭代的速度受限于人的工作速度，每个迭代的周期都需要1-4周不等。
因此导致了大量的不确定性、低效、依赖老师傅的工作方式。老师傅和新手对于一个问题有无数不同的理解，细节的执行更是差的很多，同时每个制造企业都在担心老师傅们的转移，带来的工作不稳定性。

过去10年的解决方案和他们问题

A：“工业互联网”平台概念下的大量企业。利用IoT和各种信息系统，收集了大量的数据，但是典型的问题是：这些虽然带着“工厂大脑”的标志，但是对于数据和工业领域的结合并没有深刻的理解，“工业知识”和“数据洞察”无法融合，无法用于决策决策。
B：从2015年逐渐兴起的BI，和互联网行业对于制造行业的渗透，让数据科学逐渐帮到制造业解决一些精确决策的问题，比如设备的预测性维护等。来尝试用一些初级的数据分析手段，解决制造业的问题。
这些方案的问题是：难持续，依赖自己的经验，效果靠天赋，不能体系化
C：专业领域的细分产品。18年左右开始，逐渐在一些小的领域看到很多的细分解决方案，比如解决具体领域的质量监控方案
 

所以依然有两个问题（或者是一个），如何利用工业知识，更有效率的做出好的决策？

没有工业知识的工具，无论是“工业互联网”还是任何的IOT工具，过去都缺乏对于“我为什么要采集”，一个平台工具的作用的上限和下限，都在自己的水平不高的用户那里，就大大限制了领域的发展。收集了大量的数据，但是并不能很好的应用起来。
 
在一些不错的企业，机缘巧合之下一些人开始使用一些工具去探索数据，但是这些统计工具，BI工具，在面对复杂的工业场景的时候，依然缺乏针对性的力量。导致从收集数据之上的数据管理，到数据分析应用到结论的产生，依然是大量依赖手工。
 

现在解决这个问题机会，生成式AI带来的融合

生成式AI，结合知识图谱这样上一代的知识工具，以及和数据产品以及各类API的很好的融合，能带来把工业知识，模型，数据三合一的巨大机会。也大幅度降低工业人员和新技术交互的门槛。
懂工业，懂数据，可以用工具，就可以完成这一切！
 

现在是最好的时间？Why Now

 
首先是制造：全球都看到了制造业的重要性，每个地区都希望重视制造业。经过了金融、互联网的喧嚣，现在火热的都是新能源、半导体制造业，制造业重新回到了世界中心。
北美的制造业发生了很大的改变，制造业的总产量大幅度的回升
notion image
https://www.ngpcap.com/insights/the-most-exciting-time-to-invest-in-industrial-tech-in-decades
制造业的相关的建筑投资翻倍
notion image
 
Source: Deloitte 2024 manufacturing industry outlookhttps://www2.deloitte.com/us/en/insights/industry/manufacturing/manufacturing-industry-outlook.html
然后是AI：当前的AI的发展非常有意思，学术界大家会有很大的分歧，工业界面也有一些不同的声音。
但是无论是“predict next token”是不是可以到AGI，现在我们都看到，AI已经足够可以“推理”。“看起来是鸭子，走起来是鸭子，那就是鸭子”，现在AI解决制造业的问题，时间已经到了一个很合理的时间。
 

我们要做的事情 What

最懂工业的工业人工智能助手/专家。
通过吸纳工程师的知识，用AI可以完成针对性的推理，成为制造业的大脑进行规划，同时利用数据体系进行精确分析求解，直接进行行动，让工业人产出提升10倍。
 
更加具象一些的前几步
  1. 工艺设计和调整：可以根据工业产品的设计，比如一个零件图纸或者一些原有的工艺，用生成式AI产出新的文件。单个人物效率提高10-100倍，进一步促进设计文件到制造的一致性，充分利用现有知识。
  1. 现场管理：可以指导现场管理并且解决简单的异常，成为“工业GPT管理专家”
  1. 过程和质量监控：结合上一代工业数据算法的手段以及视觉，管控过程保证结果
  1. 根本原因分析以及改善：充分结合知识库以及生成式人工智能的优势，利用领域知识和企业内部的知识，形成一个知识大师针对非常复杂的问题进行更一分析，并且提出改善建议。这一步也会非常完美的利用原有的数据体系。
 
 

我们有什么特殊？Why Me

我是有过真·制造领域经验的人里边，最懂AI+数据的人。
 

How？在确定大的方向以及可行之后，就是一步步实现出来

 
我们需要做的技术部分有以下这些点，欢迎在这个时间和我们聊聊
  1. 高效灵活的数据平台和数据体系
  1. 我们的分析产品需要有灵活、高性能、非常符合工程师理念的分析工具
  1. 大模型和工程师经验的融合，知识图谱以及AI时代适合的工业知识库
  1. 工业知识体系以及时间序列之上的根因分析
  1. 和工业设备、PLC控制器等

还有一些更多的问题？

欢迎加我的微信 gaozhitaoai
 
 
💡
如果看完这个部分，非常想和我们联系，欢迎线下来找我们见面聊聊。
精益生产Lean Production系列关于我 About Me