袁斯來

在接下蘇州協(xié)鑫光伏科技項目經(jīng)理交予的任務(wù)前，吳云崇從來沒想過自己會下到工廠車間。

吳云崇是阿里云的算法工程師。但從去年開始，他已經(jīng)跑了30多家不同類型的工廠—客戶希望他通過大數(shù)據(jù)提高良品率。

最開始到協(xié)鑫工廠時，吳云崇心里一點底氣都沒有。大數(shù)據(jù)應用在搜索領(lǐng)域有很多經(jīng)驗可以復制，但在工業(yè)領(lǐng)域，他們要做的事并沒有先例。客戶雖然提出了6個需要提升的指標，不過他們也不清楚公司存在的問題究竟是什么?！澳愕帽瓤蛻舾私馑麄兊臉I(yè)務(wù)，如果客戶比我們更清楚，問題早就解決了?！眳窃瞥缯f。

協(xié)鑫的負責人在最開始幫助吳云崇的團隊熟悉了一些基本知識和最大痛點，吳云崇覺得這些知識不夠，又惡補了工業(yè)生產(chǎn)流程中的關(guān)鍵環(huán)節(jié)，比如光伏切片究竟怎么切割、不同溫度和速度起到什么作用、哪些關(guān)鍵的部件會造成影響等。然后他提出了一個大概的解決方案，引導客戶講出他們之前沒有意識到的細節(jié)。

這個過程并不容易?！拔覀冃枰苤斏鳎荒茈S便忽悠，這是一個互相學習的過程?！眳窃瞥缯f。他需要對每一個問題抽絲剝繭，才能一步步和客戶對上話：良品率過低究竟是材料有問題，還是安裝出現(xiàn)了差錯？如果是材料，那究竟是供應商的哪個環(huán)節(jié)出了問題？

反復修改計算模型后，吳云崇發(fā)現(xiàn)，原因出在有工人使用了報廢的刀片來生產(chǎn)。他建議客戶做好刀片的物流鏈管理，但產(chǎn)品的良品率仍然沒有大幅度改善。

那時吳云崇的壓力比剛接手項目時還大。最初的一個多月，大部分時間都在帶領(lǐng)團隊做線下走訪。無論是偏管理的工藝技術(shù)部，還是搬鋼材、填料、推車的基層普通工人，吳云崇都請教過。他在這個過程中學會了如何和工人打交道，分辨他們告訴自己的究竟哪些是“干貨”，哪些是冗余信息。

他開始嘗試通過線下走訪尋找問題的根源。在車間里，他仔細觀察工人如何安裝一個導輪，看“不對勁”的地方究竟是扭力還是校準?？戳藥滋熘鬀]有發(fā)現(xiàn)問題，他又跑到另一個工廠，才發(fā)現(xiàn)前一個工廠的工人在操作流程中省略了一些環(huán)節(jié)。“我們做的事和醫(yī)生看病、警察辦案很像?！眳窃瞥缯f，省掉的環(huán)節(jié)補上后，良品率立刻提升了。

吳云崇原本并不善于和陌生人打交道。擔任協(xié)鑫項目的經(jīng)理前，吳云崇多數(shù)時間都在寫代碼。操作完協(xié)鑫項目后，他似乎愛上了走訪工廠，從輪胎廠到鋼鐵廠，只要有新項目，他就當成實地訓練的機會。他的工作模式也變成了從一線發(fā)現(xiàn)問題，然后用數(shù)據(jù)模型去解決。

這個項目結(jié)束后，吳云崇對數(shù)據(jù)挖掘工程師的工作有了更多認識，“假設(shè)我只是坐在公司的辦公室里做數(shù)據(jù)分析，設(shè)計各種各樣的數(shù)據(jù)模型，可能做出200個算法模型，都提升不了一個良品率?！彼f，寫代碼的崗位分很多種。對于數(shù)據(jù)挖掘工程師，算法只是工具，他們更多的工作是實地解決問題。

C=CBNweekly

W=Wu Yunchong

C： 對哪個車間印象最深？

W： 每個車間都有自己的特點。印象比較深的一個是鋼鐵廠，規(guī)模特別大，鋼鐵加水冷卻的場面很壯觀。汽車工廠戒備特別森嚴。做洗發(fā)水的生產(chǎn)線其實很短，從瓶子到全部包裝完畢，大概也就只有十幾米，拿出來就能直接賣了。這些工廠都遠離市區(qū)，我每次出差都要跑到郊區(qū)甚至荒無人煙的地方去。

C： 如何提出跨行業(yè)的解決方案？

W： 理論在本質(zhì)上都是一樣的。方法論都是相通的，包括如何理解業(yè)務(wù)，應該用什么算法解決問題，不管什么樣的業(yè)務(wù)場景，能做的事都類似。

C： 如何將具體的施工流程抽象成算法模型？

W： 這個是真正考驗能力的地方，也是數(shù)據(jù)挖掘工程師的基本能力和素質(zhì)。一定要試著假設(shè)自己是工人，操作邏輯是什么樣的，這實際上是運用了類比和同理心。只要這個想清楚了，問題其實很好解決。在戰(zhàn)場上必須要保證子彈的方向是對的，戰(zhàn)役才能取得勝利。