QQ在線
企業(yè)微信
資訊
381去年年末，新華社中國經(jīng)濟信息社發(fā)布《中國制造業(yè)高質(zhì)量發(fā)展報告(2019)》(白皮書)。該報告對國內(nèi)外制造業(yè)的前沿動態(tài)進行了比較研究，發(fā)現(xiàn)我國制造業(yè)競爭力在持續(xù)增強的同時，“大而不強”的問題依然存在，關(guān)鍵核心技術(shù)與高端裝備依然高度依賴外力，勞動生產(chǎn)率依然落后于美、德、日等傳統(tǒng)制造業(yè)強國。因此，在新的一年，我國制造業(yè)亟待進一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，由要素驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)變，以緩解由全球貿(mào)易結(jié)構(gòu)變化帶來的壓力?！ ≡谖覈?jīng)濟和制造業(yè)向高質(zhì)量發(fā)展、向價值鏈中上游邁進，向效率要紅利的過程中，更深層次的自動化、數(shù)字化，特別是智能化將毫無疑問地起到關(guān)鍵推動作用，必將成為制造業(yè)轉(zhuǎn)型升級的核心動力。作為制造業(yè)大國的中國，同時也是人工智能的強國，只要兩者結(jié)合得當(dāng)，無疑將給中國制造業(yè)插上一雙有力的翅膀，飛躍智能化轉(zhuǎn)型的高峰。
“自家的和尚好念經(jīng)”，研究院打造真正適合聯(lián)想的智能排產(chǎn)
然而，相關(guān)市場研究發(fā)現(xiàn)，中國的人工智能公司中真正關(guān)注工業(yè)領(lǐng)域的尚不足5%，幾百項大型人工智能投資項目中，與制造業(yè)有關(guān)的不到1%。原因何在?有媒體分析認(rèn)為，除了工業(yè)領(lǐng)域數(shù)據(jù)和標(biāo)注不足、相關(guān)算法不夠成熟之外，算法工程師對工業(yè)流程和技術(shù)等實際問題不夠了解，以及工業(yè)企業(yè)對“外來”人工智能公司和解決方案的不信任，是更加深層次的原因。在這一背景下，我們更多看到的是企業(yè)內(nèi)部的技術(shù)團隊，尤其是人工智能團隊，在自身企業(yè)的智能化轉(zhuǎn)型過程中發(fā)揮了關(guān)鍵作用。
全球PC市場占有率第一的聯(lián)想集團旗下的合肥生產(chǎn)基地——聯(lián)寶科技，全球每售出8臺筆記本電腦就有1臺來自這里。短短幾年，產(chǎn)品累計出貨超過1.2億臺，年訂單數(shù)超過60萬，定制化小單比例超過80%，面向全球100多個國家和地區(qū)高效供應(yīng)。如此龐大的生產(chǎn)需求對生產(chǎn)排程提出了很高的要求，整個排產(chǎn)過程需要考慮包括人員、設(shè)備、物料、生產(chǎn)工序與方法、環(huán)境在內(nèi)等數(shù)十種復(fù)雜的變量，因此人工排產(chǎn)逐漸變得力不從心。針對這一問題，聯(lián)想研究院人工智能實驗室的機器學(xué)習(xí)團隊打造了使用多交互增強學(xué)習(xí)優(yōu)化網(wǎng)絡(luò)和基于注意力機制的最優(yōu)化網(wǎng)絡(luò)的人工智能排產(chǎn)方案，可以模擬多變的生產(chǎn)環(huán)境，自動尋找最佳排產(chǎn)策略。在制造企業(yè)最關(guān)注的產(chǎn)品數(shù)、訂單數(shù)、訂單交期滿足率和產(chǎn)能合理利用率四個指標(biāo)上，人工智能算法相比人工排產(chǎn)均有明顯提升，排產(chǎn)耗時也大幅減少，從原來的每天6小時縮短到1.5分鐘，生產(chǎn)效率也獲得了16%的提升。而且隨著數(shù)據(jù)的積累和模型的訓(xùn)練，智能排產(chǎn)模型的能力還會進一步提高。
以解決實際問題為導(dǎo)向，聯(lián)想人工智能大有作為
