宝洁转向人工智能来进行数字化制造
经过184年的发展,宝洁公司(P&G)已经成长为世界上最大的消费品制造商之一,到2021年,其全球营收超过760亿美元,员工超过10万人。它旗下的品牌都是一些家喻户晓的名字,包括Charmin、佳洁士、Dawn、Febreze、吉列、玉兰油、帮宝适和汰渍。
2022年夏天,宝洁与微软达成了多年的合作伙伴关系,以改造其数字制造平台。微软方面表示,他们将利用工业物联网、数字孪生、数据和人工智能,为宝洁提供更快的产品交付,提高客户满意度,同时提高生产率并降低成本,从而创造数字制造业的未来。
宝洁首席信息官Vittorio Cretella表示,“我们数字化转型的主要目的是为全球数百万消费者的日常问题创造卓越的解决方案,同时为所有利益相关者创造价值。为此,我们利用数据、人工智能和自动化等技术,以提高我们业务各方面的灵活性,同时加速创新并提高生产率。”
宝洁制造平台的数字化转型将使公司能够直接在生产线上实时检查产品质量,最大限度地提高设备的弹性,同时避免浪费,并优化制造工厂的能源和水的使用。Cretella表示,宝洁将通过实现可扩展的预测质量、预测维护、可控释放、无接触操作和制造可持续性优化,使制造业变得更智能。他说,到目前为止,这些事情在制造业领域还没有达到过这种规模。
规模化智能制造
该公司已经在埃及、印度、日本和美国开展了试点项目,使用Azure IoT Hub和IoT Edge帮助制造技术人员分析洞察,以改进婴儿护理和纸制品的生产。
例如,纸尿裤的生产涉及到高速度、高精确度地组装多层材料,以确保最佳的吸水性、防漏性和舒适性。新的工业物联网平台使用机器遥测和高速分析技术来持续监控生产线,以提供早期检测及预防物料流动过程中的潜在问题。这反过来又提高了循环时间,减少了网络损耗,确保了质量,同时提高了运营商的生产效率。
宝洁还在试点使用工业物联网、先进算法、机器学习和预测分析,以提高纸巾生产的生产效率。宝洁现在可以更好地预测成品纸巾的长度。
大规模的智能制造是一个挑战。它需要从设备传感器获取数据,应用先进的分析方法来获得描述性和预测性的见解,并实现纠正措施的自动化。端到端流程需要几个步骤,包括数据集成和算法开发、培训和部署。它还涉及大量数据和近乎实时的处理。
Cretella介绍称,“规模化的秘诀是通过在边缘和微软云中提供通用组件来降低复杂性,工程师可以利用这些组件将不同的用例部署到特定的制造环境中——而无需从头开始创建一切。”
使用微软Azure作为基础,宝洁现在能够将来自全球100多个制造站点的数据进行数字化和集成,并增强人工智能、机器学习和边缘计算服务的实时可视性。反过来,这将使宝洁员工能够分析生产数据,并利用人工智能来支持推动改进和指数级影响的决策。
Cretella补充道,在消费品行业中,大规模获取这种级别的数据是十分罕见的。
数据和人工智能是数字基础
事实上,宝洁在五年多前就迈出了人工智能之旅的第一步。它已经通过了Cretella所说的“实验阶段”,拥有规模化的解决方案和日益复杂的AI应用。此后,数据和人工智能已成为该公司数字战略的核心。
Cretella表示,“我们在业务的各个方面利用人工智能来预测结果,并越来越多地通过自动化来采取行动。此外,我们在产品创新领域也有应用,通过建模和仿真,我们可以将开发新配方的时间从几个月缩短到几周;用人工智能在正确的时间、正确的渠道和正确的内容向每一位消费者传递品牌信息。宝洁的工程师还使用Azure AI来确保生产线上的质量控制和设备弹性。”
宝洁规模化的秘诀依赖于技术,包括投资于以跨职能数据湖为中心的可扩展数据和人工智能环境,Cretella表示,宝洁的另一个隐藏秘诀依赖于数百名有才华的数据科学家和工程师的技能,他们对公司的业务了如指掌。为此,宝洁的未来将拥抱人工智能的自动化,这将使其数据工程师、数据科学家和机器学习工程师从手工、劳动密集型任务上解脱出来,从而更加专注于其他可以增加价值的领域。
Cretella补充道,人工智能的自动化还使我们能够交付一致的质量,并管理偏差和风险。此外,人工智能的自动化还将使越来越多的员工能够利用这些能力,从而使人工智能的好处在整个公司普遍存在。
发挥人的力量
实现大规模敏捷性的另一个要素是,宝洁在IT团队中构建团队的“复合”方法。宝洁在中心团队和嵌入其品类和市场的团队之间平衡组织。中心团队创建企业平台和技术基础,而嵌入式团队使用这些平台和基础来构建抓住其部门特定业务机会的数字解决方案。Cretella还指出,公司优先考虑内部人才,特别是在数据科学、云管理、网络安全、软件工程和DevOps等领域。
为了加速宝洁的转型,微软和宝洁成立了一个由两家机构的专家组成的数字实现办公室(DEO)。DEO将作为一个孵化器,在产品制造和包装过程领域创建高优先级的业务场景,这些场景可以在整个宝洁公司实施。Cretella认为,它更像是一个项目管理办公室,而非一个卓越中心。因为它协调了所有从事业务用例的不同创新团队的努力,并确保了开发的已验证解决方案的有效扩展部署。
最后,Cretella对那些试图在自己的企业中推动数字化转型的CIO提出了一些建议:首先,要有动力,在对业务的热情以及如何应用技术创造价值中找到你的能量;第二,要具备学习的敏捷性和真正的求知欲;最后,对人员(你的团队、同事甚至老板)进行投资,因为技术本身并不能改变什么;人才是一切的关键。
以上是宝洁转向人工智能来进行数字化制造的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本站6月27日消息,剪映是由字节跳动旗下脸萌科技开发的一款视频剪辑软件,依托于抖音平台且基本面向该平台用户制作短视频内容,并兼容iOS、安卓、Windows、MacOS等操作系统。剪映官方宣布会员体系升级,推出全新SVIP,包含多种AI黑科技,例如智能翻译、智能划重点、智能包装、数字人合成等。价格方面,剪映SVIP月费79元,年费599元(本站注:折合每月49.9元),连续包月则为59元每月,连续包年为499元每年(折合每月41.6元)。此外,剪映官方还表示,为提升用户体验,向已订阅了原版VIP

