国家统计局2015年12月数据显示,我国共有近300万家制造型企业。2017年《新一代人工智能发展规划》 又提出“新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用,人工智能核心产业规模超过4000亿元,带动相关产业规模超过5万亿元。” 意味着近300万家制造型企业将会面临人工智能改造。

提起大数据在制造业的应用,你能想到什么?是不是类似工业物联网、在机器设备上安装传感器,利用回传数据做机器故障预测及远程维修?类似的工业物联网公司有36氪之前报道过的数途大数点智物联英物智联昆仑数据应势科技等。而洪朴信息从企业如何提升生产效率的核心痛点出发,将数据分析应用在了不同方面。

洪朴信息根据制造业特点解决了三方面问题:智能外观缺陷检测、智能生产过程管理、智能仓储管理。 
部分工厂的自动化识别手段,只能识别具有具体且清晰定义的缺陷,人工检测产品外观缺陷人力消耗大,生产效率低,部分工厂的自动化识别手段只能识别具有具体清晰定义的缺陷,场景受限。洪朴则对外观件合格品与不合格品产品分别取样、标签化,进行光学取像,在高性能服务器上利用样品图像进行深度学习/机器学习训练,建立分类模型,实现智能检测,将模型应用到工厂生产线上,实施自动检测、分拣,提高识别精度和效率。在某芯片封装测试工厂瑕疵芯片智能检测项目中,洪朴将判别率精度在原有算法上提高1.5%,生产效率提升6.7%。

制造业在生产过程中会涉及到诸多参数的调整和管理,工人需根据生产标准和实际情况调整可控参数,但是生产中的参数有成千上万,传统方法依靠工人经验手动调整,风险不可控,且不能做到量化和精准。关于这点,洪朴根据历史生产数据建模,从参数中找出与良品率最相关的关键参数,对关键参数与良品率的关系进行训练建模,找出其中的关系模型,根据关系模型,对每批次产品推荐最优参数值,最终实现良品率提升。以铸造业为例,数据显示,洪朴能显著提升良品率。

对于仓储,洪朴基于关联分析技术,对仓储物品进行相关性分析,关联性高的物料应该临近摆放,规划仓储物流路径,缩短物流路径,降低物流成本,提高仓储效率30%左右。 

制造业分为离散型和流程型,洪朴现在主要面对比较重人力密集的离散型工业企业。

关于制造业的定位,CEO 许剑锋告诉36氪,制造业中的民营企业付费意愿非常强烈,客户忠诚度比较高,而且一定程度上有国家政策推动,而且相比零售、医疗等比较热门的大数据分析,制造业竞争没有那么激烈,工业企业并不需要太多供应商,全路径产品才是需要关注的。

洪朴的核心竞争力在于对制造业场景的深入延伸。拿智能外观缺陷检测举例,虽然底层技术是相似的,但是技术的应用方向完全不同,制造业需要对不同生产线和属性有了解,在极端情况下,设备是否能够满足精度和稳定性需求等细微差别都影响技术的应用,所以技术适配在现阶段来看构成一定的门槛。但是长期来看,洪朴的价值在于数据积累,数据积累有利于模型的构建,比如数据源种类、图像数据、生产线数据和仓储数据等,模型搭建帮助提升效率、优化仓储和图像智能识别。

洪朴现在的合作渠道有华为、阿里云、GE、Dell、SAP;客户包括制造业领域头部企业。

智能制造大家已经耳熟能详,洪朴现在做的事情更像智能制造的第一环节——制造的智能。初始阶段大量的传统制造型企业其实没有很好的数据形态,洪朴先将数据逐渐标准化、模型化,通过市场摸索,将技术产品化,形成行业通用产品,为垂直场景提供支持。

洪朴信息现在20人左右,CEO许剑锋是上海交通大学计算机硕士、美国伊利诺伊大学香槟分校(UIUC) 统计学博士,曾任美国Alliance Data信用卡公司高级分析咨询师、美国安德森癌症中心大数据分析科学家。COO陶青曾任Uber中国区客户满意指标负责人、Intel中国华为全球与Intel项目业务负责人,主持开发Intel第一代智能生产管理系统 TIMEs, 实现70%效率提升,并推广到Intel全球。 

公司曾经获得250万元天使轮融资,现有意向进行下一轮融资。

将数据分析用于制造业,「洪朴信息」先做“制造的智能”

发表评论

电子邮件地址不会被公开。 必填项已用*标注