聯(lián)想研究院人工智能實驗室機器學(xué)習(xí)總監(jiān)范偉曾表示，聯(lián)想的機器學(xué)習(xí)研究目標(biāo)是把數(shù)據(jù)轉(zhuǎn)化為生產(chǎn)決策，把技術(shù)轉(zhuǎn)換成生產(chǎn)力，從而提高集團業(yè)績并創(chuàng)造實際價值。在這個過程中，優(yōu)秀的算法固然是重要的一環(huán)，然而真正能夠“一錘定音”的是基于生產(chǎn)環(huán)境下各種實際問題的，對不同算法的深度理解和靈活運用。聯(lián)想機器學(xué)習(xí)團隊目前由26名員工組成，其中14位是算法工程師，都是對算法擁有深入理解并對實際問題擁有敏銳認(rèn)知的人才。
以解決實際問題為導(dǎo)向，聯(lián)想機器學(xué)習(xí)技術(shù)在垂直行業(yè)的深度融合應(yīng)用中具有優(yōu)秀的可擴展性。這在團隊的另外兩款明星產(chǎn)品——智能服務(wù)備件前瞻分析和智慧物流系統(tǒng)中，得到了充分的體現(xiàn)。
智能服務(wù)備件前瞻分析系統(tǒng)的核心目標(biāo)是預(yù)測聯(lián)想售后服務(wù)站對產(chǎn)品備件的需求，并實現(xiàn)提前采購，提前調(diào)度，提前在離用戶最近的服務(wù)站備貨，在用戶的產(chǎn)品發(fā)生故障以前就感知到需求，這樣當(dāng)需求真正發(fā)生時就能以最快的速度完成對用戶備件的更換，最大化用戶滿意度，同時也能平衡企業(yè)的庫存成本。為了實現(xiàn)這一目標(biāo)，機器學(xué)習(xí)團隊不僅需要對服務(wù)站所需的成千上萬種備件進行精細的分析，還需要針對因服務(wù)量較少而數(shù)據(jù)稀疏，或者受季節(jié)性地理環(huán)境影響較大的地區(qū)，靈活切換不同的算法。目前，智能預(yù)測精度已實現(xiàn)比人工提升7%，每年為聯(lián)想節(jié)省上千萬美元成本。
智慧物流系統(tǒng)的核心目標(biāo)是通過優(yōu)化配送路徑，助力聯(lián)想城市配送中心降低運營成本，提升服務(wù)質(zhì)量。據(jù)最新調(diào)查統(tǒng)計，末端配送成本占端到端物流總成本的比例高達41%，可優(yōu)化空間巨大。最后一公里的服務(wù)質(zhì)量也直接決定了用戶體驗。高達84%的客戶表示，令人沮喪的末端配送體驗，讓他們放棄再次選擇購買相關(guān)產(chǎn)品或服務(wù)。與智能排產(chǎn)類似，末端配送的優(yōu)化也是一個典型的運籌學(xué)問題。為了應(yīng)對這一挑戰(zhàn)，機器學(xué)習(xí)團隊對聯(lián)想北京配送中心的業(yè)務(wù)現(xiàn)狀進行了調(diào)研和梳理，綜合考慮產(chǎn)品數(shù)量、種類、運單數(shù)量、體積以及配送地址、客戶類型、服務(wù)時長等多種因素，通過強化學(xué)習(xí)建立圖深度網(wǎng)絡(luò)模型，挖掘出“訂單-客戶-路線”之間的復(fù)雜關(guān)系，動態(tài)生成了一套智能調(diào)度方案。與人工派車方案相比，智慧物流系統(tǒng)可有效降低運輸里程44.1%和平均用時42.9%，提升車輛裝載率32.6%，減少車次46.0%。從而在提升配送服務(wù)水平和客戶體驗的同時，極大的降低了運力成本。
聯(lián)想集團副總裁，聯(lián)想研究院人工智能實驗室負責(zé)人徐飛玉博士曾在多個場合表示，聯(lián)想人工智能研究的長項在于研究與業(yè)務(wù)緊密結(jié)合，形成了閉環(huán)的生態(tài)系統(tǒng)。相信在未來十年，在人工智能的應(yīng)用趨勢逐漸從消費端的“酷炫”功能轉(zhuǎn)向針對商用端“對癥下藥”的大背景下，擺在聯(lián)想研究院面前的必將是更將廣闊的天地。
