去年年末，新华社中国经济信息社发布《中国制造业高质量发展报告(2019)》(白皮书)。该报告对国内外制造业的前沿动态进行了比较研究，发现我国制造业竞争力在持续增强的同时，“大而不强”的问题依然存在，关键核心技术与高端装备依然高度依赖外力，劳动生产率依然落后于美、德、日等传统制造业强国。因此，在新的一年，我国制造业亟待进一步优化产业结构，由要素驱动向创新驱动转变，以缓解由全球贸易结构变化带来的压力。
在我国经济和制造业向高质量发展、向价值链中上游迈进，向效率要红利的过程中，更深层次的自动化、数字化，特别是智能化将毫无疑问地起到关键推动作用，必将成为制造业转型升级的核心动力。作为制造业大国的中国，同时也是人工智能的强国，只要两者结合得当，无疑将给中国制造业插上一双有力的翅膀，飞跃智能化转型的高峰。
“自家的和尚好念经”，研究院打造真正适合联想的智能排产
然而，相关市场研究发现，中国的人工智能公司中真正关注工业领域的尚不足5%，几百项大型人工智能投资项目中，与制造业有关的不到1%。原因何在?有媒体分析认为，除了工业领域数据和标注不足、相关算法不够成熟之外，算法工程师对工业流程和技术等实际问题不够了解，以及工业企业对“外来”人工智能公司和解决方案的不信任，是更加深层次的原因。在这一背景下，我们更多看到的是企业内部的技术团队，尤其是人工智能团队，在自身企业的智能化转型过程中发挥了关键作用。
全球PC市场占有率第一的联想集团旗下的合肥生产基地——联宝科技，全球每售出8台笔记本电脑就有1台来自这里。短短几年，产品累计出货超过1.2亿台，年订单数超过60万，定制化小单比例超过80%，面向全球100多个国家和地区高效供应。如此庞大的生产需求对生产排程提出了很高的要求，整个排产过程需要考虑包括人员、设备、物料、生产工序与方法、环境在内等数十种复杂的变量，因此人工排产逐渐变得力不从心。针对这一问题，联想研究院人工智能实验室的机器学习团队打造了使用多交互增强学习优化网络和基于注意力机制的最优化网络的人工智能排产方案，可以模拟多变的生产环境，自动寻找最佳排产策略。在制造企业最关注的产品数、订单数、订单交期满足率和产能合理利用率四个指标上，人工智能算法相比人工排产均有明显提升，排产耗时也大幅减少，从原来的每天6小时缩短到1.5分钟，生产效率也获得了16%的提升。而且随着数据的积累和模型的训练，智能排产模型的能力还会进一步提高。
以解决实际问题为导向，联想人工智能大有作为
联想研究院人工智能实验室机器学习总监范伟曾表示，联想的机器学习研究目标是把数据转化为生产决策，把技术转换成生产力，从而提高集团业绩并创造实际价值。在这个过程中，优秀的算法固然是重要的一环，然而真正能够“一锤定音”的是基于生产环境下各种实际问题的，对不同算法的深度理解和灵活运用。联想机器学习团队目前由26名员工组成，其中14位是算法工程师，都是对算法拥有深入理解并对实际问题拥有敏锐认知的人才。
以解决实际问题为导向，联想机器学习技术在垂直行业的深度融合应用中具有优秀的可扩展性。这在团队的另外两款明星产品——智能服务备件前瞻分析和智慧物流系统中，得到了充分的体现。
智能服务备件前瞻分析系统的核心目标是预测联想售后服务站对产品备件的需求，并实现提前采购，提前调度，提前在离用户最近的服务站备货，在用户的产品发生故障以前就感知到需求，这样当需求真正发生时就能以最快的速度完成对用户备件的更换，最大化用户满意度，同时也能平衡企业的库存成本。为了实现这一目标，机器学习团队不仅需要对服务站所需的成千上万种备件进行精细的分析，还需要针对因服务量较少而数据稀疏，或者受季节性地理环境影响较大的地区，灵活切换不同的算法。目前，智能预测精度已实现比人工提升7%，每年为联想节省上千万美元成本。
智慧物流系统的核心目标是通过优化配送路径，助力联想城市配送中心降低运营成本，提升服务质量。据最新调查统计，末端配送成本占端到端物流总成本的比例高达41%，可优化空间巨大。最后一公里的服务质量也直接决定了用户体验。高达84%的客户表示，令人沮丧的末端配送体验，让他们放弃再次选择购买相关产品或服务。与智能排产类似，末端配送的优化也是一个典型的运筹学问题。为了应对这一挑战，机器学习团队对联想北京配送中心的业务现状进行了调研和梳理，综合考虑产品数量、种类、运单数量、体积以及配送地址、客户类型、服务时长等多种因素，通过强化学习建立图深度网络模型，挖掘出“订单-客户-路线”之间的复杂关系，动态生成了一套智能调度方案。与人工派车方案相比，智慧物流系统可有效降低运输里程44.1%和平均用时42.9%，提升车辆装载率32.6%，减少车次46.0%。从而在提升配送服务水平和客户体验的同时，极大的降低了运力成本。
联想集团副总裁，联想研究院人工智能实验室负责人徐飞玉博士曾在多个场合表示，联想人工智能研究的长项在于研究与业务紧密结合，形成了闭环的生态系统。相信在未来十年，在人工智能的应用趋势逐渐从消费端的“酷炫”功能转向针对商用端“对症下药”的大背景下，摆在联想研究院面前的必将是更将广阔的天地。
人工智能技术网 倡导尊重与保护知识产权。如发现本站文章存在版权等问题，烦请30天内提供版权疑问、身份证明、版权证明、联系方式等发邮件至1851688011@qq.com我们将及时沟通与处理。！：首页 > 新闻 » 人工智能如何真正赋能制造业？联想的经验值得借鉴