У современных алгоритмов машинного обучения (ML) есть одна общая черта: они жадны до данных.
Или, выражаясь более дружелюбно: они ваши отпрыски-подростки, регулярно съедающие три четверти семейной трапезы, не моргнув дважды. Как любящие мама или папа, вы, естественно, хотите, чтобы они росли и процветали. Вот почему вам нравится кормить и растить их. И ваше профессиональное «я» знает: они — будущие создатели денег в вашей семье.
Вот где начинается проблема вашего промышленного ИИ: ваша компания должна иметь возможность регулярно и воспроизводимо генерировать новые данные. Лично я считаю, что это одна из двух больших проблем внедрения ИИ в промышленных условиях. И это то, что очень тесно связано с вашей корпоративной культурой.
Машиночитаемые данные — ключ к промышленному ИИ
Решение можно назвать просто: получить машиночитаемые данные; от производства, проектирования и лабораторий. Однако путь к этой цели вымощен несколькими камнями преткновения. Обратимся к некоторым из них.
Машиночитаемые данные — это гораздо больше, чем данные, хранящиеся в электронном виде. Они являются продуктами процессов, которые были продуманы в цифровом виде снизу вверх. Для вас как руководителя это означает, что вы должны быть готовы перевести свои процессы в цифровую форму. Значение также: управлять изменениями.
Мой предыдущий опыт работы с крупными проектами по внедрению ИТ в многонациональных компаниях показал, что вы должны уделять около 30 % своего времени и бюджета управлению изменениями. Сэкономьте деньги здесь, иначе вы потерпите неудачу позже. Некоторым из ваших сотрудников понравятся изменения, некоторые будут категорически против, у многих будут опасения, с которыми нам нужно справиться. Так что лучше с самого начала отнестись к этому очень серьезно. Также имейте в виду, что есть отличные компании, которые могут вам в этом помочь.
Модульность и простота экономят ваши деньги
Во-вторых, я думаю, что лучше всего переосмыслить свои процессы как последовательность повторяющихся модулей. Как производственная компания, вы, вероятно, имеете отличные рабочие инструкции, проверенные на практике. Вы — по определению — повторяемы. Объедините эти инструкции в максимально простые модули. Ключевое слово здесь: Простота. Помните, что вам необходимо реализовать каждый из этих модулей в цифровом виде в конце. Чем проще, тем дешевле.
Возможно, вам нужна поддержка экспертов, чтобы сделать это в стеке операционных технологий вашей производственной среды. Некоторые из моих со-предпринимателей строят свои стартапы именно с этой целью: получать соответствующие данные с производственных и испытательных машин для дальнейшей обработки.
Метаданные — это смазка для вашего двигателя данных
В-третьих — и это часто самый сложный шаг — запишите метаданные о вашем процессе, то есть, проще говоря, «данные о ваших данных». Вы знаете свой продукт, вы знаете свой производственный процесс, все, что можно и чего нельзя делать. Ваш компьютер этого не делает. Мы видели несколько раз, когда данные были в основном доступны, но отсутствовали метаданные. Это сделало данные бесполезными для машинного обучения.
Создавая собственную компанию maXerial, мы знали об этих предостережениях. У нас было преимущество начать с подхода с нуля. Если вы не можете этого сделать, начните с простой и небольшой области и учитесь. Однако имейте в виду, что со временем вы хотите преобразовать всю свою компанию.
Найти все свои данные за считанные секунды
Мы использовали первый год для создания нашей системы баз данных, а также для финансирования нашей системы промышленной компьютерной томографии. Я поставил перед собой очень четкую цель: я не хочу потерять ни одного байта в образце по пути через нашу лабораторию. Этого кредо мы придерживаемся и по сей день.
Мы определили модель данных, которая представляет наш первый бизнес-кейс — рентгеновскую компьютерную томографию промышленного компонента — в нашей базе данных. Мы всегда знаем, например, кто взял образец или кто сделал измерение. Но что более важно, это знаем не только мы, но и наша база данных. Большая разница. Каждое измерение, которое мы генерируем, загружается в базу данных.
Мы установили процессы, которые буквально заставляют нас хранить данные таким образом в нашей базе данных. Мы думаем, что в дальнейшем это станет невероятным сокровищем для наших клиентов. Чем дольше мы находимся на рынке измерений для наших клиентов, тем больше мы можем извлечь для них из их данных. На нем мы можем обучать модели или анализировать тенденции во времени. Мы можем получить любой 3D-объем, когда-либо измеренный для них. Как это круто?
В нашей следующей статье мы расскажем, как создать подходящую среду для промышленного ИИ.
Дополнительная литература
Это вторая статья из нашей серии о промышленном искусственном интеллекте (ИИ). Другие статьи из этой серии (список обновляется при выпуске):
(1) Как внедрить ИИ в вашу производственную компанию
(2) Получить машиночитаемые данные для промышленного ИИ
(3) Создайте песочницы и дайте им поиграть
(4) Проблемы, которые вы можете решить с помощью ML в своей компании
(5) Ваш путь к успеху в промышленном ИИ: мыслите масштабно, начинайте с простого
