


P&G setzt bei der digitalen Fertigung auf künstliche Intelligenz
Nach 184 Jahren Entwicklung hat sich Procter & Gamble (P&G) zu einem der größten Konsumgüterhersteller der Welt entwickelt. Bis 2021 wird sein weltweiter Umsatz 76 Milliarden US-Dollar überschreiten und die Zahl seiner Mitarbeiter wird 100.000 überschreiten. Seine Marken sind bekannte Namen, darunter Charmin, Crest, Dawn, Febreze, Gillette, Olay, Pampers und Tide.
Im Sommer 2022 ging P&G eine mehrjährige Partnerschaft mit Microsoft ein, um seine digitale Fertigungsplattform zu transformieren. Microsoft erklärte, dass sie das industrielle Internet der Dinge, digitale Zwillinge, Daten und künstliche Intelligenz nutzen werden, um P&G eine schnellere Produktlieferung zu ermöglichen, die Kundenzufriedenheit zu verbessern, gleichzeitig die Produktivität zu steigern und die Kosten zu senken und so die Zukunft der digitalen Fertigung zu schaffen.
Vittorio Cretella, Chief Information Officer von P&G, sagte: „Der Hauptzweck unserer digitalen Transformation besteht darin, herausragende Lösungen für die täglichen Probleme von Millionen von Verbrauchern auf der ganzen Welt zu schaffen und gleichzeitig Mehrwert für alle Beteiligten zu schaffen. Um dies zu erreichen, haben wir Nutzen Sie Daten und Technologien wie künstliche Intelligenz und Automatisierung, um die Flexibilität in allen Aspekten unseres Geschäfts zu erhöhen und gleichzeitig Innovationen zu beschleunigen und die Produktivität zu verbessern Produktionslinie, Maximierung der Produktqualität, Vermeidung von Abfall und Optimierung des Energie- und Wasserverbrauchs in Produktionsanlagen. Cretella sagte, P&G werde die Fertigung intelligenter machen, indem es skalierbare prädiktive Qualität, vorausschauende Wartung, kontrollierte Freigabe, berührungslose Abläufe und Optimierung der Fertigungsnachhaltigkeit ermöglicht. Bislang seien solche Dinge in der Fertigung noch nicht in diesem Umfang umgesetzt worden, sagte er.
Intelligente Fertigung im großen Stil
Das Unternehmen hat Pilotprojekte in Ägypten, Indien, Japan und den Vereinigten Staaten gestartet und nutzt dabei Azure IoT Hub und IoT Edge, um Fertigungstechnikern bei der Analyse von Erkenntnissen zu helfen, um die Produktion von Babypflege- und Papierprodukten zu verbessern.
Bei der Herstellung von Windeln werden beispielsweise mehrere Materialschichten mit hoher Geschwindigkeit und Präzision zusammengefügt, um optimale Saugfähigkeit, Auslaufsicherheit und Komfort zu gewährleisten. Die neue Industrial-IoT-Plattform nutzt Maschinentelemetrie und Hochgeschwindigkeitsanalysen zur kontinuierlichen Überwachung von Produktionslinien, um potenzielle Probleme im Materialfluss frühzeitig zu erkennen und zu verhindern. Dies wiederum verbessert die Zykluszeiten, reduziert Netzwerkverluste und sichert die Qualität bei gleichzeitiger Steigerung der Bedienerproduktivität.
P&G testet außerdem den Einsatz von industriellem IoT, fortschrittlichen Algorithmen, maschinellem Lernen und prädiktiver Analyse, um die Produktivität der Gewebeproduktion zu verbessern. P&G kann jetzt die Länge fertiger Papierhandtücher besser vorhersagen.
Intelligente Fertigung im großen Maßstab ist eine Herausforderung. Dazu müssen Daten von Gerätesensoren erfasst, erweiterte Analysen angewendet werden, um beschreibende und prädiktive Erkenntnisse abzuleiten, und Korrekturmaßnahmen automatisiert werden. Der End-to-End-Prozess erfordert mehrere Schritte, einschließlich Datenintegration und Algorithmenentwicklung, Schulung und Bereitstellung. Dazu gehören auch große Datenmengen und eine Verarbeitung nahezu in Echtzeit.
Cretella sagte: „Das Geheimnis der Skalierung besteht darin, die Komplexität durch die Bereitstellung gemeinsamer Komponenten am Edge und in der Microsoft-Cloud zu reduzieren, mit denen Ingenieure verschiedene Anwendungsfälle in bestimmten Fertigungsumgebungen bereitstellen können – ohne sie von Grund auf neu erstellen zu müssen.“
Mit Microsoft Azure als Grundlage ist P&G nun in der Lage, Daten von mehr als 100 Produktionsstandorten auf der ganzen Welt zu digitalisieren und zu integrieren und die Echtzeittransparenz mit künstlicher Intelligenz, maschinellem Lernen und Edge-Computing-Diensten zu verbessern. Dies wiederum wird es den Mitarbeitern von P&G ermöglichen, Produktionsdaten zu analysieren und künstliche Intelligenz zu nutzen, um Entscheidungen zu unterstützen, die zu Verbesserungen und exponentiellen Auswirkungen führen.
