استارت آپ هایی در سرتاسر دنیا کم نیستند که با هوش مصنوعی تلاش می کنند فعالیت های صنعتی را کارآمدتر کنند. برخی ربات‌ها را برای پشتیبانی یا جایگزینی کار دستی اختراع می‌کنند، در حالی که برخی دیگر از یادگیری ماشینی برای کمک به کسب‌وکارها برای کشف بینش استفاده می‌کنند. سیستم های هوشمند Synergies در دسته دوم قرار می گیرند.
مایکل چانگ Synergies را در سال 2016 در بوستون تأسیس کرد تا ابزارهای تجزیه و تحلیل مبتنی بر هوش مصنوعی را با استفاده آسان برای تولیدکنندگان متوسط ارائه کند. چانگ پس از کار در فاکسکان در شنژن در اواخر دهه 2000، کمک به تامین کننده اپل برای بهبود سودآوری یا کاهش درصد محصولات معیوب با استفاده از تجزیه و تحلیل داده ها، متوجه شد که هر کارخانه ای قدرت مالی برای صرف ده ها هزار دلار برای دیجیتالی شدن را ندارد.
چشم انداز Synergies و رشد اخیر مورد حمایت سرمایه گذاران قرار گرفته است. این شرکت عمدتاً در سال‌های اولیه خود شروع به کار کرد، اما اخیراً سرمایه گذاری خطرپذیر را برای سرعت بخشیدن به استخدام، گسترش بازار و توسعه محصول اتخاذ کرده است. 12 میلیون دلار در یک سری از بودجه سری A به رهبری NGP Capital، که قبلاً به عنوان شرکای رشد نوکیا شناخته می شد و توسط نوکیا حمایت می شد، همانطور که از نامش پیداست، ارائه کرد. شرکت سهام خصوصی New Future Capital نیز در این امر دخیل است.
Synergies اکنون تیمی متشکل از 70 کارمند را در شانگهای، تایپه، گوانگژو، سنگاپور و بوستون مدیریت می کند.
این استارت آپ از افشای ارزیابی خود خودداری کرد، اما گفت که به نزدیک به 100 مشتری خدمات می دهد که 80 درصد آنها در چین بزرگ هستند، از جمله کارخانه های متوسط با هزاران کارگر که توسط فاکسکان و فویائو، برخی از بزرگترین تولیدکنندگان شیشه اتومبیل در جهان، اداره می شوند. چانگ به TechCrunch گفت که نوکیا و Synergies روی برخی از پروژه‌ها در مراحل اولیه کار می‌کنند، اگرچه این زوج هنوز مشارکت گسترده‌ای ندارند.
تا آنجا که چانگ می‌داند، تیتانیوم مخابرات فنلاند در حال ترویج «۵G صنعتی» در سراسر جهان است که باید اتصال نسل بعدی را به تولید بیاورد. بنابراین تعجب آور نخواهد بود که در آینده شاهد همکاری بیشتر این دو با هم باشیم.
Synergies می تواند با کارخانه های مجهز به 5G که دائماً داده ها را در فضای ابری جمع آوری و تجزیه و تحلیل می کنند، به خوبی کار کند. این پلت فرم به اصطلاح “تحلیل تکمیلی” را برای کمک به تولیدکنندگان در بهینه سازی کارایی در سه بخش – زنجیره تامین، تولید و ظرفیت تولید، فراهم می کند.
با تجزیه و تحلیل داده‌های عملیاتی، نرم‌افزار Synergies می‌تواند پیشنهاداتی را به مدیران ارائه دهد، مانند توصیه تعداد تحویل برای ارائه یا نحوه تغییر سریع خط تولید برای به حداکثر رساندن ظرفیت با کمترین هزینه. هنگامی که این نکات عملی شدند و داده‌های جدید جمع‌آوری شد، سیستم‌های یادگیری ماشین Synergies می‌توانند الگوریتم‌های خود را برای کمک به کارخانه‌ها برای بهبود بهره‌وری تجزیه و تحلیل کنند و به اصلاح ادامه دهند.
چنین یادگیری ماشینی برای متخصصان هوش مصنوعی علم موشک نیست، اما برای یک کارخانه کوچک و متوسط در چین، هزینه های سربار ایجاد یک “پلتفرم داده متوسط” جامع بسیار زیاد است زیرا به هماهنگی بین بخش فناوری اطلاعات نیاز دارد. چانگ، فارغ التحصیل MIT با مدرک دکترا، پیشنهاد کرد و مدیران پروژه و کارشناسان هوش مصنوعی. در مهندسی برق و علوم کامپیوتر.
“بیشتر کارخانه های کوچک و متوسط فقط از یک تیم کوچک از کارکنان فناوری اطلاعات پشتیبانی می کنند، به غیر از تیمی از دانشمندان اختصاصی هوش مصنوعی.”
چانگ ادامه داد: در مقایسه با تولیدکنندگان پیشرفته در غرب. «کارخانه‌های چینی، حتی کارخانه‌هایی که اکنون بزرگ هستند، تنها چهار یا پنج دهه است که وجود دارند. آنها نسبت به قیمت حساس‌تر هستند، با حاشیه‌های کمتر کار می‌کنند و بازگشت سرمایه سریع‌تری می‌خواهند. بنابراین سخت است که از آنها بخواهیم 10 میلیون دلار از قبل برای ساخت یک پلتفرم داده خرج کنند.
چانگ توضیح داد که استفاده از تجزیه و تحلیل داده ها و هوش مصنوعی برای اصلاح راه حل های تجاری نیز به مشکل گردش مالی بالا در صنعت تولید می پردازد. با کاهش رشد جمعیت چین، کارخانه‌ها برای استخدام و نگهداری کارگران با مشکل مواجه هستند و حفظ دانش در محل کار را دشوار می‌کند.
چانگ گفت: «این کسب‌وکاری نیست که شاهد رشد دیوانه‌کننده‌ای مانند شرکت‌های ارز دیجیتال باشد. اما من معتقدم که این یک تجارت معنادار است زیرا ما در حال ایجاد تغییرات واقعی در زمین هستیم.