AI和(hé)ML對(duì)中小型企業是否現實？

DC的(de)調研結果顯示，超過九成的(de)企業正在使用(yòng)或計劃在未來(lái)3年内使用(yòng)人(rén)工智能，缺乏模型訓練所需的(de)數據、算(suàn)力基礎設施存在不足、人(rén)工智能應用(yòng)方案的(de)成本過高(gāo)等因素是絕大(dà)部分(fēn)企業目前面臨的(de)主要挑戰。

　　制造企業，尤其是中小型企業，如何部署人(rén)工智能（AI）和(hé)機器學習(xí)（ML）的(de)應用(yòng)，以最大(dà)化(huà)的(de)實現大(dà)數據帶來(lái)的(de)價值？來(lái)自STFC哈特裏中心副主任Michael Gleaves和(hé)GSK公司數據科學家Hassan Khalid給出了(le)一些AI和(hé)ML在工業應用(yòng)中的(de)建議(yì)，以及實現真正投資回報的(de)方法。

　　從哪兒(ér)開始著(zhe)手？

　　将簡單且經濟實惠的(de)傳感器連接到機器上，是使用(yòng)機器學習(xí)技術的(de)第一步。Michael認爲，一旦你有了(le)這(zhè)些數據流，那麽你就可(kě)以開始識别模式和(hé)趨勢，并開始優化(huà)你的(de)資産使用(yòng)。

　　獲得(de)高(gāo)質量、無偏見的(de)數據至關重要。否則，你将無法考慮如何從這(zhè)些數據流中提取價值。

　　您需要什(shén)麽技能？

　　技術知識很重要，但請不要低估領域知識（domain knowledge）。在生産線上花了(le)多(duō)年時(shí)間的(de)人(rén)也(yě)許可(kě)以告訴您很多(duō)數據丢失的(de)情況。

　　同樣，不要低估軟件工程。Hassan認爲，很多(duō)事情之所以會出現不必要的(de)錯誤，就是因爲對(duì)軟件工程的(de)輕視。像我這(zhè)樣科學背景的(de)人(rén)，必須要進行軟件工程技能的(de)訓練，以确保我們實施的(de)是真正要實現的(de)技術。

　　大(dà)多(duō)數公司都采用(yòng)“開發、測試、探索”周期，因此内部有人(rén)來(lái)參與和(hé)負責運行該周期非常重要。同樣重要的(de)是，讓AI和(hé)ML專家爲您的(de)領域專家提供假設以進行良性循環測試。

　　“如果要用(yòng)這(zhè)些技術來(lái)颠覆您的(de)部分(fēn)業務，那麽就需要組建一支擁有專業技能的(de)小團隊。”Michael建議(yì)。來(lái)自團隊的(de)力量将有助于調整這(zhè)些技術并利用(yòng)它們來(lái)推動您的(de)業務發展。另外，您最好在組織中具有一定程度的(de)内部能力，以便您可(kě)以制定更适合的(de)購(gòu)買決策。

　　制造企業還(hái)應該考慮吸引和(hé)重新培訓具有物(wù)理(lǐ)和(hé)天文學科背景的(de)人(rén)來(lái)使用(yòng)這(zhè)些工具。他(tā)們通(tōng)常具有正确的(de)思維方式，并且已将其編碼爲博士學位的(de)一部分(fēn)，因此他(tā)們應該能夠相對(duì)輕松地轉換爲這(zhè)些角色。

　　如何獲得(de)企業高(gāo)層的(de)支持？

　　這(zhè)通(tōng)常是最困難的(de)部分(fēn)，Hassan認爲。獲得(de)企業高(gāo)層的(de)支持，将有助于使您的(de)想法和(hé)項目與組織更廣泛的(de)數據或數字化(huà)策略保持一緻。如果某個(gè)特定的(de)實驗與該策略不符，那麽花太多(duō)的(de)時(shí)間或資源可(kě)能不是最好的(de)主意。