Cretella fügte hinzu, dass es in der Konsumgüterindustrie sehr selten sei, diese Datenmenge in großem Umfang zu erhalten.
Daten und KI sind die Grundlage der Digitalisierung
Tatsächlich hat P&G vor mehr als fünf Jahren den ersten Schritt auf seinem Weg zur KI gemacht. Es hat eine von Cretella als „experimentelle Phase“ bezeichnete Phase mit maßstabsgetreuen Lösungen und immer ausgefeilteren KI-Anwendungen hinter sich. Daten und künstliche Intelligenz sind seitdem zu einem zentralen Bestandteil der digitalen Strategie des Unternehmens geworden.
Cretella sagte: „Wir nutzen künstliche Intelligenz in allen Aspekten unseres Geschäfts, um Ergebnisse vorherzusagen und zunehmend Maßnahmen durch Automatisierung zu ergreifen. Darüber hinaus haben wir auch Anwendungen im Bereich Produktinnovation, durch Modellierung und Simulation können wir die Zeit dafür nutzen.“ Die Entwicklung neuer Formeln wurde von Monaten auf Wochen verkürzt; künstliche Intelligenz wird verwendet, um Markenbotschaften zur richtigen Zeit, auf dem richtigen Kanal und mit den richtigen Inhalten zu übermitteln, um dies auch bei der Produktion sicherzustellen „Das Geheimnis der Skalierung von P&G beruht auf der Technologie, einschließlich der Investition in eine skalierbare Daten- und künstliche Intelligenzumgebung, die auf einem funktionsübergreifenden Datensee basiert“, sagte Cretella. Ein weiteres verborgenes Geheimnis für P&G beruht auf den Fähigkeiten von Hunderten talentierter Daten Wissenschaftler und Ingenieure, die das Geschäft des Unternehmens in- und auswendig kennen. Zu diesem Zweck wird die Zukunft von P&G die KI-Automatisierung umfassen, die seine Dateningenieure, Datenwissenschaftler und Ingenieure für maschinelles Lernen von manuellen, arbeitsintensiven Aufgaben befreit und es ihnen ermöglicht, sich mehr auf andere Bereiche zu konzentrieren, in denen sie einen Mehrwert schaffen können.
Cretella fügte hinzu, dass die KI-gestützte Automatisierung es uns auch ermöglicht, eine gleichbleibende Qualität zu liefern und Abweichungen und Risiken zu bewältigen. Darüber hinaus wird die KI-Automatisierung es immer mehr Mitarbeitern ermöglichen, diese Funktionen zu nutzen, wodurch die Vorteile der KI im gesamten Unternehmen allgegenwärtig werden.
Nutzen Sie die Kraft der Menschen
Ein weiteres Element zur Erzielung von Agilität in großem Maßstab ist der „zusammengesetzte“ Ansatz von P&G zum Aufbau von Teams innerhalb von IT-Teams. P&G balanciert die Organisation zwischen zentralen Teams und Teams, die in seine Kategorien und Märkte eingebettet sind. Zentrale Teams erstellen Unternehmensplattformen und Technologiegrundlagen, während eingebettete Teams diese Plattformen und Grundlagen nutzen, um digitale Lösungen zu entwickeln, die abteilungsspezifische Geschäftsmöglichkeiten nutzen. Cretella stellte außerdem fest, dass das Unternehmen internen Talenten Priorität einräumt, insbesondere in Bereichen wie Datenwissenschaft, Cloud-Management, Cybersicherheit, Softwareentwicklung und DevOps.
Um die Transformation von P&G zu beschleunigen, haben Microsoft und P&G ein Digital Enablement Office (DEO) eingerichtet, das sich aus Experten beider Organisationen zusammensetzt. Das DEO wird als Inkubator dienen, um Geschäftsszenarien mit hoher Priorität in den Bereichen Produktherstellung und Verpackungsprozesse zu entwickeln, die bei P&G umgesetzt werden können. Cretella betrachtet es eher als Projektmanagementbüro denn als Kompetenzzentrum. Weil es die Bemühungen aller verschiedenen Innovationsteams koordiniert, die an Geschäftsanwendungsfällen arbeiten, und eine effektive Skalierungsbereitstellung der entwickelten bewährten Lösungen gewährleistet.
Abschließend hatte Cretella einige Ratschläge für CIOs, die versuchen, die digitale Transformation in ihren eigenen Unternehmen voranzutreiben: Seien Sie erstens motiviert und finden Sie Ihre Energie in Ihrer Leidenschaft für das Geschäft und darin, wie Sie Technologie einsetzen können, um Werte zu schaffen Lernen und echter Wissensdurst; und schließlich investieren Sie in Menschen (Ihr Team, Ihre Kollegen und sogar Ihren Chef), denn Technologie allein verändert nichts;
Das obige ist der detaillierte Inhalt vonP&G setzt bei der digitalen Fertigung auf künstliche Intelligenz. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
