采访ZYFRA业务发展总监Alexander Smolensky

托管Mr.alexander Smolensky在我的巨大愉快“ AI. &IOT采访系列“. 多年来他获得的AI智能之家使他对每个问题的回应是一个深刻的问题。他对AI的意见&ML影响数据收集系统真的值得称道。 alexander先生通过解决IOT领域的研究的必要性来表明他成为一个鸿基的态度。此外,通过以下详细采访证人如何在许多假设方案中展示他的想法。读到洞察力& fun experience.

这次采访是的一部分 AI. &IOT采访系列.

你已经主持了一段时间的AI快速扩张&在过去的三年里。这是如何让你实施一个巨大的框架战略?

那是 简单的。你刚刚把嘴巴放在嘴里, 然后尝试咀嚼它。脱落的一切都没有你的地方 framework.

在这里 Zyfra. ,我们有大嘴巴和伟大的胃口,但即使我们不得不与一些东西(特别是电网和智能城市)分开。咀嚼仍然有点困难,但其余的太好了,我们永远不会放手。

矿业&油泵是劳动力需求较高的地区。和zyfra.’S“人工升降机”解决方案已证明其肌肉末端以克服它。你能详细说明吗?

油 天然气公司尽可能多地了解其他公司。一方面, 他们并不完全了解潜在的好处。在这一点 另一方面,他们知道生产过程的效率 可以增加基于的上游和下游 数字数据实时处理并影响生产 实时决策。

什么时候 你在四公里处钻一个水平井,然后 地震术语,凡富含岩层存在的准确性 prediction will be + 30米。如果我们使用从钻孔后面安装的传感器的数据 一点点,构建模型并一直操作此位,以便它命中 阶层更确切地说,然后可以增加井流量 10-20%。也就是说,实际上可以提取更多的油 额外的随后的液压压裂。

解决方案 in artificial lift sector (机械化 extraction) can help increase 在井中提取1-2%。但油墨很难 接受这个数字,因为巨大的金钱在钻井和地质上度过 勘探,特别是市场上大四的服务 of
与石油有关的服务  (舒尔伯格, Halliburton,Baker Hughes,Weatherford). 根据复杂性,这可以是每孔数百万美元,而且 合同条款并不严格:它将被接受为工作 出去。因此,石油公司很难认识到它是 真的可以通过导航来提高产量率。和 这个解决方案,我们已经钻了4000井。这看起来 像实时控制中心,它专家坐下来控制 系统和钻工队伍从收到的数据接受 them.

在 下游领域,使用数字顾问可以提高效率 高达20%。如果它要关闭整个循环,组装材料 管理和制造生产控制中心,那么效果将是 更加明显。因此,炼油厂每天24小时工作,
ETP专家   (工程 和技术人员) work 一个班次为8小时。因此,对于剩下的时间 时间 - 超过另外两种班次 - 炼油厂根据 由生产工程师设置的这些设置。这个想法 是通过我们将所有工厂连接到单个公共运营商中心 ZYFRA工业框架平台和24/7的ETP Shift。 因此,精炼效率可能增加5% 在财务方面,这足够大。

后退 关于机器人的主题,我应该注意到各种行业 部门,向统一数字管理的过渡可能会有所不同 大。我想在挖掘中,它已经没有遥远 有派遣,机器人准备好了。事实上,有必要 克服几个监管限制并证明了经济 有效性,即表明生产率会增加。

如果 我们采取机器,然后我们现在做了什么 - 工业设备 员工监测 - 在前往无人驾驶途中仅占5%的人 生产。到目前为止,我们在某个时刻或其他工人时都知道 击中钉子。观看他如何做到这一点,最终是多层的 块以钉子的涡轮机结果的形式。

如果 我们试图回答行业4.0一般的问题 发生,我认为5-7岁后,这将是可能的。之内 这个时期(5-7岁)我预测了显着的增长,因为 各个行业的效率升高是 由于数据采集过程优化巨大 此数据实时具有自适应反馈。我们就在 开始这个旅程。

如何在数据收集系统中致力于AI和ML的求解,以提供富有洞察力的分析?您是否使用数据收集系统连接高精度预测?

AI. 并且ML在分析领域并不杰出。唯一的 这个地区的持续和不变的常量是“数学是王!” 如果您想“拨打受过教育的猜测”,ML无疑是良好的。 “了解”,有“高度可能的假设” - 这是非常有价值的,将为ZYFRA产生收入 迄今为止。但如果你想知道事情 (as you do, 有时))您需要使用Ironclad数学的算法方法 them.

如何用IoT计划级别互联网,以提高您与竞争对手的竞争对手的能力’这是关于这样的事情吗?

几乎 没有人像我们一样与几个行业的工作。在 有些时候,我们明白它没有意义完全来自 平台解决方案,因为企业和生产需要真实 经验和生产方案。例如,对于钻孔器来说, 来自钻头和挖掘机的数据和控制模型 different.

和 我们的产品策略,而不夸大它,是相当独特的。它 包括采取行业解决方案并制作单一 数字化平台出来。我们不去上下 自下而上。恰恰是那种竞争对手不存在。但是, 课程,每个单独的利基都有竞争对手:两者都在采矿中 在钻井中,我们与大四的产品竞争,而我们 是世界上唯一提出一个导航平台的世界, 地质力学和岩石物理学集成 in it.