　　“我們已經開始将設計思維方法應用(yòng)于用(yòng)戶需求收集。” Michael說。因此，除了(le)預期的(de)技術，還(hái)需要特别關注業務問題和(hé)用(yòng)例，探索之前發生了(le)什(shén)麽，之後會發生什(shén)麽，以及如何在業務中使用(yòng)。

　　選擇好的(de)項目開始真的(de)很關鍵，因爲這(zhè)能創造動力和(hé)持續投資。在某種程度上，必須要有一個(gè)信念的(de)飛(fēi)躍，您堅信選擇的(de)技術具有獨特價值，并且企業願意投資于它。 

　　AI和(hé)ML如何用(yòng)于預測性維護問題？

　　作爲一名多(duō)年AI經驗的(de)從業者，Hassan認爲預測性維護是具有一定挑戰性的(de)。因爲在大(dà)多(duō)數情況下(xià)，您的(de)數據都不包含故障情況的(de)示例。當您沒有負面的(de)例子時(shí)，就很難訓練您的(de)系統。

　　我們已經進行了(le)視頻(pín)和(hé)實時(shí)圖像分(fēn)析，以及基于噪聲的(de)分(fēn)析，我們正在尋找振動的(de)變化(huà)。這(zhè)個(gè)過程可(kě)能是無止境的(de)，關鍵的(de)問題是數據是否給你提供了(le)一個(gè)真實的(de)失敗場(chǎng)景，可(kě)以從中學習(xí)。

　　Michael建議(yì)采用(yòng)諸如模式識别之類的(de)技術，識别一段時(shí)間内發生的(de)故障類型，然後将其安排到日常維護中。

　　一個(gè)日益受到關注的(de)領域是利用(yòng)SCADA系統中的(de)數據處理(lǐ)和(hé)日志來(lái)識别故障模式。這(zhè)些工作可(kě)以通(tōng)過将人(rén)類日志數字化(huà)，并添加自然語言處理(lǐ)來(lái)提供額外的(de)上下(xià)文情境輔助。

　　關于AI和(hé)ML的(de)項目成本可(kě)能會變得(de)很昂貴，并且有很多(duō)隐藏的(de)嘗試，可(kě)能也(yě)會面臨失敗。Hassan認爲，對(duì)于中小企業來(lái)說，是可(kě)以在預算(suàn)緊張的(de)情況下(xià)實現目标的(de)，但是必須做(zuò)好随時(shí)進行調整的(de)準備。如果您認爲可(kě)以花費最少的(de)時(shí)間和(hé)投資成本就成功實施，可(kě)能是不現實的(de)。

　　現在有很多(duō)開源技術、代碼、出版物(wù)和(hé)指南(nán)，這(zhè)意味著(zhe)大(dà)部分(fēn)工作已經完成。對(duì)于開始這(zhè)個(gè)旅程的(de)企業來(lái)說，他(tā)們需要非常認真地思考他(tā)們的(de)數據策略。相對(duì)而言，在這(zhè)個(gè)數據基礎上加入機器學習(xí)策略就會變得(de)稍微簡單一些。

　　對(duì)于中小型制造企業來(lái)說，最昂貴的(de)成本可(kě)能是人(rén)才本身，這(zhè)也(yě)是中小型企業與大(dà)型企業競争差異懸殊的(de)一個(gè)地方。不過話(huà)又說回來(lái)，隻要擁有自主權和(hé)工作的(de)靈活性，中小企業從巨頭那裏挖走頂尖人(rén)才也(yě)不是沒有機會。

　　什(shén)麽編碼語言更适合？

　　對(duì)于中小型企業來(lái)說，Python在開源開發方面已經實現了(le)飛(fēi)躍，能夠提供良好的(de)教程和(hé)大(dà)量準備好的(de)解決方案，是一個(gè)很好的(de)選擇。Hassan建議(yì)，如果你處理(lǐ)的(de)是Amazo級别的(de)數據，那麽你可(kě)能需要考慮Scala、SPARK和(hé)Julia提供的(de)附加功能。