通过将检索增强生成和语义记忆纳入AI编码助手,提升开发人员的生产力、效率和准确性。译自EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG,作者JanakiramMSV。虽然基本AI编程助手自然有帮助,但由于依赖对软件语言和编写软件最常见模式的总体理解,因此常常无法提供最相关和正确的代码建议。这些编码助手生成的代码适合解决他们负责解决的问题,但通常不符合各个团队的编码标准、惯例和风格。这通常会导致需要修改或完善其建议,以便将代码接受到应

想了解更多AIGC的内容,请访问:51CTOAI.x社区https://www.51cto.com/aigc/译者|晶颜审校|重楼不同于互联网上随处可见的传统问题库,这些问题需要跳出常规思维。大语言模型(LLM)在数据科学、生成式人工智能(GenAI)和人工智能领域越来越重要。这些复杂的算法提升了人类的技能,并在诸多行业中推动了效率和创新性的提升,成为企业保持竞争力的关键。LLM的应用范围非常广泛,它可以用于自然语言处理、文本生成、语音识别和推荐系统等领域。通过学习大量的数据,LLM能够生成文本

大型语言模型(LLM)是在巨大的文本数据库上训练的,在那里它们获得了大量的实际知识。这些知识嵌入到它们的参数中,然后可以在需要时使用。这些模型的知识在训练结束时被“具体化”。在预训练结束时,模型实际上停止学习。对模型进行对齐或进行指令调优,让模型学习如何充分利用这些知识,以及如何更自然地响应用户的问题。但是有时模型知识是不够的,尽管模型可以通过RAG访问外部内容,但通过微调使用模型适应新的领域被认为是有益的。这种微调是使用人工标注者或其他llm创建的输入进行的,模型会遇到额外的实际知识并将其整合

机器学习是人工智能的重要分支,它赋予计算机从数据中学习的能力,并能够在无需明确编程的情况下改进自身能力。机器学习在各个领域都有着广泛的应用,从图像识别和自然语言处理到推荐系统和欺诈检测,它正在改变我们的生活方式。机器学习领域存在着多种不同的方法和理论,其中最具影响力的五种方法被称为“机器学习五大派”。这五大派分别为符号派、联结派、进化派、贝叶斯派和类推学派。1.符号学派符号学(Symbolism),又称为符号主义,强调利用符号进行逻辑推理和表达知识。该学派认为学习是一种逆向演绎的过程,通过已有的

编辑|ScienceAI问答(QA)数据集在推动自然语言处理(NLP)研究发挥着至关重要的作用。高质量QA数据集不仅可以用于微调模型,也可以有效评估大语言模型(LLM)的能力,尤其是针对科学知识的理解和推理能力。尽管当前已有许多科学QA数据集,涵盖了医学、化学、生物等领域,但这些数据集仍存在一些不足。其一,数据形式较为单一,大多数为多项选择题(multiple-choicequestions),它们易于进行评估,但限制了模型的答案选择范围,无法充分测试模型的科学问题解答能力。相比之下,开放式问答

编辑|KX在药物研发领域,准确有效地预测蛋白质与配体的结合亲和力对于药物筛选和优化至关重要。然而,目前的研究没有考虑到分子表面信息在蛋白质-配体相互作用中的重要作用。基于此,来自厦门大学的研究人员提出了一种新颖的多模态特征提取(MFE)框架,该框架首次结合了蛋白质表面、3D结构和序列的信息,并使用交叉注意机制进行不同模态之间的特征对齐。实验结果表明,该方法在预测蛋白质-配体结合亲和力方面取得了最先进的性能。此外,消融研究证明了该框架内蛋白质表面信息和多模态特征对齐的有效性和必要性。相关研究以「S

本站8月1日消息,SK海力士今天(8月1日)发布博文,宣布将出席8月6日至8日,在美国加利福尼亚州圣克拉拉举行的全球半导体存储器峰会FMS2024,展示诸多新一代产品。未来存储器和存储峰会(FutureMemoryandStorage)简介前身是主要面向NAND供应商的闪存峰会(FlashMemorySummit),在人工智能技术日益受到关注的背景下,今年重新命名为未来存储器和存储峰会(FutureMemoryandStorage),以邀请DRAM和存储供应商等更多参与者。新产品SK海力士去年在
