重新思考AI的定義

在一個技術(shù)決策需要花費(fèi)數(shù)年并持續(xù)使用數(shù)十年的領(lǐng)域中，我們發(fā)現(xiàn)大幅縮短實(shí)現(xiàn)第一價(jià)值的時(shí)間可以降低技術(shù)開發(fā)人員和采用者的風(fēng)險(xiǎn) ， 更多信息盡在振工鏈 。

我們從根本上重新考慮了運(yùn)營AI及其如何將生產(chǎn)價(jià)值的時(shí)間從數(shù)月縮短至數(shù)天，從而將其應(yīng)用于生產(chǎn)運(yùn)營。

縮短實(shí)現(xiàn)第一價(jià)值的時(shí)間，使相信運(yùn)營AI潛力的工廠和制造主管可以快速證明自己的直覺，而風(fēng)險(xiǎn)則要低得多。

運(yùn)營數(shù)據(jù)中的模式

一個公認(rèn)的前提是，操作數(shù)據(jù)應(yīng)包含   模式  -系統(tǒng)行為的證據(jù)，包括預(yù)警和根本原因。該前提是遠(yuǎn)程監(jiān)控，工業(yè)物聯(lián)網(wǎng)和可預(yù)測的卓越運(yùn)營的基礎(chǔ)。

目前 ，執(zhí)行制造數(shù)字化   項(xiàng)目需要   3到5年的時(shí)間和數(shù)千萬美元的資金 ，需要具有三個或更多技能類別（數(shù)據(jù)工程，數(shù)據(jù)科學(xué)，軟件管理）的大型從業(yè)人員團(tuán)隊(duì)。這是一項(xiàng)高風(fēng)險(xiǎn)的工作，在輕松賺錢的經(jīng)濟(jì)中可能是可行的。然而，這是不可持續(xù)的，并且經(jīng)常導(dǎo)致在 試點(diǎn)階段之后 發(fā)展 的 困難  。 工作臺和AirGap

Falkonry通過其產(chǎn)品（ Workbench   和   AirGap   版本）幫助客戶克服了這些困難，并通過專注于公民數(shù)據(jù)科學(xué)來實(shí)現(xiàn)擴(kuò)展?，F(xiàn)有的分析目標(biāo)是可以可視化的形狀，波形和特征，但只有Falkonry會自動發(fā)現(xiàn)重要的運(yùn)營數(shù)據(jù)特征并解釋它們的重要性和重要性。這是我們獲得 4項(xiàng)專利 的核心創(chuàng)新  。這也是在2019年和2020年 CBInsights AI 100 中被命名的基礎(chǔ)  。

這就是   美國空軍選擇Falkonry作為戰(zhàn)略計(jì)劃的原因  將其運(yùn)營AI技術(shù)的部署擴(kuò)展到其他國防部（DoD）客戶。借助Falkonry，制造商能夠在一年內(nèi)開發(fā)和部署生產(chǎn)模型。一家$ 10B +的鋼鐵公司已經(jīng)使用Falkonry的Operational AI在數(shù)十個用例中實(shí)現(xiàn)了這種結(jié)果，其速度是替代方法的10倍。盡管這種成功程度是同類產(chǎn)品中最好的，但對于主流采用預(yù)測性卓越操作而言，即使這樣還不夠快。

速度和規(guī)模成功的主要障礙是地面真實(shí)數(shù)據(jù)的可用性和收集。我們發(fā)現(xiàn)沒有一家公司的數(shù)據(jù)類似于主流機(jī)器學(xué)習(xí)中使用的公司，在這些公司中，以高保真度和大量記錄可靠的標(biāo)簽信息（如點(diǎn)擊和購買）。許多組織缺乏準(zhǔn)確記錄關(guān)鍵事件的流程和技術(shù)。大多數(shù)組織缺乏一致的術(shù)語來談?wù)搹?fù)雜過程中的特定種類的操作條件和故障。

預(yù)測性卓越運(yùn)營通過實(shí)時(shí)收集有關(guān)故障上下文的信息來避免此問題。向工廠通知不良事件的預(yù)警， 并根據(jù)數(shù)據(jù)中發(fā)現(xiàn)的 模式 在這些預(yù)警中進(jìn)行根本原因分析  。通常，甚至在事件影響其操作之前也可以執(zhí)行此操作。   由于這些見解是從當(dāng)前的運(yùn)營數(shù)據(jù)中產(chǎn)生的，而不是由于分析舊數(shù)據(jù)而產(chǎn)生的，因此工廠工程師更有可能驗(yàn)證發(fā)現(xiàn)并從中受益。這為數(shù)字制造組織創(chuàng)造了所需的第一時(shí)間價(jià)值 。

通過這種新方式，我們在Falkonry正在重新考慮可操作的AI：無需數(shù)據(jù)科學(xué)家，數(shù)據(jù)工程師，系統(tǒng)集成商。這意味著工廠可以在數(shù)小時(shí)內(nèi)連接到AI系統(tǒng)。在問題開始影響生產(chǎn)之前就可以提供見解。幾天之內(nèi)，工廠工程師便開始從運(yùn)營AI中獲得價(jià)值。通過學(xué)習(xí)系統(tǒng)從工廠工程師那里獲得反饋，該學(xué)習(xí)系統(tǒng)可以立即改善見解生成過程。這種方法可以同時(shí)應(yīng)用于數(shù)十種不同的用例，并且在每種用例中都可以更快地創(chuàng)造價(jià)值。 這種方法中的預(yù)測分析 的 邊際成本基本上為零 。

在過去的三年中，我們已經(jīng)跨12個行業(yè)工作，包括制造業(yè)和國家安全領(lǐng)域，在60多個用例中擁有60多個客戶。我們從中得到的主要教訓(xùn)是，學(xué)習(xí)系統(tǒng)能夠從很少的歷史數(shù)據(jù)到幾乎沒有歷史數(shù)據(jù)中產(chǎn)生洞察力，并且毫不費(fèi)力地獲取專家的反饋，這是客戶可以在企業(yè)中部署和受益于廣泛使用案例的唯一方法。短時(shí)間。

縮短首次部署時(shí)間的價(jià)值將消除規(guī)模部署所需的許多其他障礙。工廠經(jīng)理可以實(shí)施這種方法而無需大量的公司資源，工廠工程師可以發(fā)現(xiàn)見解并改善生產(chǎn)，制造主管可以管理記錄和利用專家知識的過程。

這就是最先進(jìn)的技術(shù)，以及我們在Falkonry的方式正在改變圍繞數(shù)字制造的對話。在我們深入過渡的過程中，請留意這個空間，并將與您分享我們的發(fā)現(xiàn) ， 更多信息盡在振工鏈 。