Det er nu næsten et år siden vores først blog post Hvorfor blev vi konsulenter indenfor machine learning som stadigvæk tiltrækker sig stor interesse. Så vi tænkte at nu var det tid til del 2, vi vil gerne fortælle historien om hvor vi er nu og hvor meget der har ændret sig.

Lad os tage et kig på hvad er er sket indenfor industrien og hvodan neruospace har ændret sig over det seneste år.

Picture of a manufacturing building

Industrien har omfavnet ændringer i form af AI og ML og det ser ud til, at næsten alle brancher satser på ML som en middel til at forbedre deres forretning. Alt fra detailhandel til producenter forsøger at høste fordelene ved at bruge alt fra anbefalingssystemer til systemer der kan detekterer anomalier. Den første store ændring for os efter et år er, at vi udelukkende er målrettet mod produktion fordi vi mener, at det er her vi kan gøre en forskel. Vi brænder for at hjælpe produktionsvirksomheder med at blive bedre til at skabe værdi ved hjælp af deres data.

I vores kundesegment ser vi forskellige former for anvendelse af ML f.eks. prediktiv vedligeholdese, højere oppetid på maskiner, bedre forecasting med et højt antal data kilder og billede genkendelse til kvalitetskontrol.

Generelt bevæger vi os fra den industrielle tidsalder til den digitale tidsalder og nu ind i data tidsalderne. Vores formål er at hjælpe producenter med at forudsige nedbrud i deres maskiner, hjælpe med at forudsige bedre i produktionen og skabe bedre kvalitetskontrol systemer.

Det vi har set det sidste år, er to centrale udfordringer med at bevæge os mod anvendelse af data: Fantasi og kompetencer. Fantasi til at se de nye muligheder, hvor data og machine learning kan give virksomheden en konkurrencefordel og kompetencerne til at bringe de nye muligheder i spil i produktion.

Fantasi

Vi tor på at ML er den teknologi der vil skabe den største forandring i vore livstid. For at indse hvad maskinlæring kan gøre for dit produktionsudstyr, skal du forestille dig, at ML har potentiale til at ændre verden. Dette er grunden til, at vi hjælper vores kunder med at denne transformation, hvad der kan ske når de indsamler data, bruger dem til at få indsigt og bruger denne indsigt til at blive bedre til det de gør. Det handler om at forestille sig en ny måde at arbejde på, nye standardprocedurer og undertiden en helt ny proces.

For at forstå, hvad machine learning kan betyde for din virksomhed, skal du have en idé om hvordan machine learning algoritmer fungerer. Mulighederne for at bruge machine learning er uendelige, men det er data der dikterer mulighederne. Dette er grunden til data sammenhænge er nøglen og dette fører os til den næste udfordring.

Kompetencer

Data og ML kompetencer er nogle af de sværeste at skaffe på nuværende tidspunkt, det har betydet at data scientists er nogel af de mest lovende job i 2019. Få virksomheder har disse kompetencer internt, og derfor har de brug for hjælp til enten at få kapaciteterne internt eller udvikle løsninger, der bruger deres data. Derfor prøver vi at hjælpe ved atdele viden om hvad vi kan og hvad der er behov for, for at komme igang. Når vi starter et samarbejde med en kunde, hjælper vi med at lede de første pilotprojekter for at vise værdien af ​​data og machine learning. Et vigtigt element i processen er uddannelse af nøglepersoner, så de kan hjælpe med at gøre machine learning til en succes og sikre, at ML fortsat levere værdi i organisationen.

Vores rejse over det seneste år

Vi har det sidste år forsøgt at forstå markedet og positionere os. På denne rejse har vi talt med en række potentielle kunder fra forskellige segmenter og tilbyder nu løsninger til produktionsvirksomheder. Vores fokus er forbedring af OEE med prediktiv vedligeholdelse, forecasting og billed genkendelse. Disse områder kommer fra hvad potentielle kunder har udtrykt, at de har brug for når vi taler med dem. Vi har desuden en omfattende viden indefor dette marked på grund af vores tidligere job. Ved at følge Lean Start-up-tilgangen har vi skiftet mellem at skabe hypoteser og teste dem på markedet.

Nej maskiner vil ikke overtage vores jobs

Det kræver god forandringsledelse at implementere løsninger, der ændrer arbejdsprocesserne og hvordan arbejdet udføres af menneskene i organisationen. Det er vigtigt at sige, at maskinerne ikke vil overtage alle jobs og at der stadig er arbejde at der skal udføres i morgen af mennesker, men det vil sandsynligvis ændre sig hvilken type arbejde der er tale om. Mennesker er det vigtigste element i den kommende tidsalderen med ML. Mennesker er fremragende til at tage sig af ting som empati, fuzzy logik, intuition og beslutningstagning. Maskiner vil ikke være i stand til at gøre dette, men er gode til at finde mønstre på tværs af større og komplekse datasæt, som den menneskelige hjerne ikke kan. Mennesker er en vigtig del af enhver virksomhed og vil altid være det også i fremtiden.

Jobs ændrer sig hele tiden, når vi bliver bedre til at fjerne de kedelige elementer, som gør det muligt at begynde at bruge vores tid til mere værdifulde ting for vores virksomheder. AI vil ændre det samme eller mere af vores samfund i de næste 20-25 år, på samme måde som internettet har gjort de sidste 25 år. Det vil ændre og transformere mange industrier, herunder produktions- og industrisegmenter. I de vestlige lande kan vi bruge dette til at blive bedre til at producere og fremstille vores produkter. En af de bedste sætninger vi har hørt i det sidste år, er “Nu er vi bedre end kineserne ”.

Det hander om at skabe indsigt

Data er nøglen - og den eneste løsning når man ikke har de nødvendige data er at begynde at samle dem op. Vi hjælper vores kunder med at samle data for at skabe indsigt som kan skabe større foretningspotentiale. Vores processer er anderledes end andres og vi tror på at vi sammen skal være ambitiøse, begynde småt og skabe værdi hurtigt.

Diagram showing the transformation from Data to Decision

Forandringen fra Data til Beslutning

Vi ser det også som en kontinuerlig cyklus, hvor virksomheden har behov for at indsamle data da nye sammenhænge vil opstå fra nye data, som igen fører til ny indsigt og bedre beslutninger. For os er indsigt nøglen, da dette ofte er triggeren til at skabe værdifulde løsninger, der kan være alt fra kvalitetskontrol til automatiseringer.

Hvorfor startede vi en ML virksomhed

Det at bruge right data til at automatiserer og forbedre processer, til at tage beslutninger og til at detekterer anomalier som nedbrud på maskiner kan skabe nye og forbedre eksisterne områder. Det er et forretningsområde, der kan give jeres virksomhed en konkurrencefordel og som give jer mulighed for at være bedre end jeres konkurrenter indefor de næste 3-5 år. Uden fantasi og kompetencer vil denne transfomation ikke ske og det er derfor vi stadigvæk er her, vi vil forbedre den industrialiserede verden som vi kender den i dag så vi sammen kan blive bedre i morgen.

// Rasmus Steniche, CEO @ neurospace