在 采矿,大多数派遣系统被购买 设备制造商,即Caterpillar,Kamaz和Hitachi。如果一个 公司只生产自卸卡车,不会产生挖掘机 - 这就是这种情况 - 然后,因此,他们不会发展 用于其他类型设备的软件。有几个欧洲人 机械监测系统(作为调度员),但它们没有制作 硬件。也就是说,我们的不同之处在于我们制造设备 本身以一个停机原因的设备的形式 输入,可以查看图纸等。

如今, 数字化的主题是巨大和明显的。生意本身 处理它而不是IT专家,以及许多州和私人 公司在内部创建能力的直观愿望。 从这里,合资企业(JV)起源,公司宣布 自我发展的重要性和准备, 招聘,例如,500 每个程序员。这是自然的 技术开发周期,因为甚至在Windows和DOS之前 发明了,有很多各种操作系统。 每个人都会写一切,可以写入 汇编语言,但市场随后合并。

公司 想要在内部创造能力,因为它看起来它 这带来了直接的业务效果,没有后台办公室 商品。因此,他们想要开发组织知识 他们自己并自己学习。

此外,他们认为 - 这在各个部门都是如此 - 他们需要体验如何在其条件下使用数字化。因为所有流程和生产确实不同。因此,俄罗斯没有两个相同的炼油厂,因此结果也不同。在某处,已经获得了技术最佳,而其他地方有一个“黑暗的森林”,在其他地方有明显的点,解决这将导致在没有人能解决的问题(如Fermat定理)的问题(如Fermat定理)。

因此,第一个原因是渴望开发自己的组织知识,第二个独立数字化的第二个原因包括理解,用于独特问题的数据包解决方案和解决方案不适合它们。但是,虽然许多公司都希望独立处理数字化,但是90%的公司想参与合作伙伴,因为实际上这个话题是充分多样化的,并且不可能在公司内部创造这样的能力。我们已经为各种形式的合作做好准备,并且与公司内部资源的竞争感到愉快。

人工智能:风险可能超过奖励。您如何评估此声明并重新删除它?

“它的 活!”弗兰肯斯坦博士惊讶地说。

“好的, 然后,我会拿衣服和摩托车“Skynet自己的衣服 Terminator.

严重地, 关于工业风险/奖励比率为时过早 ai。我们还在蜜月阶段。这是一个安排的婚姻, 但它结果很好。

正确的 现在,没有真实或重大的风险。有很多 虚构的风险和未来永远是可怕的。关于现实生活 risks –三年内与我们交谈。

一旦涉及社会问题,任何解决方案或用例都会对成功的味道来说,任何解决方案都会味道。在这方面,你在未来5年内看到自己在哪里?

每个人 谁去苏联学校知道马克思主义革命的基础 是无产阶级。一个不熟练的大规模劳动力,几乎没有得到 生活工资,经常在恶劣和危险的情况下工作。这 自20世纪70年代以来,无产阶级迅速下滑,我们想要 完成工作。制造业的未来是更高的技能 要求,安全的工作环境和最低体力劳动。它 显然不是五年的旅程。未来五年主要是 关于挤压现有技术的所有可能效率 跨行业的过程。

I 在未来看待自己,我看到一个混合的网络有机实体 在有机大脑和广阔的计算之间分布了一个思想 和网络基础设施,能够使用各种机器人 器件和无人机无缝,就像我使用我的四肢。也许 不在五年内,也许一点稍长,但无论如何......

哪部电影最为着迷,通过其融入技术要素?

电影 这些天或多或少相同。一个英雄,往往不是 从一本旧漫画书中,从CGI运行到达产品 放置。或相反亦然。让我们谈谈电视节目,如黑镜子或 视频游戏,就像最近棉兰的人一样。他们待了一些东西。

有趣的想法:你如何使用AI的健身中心附近的冰淇淋架赚钱?

I 只是在立场上放一个大的标志:“低脂肪,无麸质, 环保,本地,工匠冰淇淋,支持#current社交 趋势”。这可能会做这个伎俩。

但 如果我们使用AI,我会在使用后进行社交网络搜索 对每个人经过的面部认可,产生深刻的假 一个人最喜欢的名人的视频,他们会耳语他们 他们看着立场:看起来有多好,它们是多么好,他们是多么好 不应该推迟幸福,他们如何应得有点突破 假期,“Carpe Diem”等等。诱惑和诱惑是 绝对是B2C中的基石技术。它一直都是如此 但是,虽然可以增加一个全新的水平。但我们, 工业AI人,不像这样。你不能引诱法律 物理学。至少我希望你不能。

然后 I’d name it an “AI’S奶油“或”我尖叫“。我可以分析 在健身中心客户收集的大数据并提供冰淇淋 采用不同的AI生成的食谱,满足每个的需求 个人客户。我还可以优化SCM和冰淇淋的销售 利用AI处理有关客户流的数据及其需求 为了预测需求并确保最佳的物流和资源 management.

如果不是人工智能,你可以重命名它(不使用元音)吗?

I 肯定会称之为OBM - 过时的大脑模型,你知道, 因为神经网络是基于20世纪60年代的想法 大脑实际上有效。

或者 也许ttpgwypbfssrwshg:这可能更好。它显然 代表:试图用你的电脑播放上帝,但仍然失败 显着的结果,会看到它是如何发展的

副主编

我强烈地相信具有巨大激情的人可以使不可能的发生。符合技术兴趣,我将技术业务经理在IT行业中的作用,以及执行杂志协调员,企业活动组织者,CXO等额外角色&技术专家AI智能之家。 

加入AI时间杂志
加入助理编辑

您是否有兴趣分享AI的信息和知识,并与现场中的一些最聪明的思维联系起来?

了解加入作为一个 Associate Editor.

关于Jagan G. M.

我强烈地相信具有巨大激情的人可以使不可能的发生。符合技术兴趣,我将技术业务经理在IT行业中的作用,以及执行杂志协调员,企业活动组织者,CXO等额外角色&技术专家AI智能之家。 

查看Jagan G. M.的所有帖子。→