Krijg AI-projecten in de lucht

Ieder mens ervaart angst, en dat doet hij op zijn eigen manier. In de AI-wereld wordt angst gedreven door onbekendheid met het proces, de professionele impact van falen en de ontmoedigende taken om alle mensen en perspectieven samen te brengen die nodig zijn om te beginnen. In de lucht- en ruimtevaart wordt deze uitdaging nog verergerd door tekorten aan hulpbronnen, uitdagingen in de toeleveringsketen en marktvolatiliteit. Voeg enorme hoeveelheden ongelijksoortige, niet-verbonden gegevens toe en je hebt het recept voor patstelling, mislukte projecten en verspild geld.

Niet starten is echt. Hier zijn drie belangrijke lessen die we uit ons werk met Rolls-Royce en Gulfstream hebben geleerd, zodat je AI-project klaar is voor vertrek.

Les 1:Hoe eet je een olifant?

Een hap tegelijk. Lucht- en ruimtevaartbedrijven willen de operationele marges verhogen. Van verminderde uitvaltijd tot voorspellende kwaliteit tot het voorspellen van beweging van kritieke onderdelen, er zijn volop kansen. Laat je niet meeslepen door alle mogelijkheden. Vind er een die snel kan worden bereikt en vestig de geloofwaardigheid van uw team en leverancier. Dit is belangrijk omdat AI een iteratief proces is. Als de beschikbaarheid van gegevens en inhoudelijke expertise inconsistent is, loopt uw ​​project vast. Bij Rolls-Royce bespraken we use cases voor Predictive Maintenance en het verminderen van schroot voordat we ons op Predictive Quality op de testbank vestigden. Waarom? Omdat de gegevens en klantresources die we nodig hadden direct beschikbaar waren en het pad voor de integratie van de functionaliteit duidelijk was. Denk hier aan Occam's Razor:het meest rechttoe rechtaan pad is het beste.

Les 2:Verlies de controle niet

Een belangrijk twistpunt tussen de business en IT is wie de controle over deze nieuwe mogelijkheid zal behouden en hoe deze zal worden ondersteund en onderhouden. Cloudleveranciers prijzen een snelle start via direct beschikbare, betaalbare infrastructuur. Voor de business is dit een duidelijk pad om aan de slag te gaan zonder de bureaucratie van IT-processen. Dit kan echter leiden tot technische lock-in; een situatie waarin al uw logica, modellen en dataprocessen vastzitten in de systemen van één provider. De kosten stijgen, de flexibiliteit wordt beperkt en je voelt je gevangen. Onthoud dat de waarde in de logica, modellen en gegevensconstructies zit, niet noodzakelijkerwijs in de infrastructuur. Bij Gulfstream hebben we deze valkuil vermeden door gebruik te maken van containerisatie, een aanpak waarmee uw logica en functionaliteit volledig overdraagbaar, geïmplementeerd en geschaald kunnen worden over elke combinatie van infrastructuur op basis van vereisten en kosten. Gulfstream was in staat om de controle over hun intellectuele eigendom te behouden en op te schalen naar de provider(s) van hun keuze.

Les 3:Begrijp de werkelijke kosten

Het is gemakkelijk om verliefd te worden op een snelle, eenvoudige en betaalbare use case. Maar wat gebeurt er als u het wilt opschalen naar meerdere lijnen, fabrieken en processen? Is het nog snel, eenvoudig en betaalbaar? Cloudoplossingen kunnen in dit opzicht misleidend zijn; opslag is goedkoop, maar de rekencapaciteit die nodig is om modellen te trainen en af ​​te stemmen, kan duur worden naarmate de datasets groeien. Eén klant voorspelde een toename van 35x in cloudkosten in verband met het schalen van een voorspellend onderhoudsmodel voor vier fabrieksactiviteiten. Nogmaals, containerisatie kan worden gebruikt om de kosten van schaalbaarheid te optimaliseren. Bij Rolls-Royce hebben we gebruik gemaakt van containerisatie om modellen om te scholen op een goedkopere lokale infrastructuur, en vervolgens de opnieuw getrainde modellen in cloudomgevingen te implementeren voor optimale toegang en beschikbaarheid. Hierdoor bleven de schaalkosten jaarlijks onder de 5 procent.

Het beheren van complexiteit, controle en kosten is de kern van het succes van elke machine learning of AI-inspanning. We hebben gebruik gemaakt van sjablonen die in de loop van jaren van projecten zijn ontwikkeld om deze richtlijnen te vereenvoudigen, te begrijpen en te communiceren over belangrijke projectteams.