90后金融女白领一年帮银行多赚几个亿,为

文/蒋菲

艾思从所谓的精英圈子中解放了出来,告别陆家嘴金融圈,她穿上厚重的防尘服,在常州一家光伏企业的车间内找到了自己。作为阿里云高级算法工程师,她用数据和算法模型来升级传统制造,为企业找到新的利润增长点,与此同时,她也在这份工作中找回久违的归属感和成就感。

转行

“王先生最近很着急,眼看婚期将至,买房还差几万首付……他通过购买银行现金分期产品,贷到几万元,一解燃眉之急……”眼睛刚扫到这条软文,艾思就合上了笔记本盖,屋里憋久了,她要出去走走。

艾思是中山大学数学系硕士,就职于陆家嘴一家知名银行,负责现金分期的信用卡的信贷产品,通过大数据分析找到一个好销售经营策略,一年为银行增加数亿的利润。

艾思生活照

绩效越来越好,收入高到令人惊羡,可不知从何开始,艾思打心底抗拒这份工作,她不知道自己付出诸多努力,到底为社会创造了什么价值,她没有成就感,“信贷部门就是赚利息差,这源于行业特点,虽然我做的模型很有效果,但感觉它并没有创造出真正的价值。”

早晨8点多,艾思穿着正装钻出陆家嘴地铁站,穿过东方明珠塔前乌泱泱的外地游客,踩着点走进银行大楼。下午5点半下班,在家看个电影,或者逛个街,偶尔去个酒吧,这些消遣却无法填补工作中缺失的意义和人生价值。

阿里云为艾思开启了人生的另一种可能。一篇标题是《我在车间写代码,为企业省一亿》的文章启发了她,文章里,阿里云工程师光盐在堆满白色纱布的纺织车间里,穿着黑色T恤牛仔裤,背着双肩包,边向老师傅询问工艺技巧,边捧着笔记本电脑写代码。

“相比金融,工业场景数据智能用得较少,未来是片蓝海,我觉得它能产生真正的价值。”艾思一下子就被说服了,“目前很多工业操作靠经验累积,没有那么有据可循,我想去改变它。”

父母不理解,女儿原来的工作稳定且体面,她的那些同学,哪个不是在银行、券商或是金融机构上班?好好的为什么要去当码农,当码农就算了,为什么还要下车间?

车间

来不及说服父母,艾思就过上了杭州、常州两地跑的双城生活。去年10月,她接手的第一个项目在天合光能有限公司(下称“天合光能”)。

身穿防尘服的艾思下到天合光能的车间

ET工业大脑的任务是,结合天合光能实际生产的数据,借助人工智能技术提高电池片的A品率(以光电转化率为标准,电池片可分为A、B、C三个品类,其中转化率在18.8%以上的为A类)。

第一次下车间,艾思被眼前的场景震撼,耳边设备轰鸣,隔着厚厚的口罩,还能闻到工业原材料刺鼻的味道,车间里百来号工人,都穿着防尘服,戴着口罩手套,只有背标上的名字依稀可辨,走出车间,工人们仍以高八度的嗓子交流着……

项目初启,艾思需要向各车间的管理层阐述自己的工作内容。会议室里,她正在展示一个模型的运作,刚讲到“这样做效率会更高点,但是数据不太全,结果不一定准确,需要你们给一些经验……”时,丝网印刷工艺主管赵主任突然起身离去。

车间的主管们实在太忙了,艾思心里有点委屈,大老远跑到常州,过程却不怎么顺利。

每到一家企业先要与当地车间的老师傅沟通

艾思只好自己下车间去摸索,可是工人们也同样忙碌,一个车间十来条产线,每个环节都有质量实时监测,工艺测试仪一旦检测到质量下降,工人们就需要排查原因——原料有没有问题、设备有没有异常、处理环节是否得当?每个人处理手头的事都来不及,能够配合艾思的时间寥寥无几。

数据

一片光伏电池的生产,需要经历表面制绒、扩散制结、腐蚀、清洗、镀膜、丝网印刷、测试分选等多道环节,有数千类维度的数据影响着电池片的成型,那么,与生产质量最相关的关键参数在哪个环节?

在掌握了车间设备、人员、工艺、质量等海量数据后,艾思最终锁定了丝网印刷。丝网印刷是制作光伏电池电极最普遍的生产工艺,在前序环节后,电池片已经可以在光照下产生电流,为了将电流导出,就需要通过丝网印刷在电池表面制作正负两极。

尴尬之处在于,负责丝网印刷工艺的主管,恰好就是讲解会上不辞而别的赵主任。艾思试图和赵主任有更多互动,但除了工作上偶尔交代几句,几乎没有更多交集。

建模用的数据,车间里每10秒产生一条,一天要用到8千多条数据。很快,艾思发现车间提供的数据跟数据工程师需要的数据有误差。以温度为例,昨天26摄氏度,今天27摄氏度,工人会觉得没差别。

丝网印刷机印刷时,刮刀是一个核心部件,它的角度直接影响着印刷质量的好坏,但此前没有一个指标,能显示刮刀是A型、B型还是C型(不同型号代表不同角度),很多类似这样的关键数据都没有记录下来。

数据不准、数据不全,就像一块烙铁的两面,反复煎熬着艾思。她能做的,就是泡在车间,观察工人们在生产中怎么调整,为什么调整,寻找并记录关键参数,不断更新数据库。

实验

通过不断积累、分析、总结,艾思找出七八十个影响电池片光电转化率的参数,核心参数为温度、压力、间距、高度、速度这五项。

根据艾思的设想,对实时数据进行深度学习分析,构建算法模型,调试出最适合的参数,就能够生产出更多光电转化率高的电池片。不过,她的这套理论在老师傅们眼里,就是华而不实的纸上谈兵。

相比数据,老师傅们更相信自己的眼睛。在车间,工人们通过观察电池片栅线的线高线宽判断等级,通常,线宽越窄,线高越高,导电性就越好,光电转化率越高。

可艾思认为,老师傅的经验,肯定不如数据来得可靠,为了验证自己的设想,扭转那些老师傅的成见,她需要一次成功的实验。

第一次上设备调参数,艾思内心忐忑。一块电池片成本大约是10块钱,一次实验一般要用掉几百片,艾思担心,万一自己调到敏感参数,导致压力过重或印刷过快,都会导致电池片碎裂,就算实验允许出现一定的损耗,但如果损耗过多,会进一步动摇大家对ET工业大脑的信心。

实验的第一个环节是分片,艾思将一千块电池片搬运到操作台面上,均匀分布,启动功率测试仪监测,产生的数据实时上传到天合光能内网“人之合创团”报表系统,一个小时左右,实验完成,艾思在系统上加上字段,表明这段时间内的操作片段是实验片段,跟正常工作的片段区别开来。

最终,当艾思捡出2片碎片时,心里的大石这才放下。

认可

这次实验后,艾思发现,赵主任也热情起来了。一次,艾思正在车间做记录,赵主任走过来拍拍她的肩膀说,“你们做的事确实有效果。”艾思还没反应过来,对方已经走远。

后来,艾思才知道赵主任看了她的实验结果,实验组的良品率曲线上升到正常组的上方,证实设置的参数的确有效,赵主任甚至把艾思的实验结果分析出要点,发邮件给车间的人学习。

天合光能电池车间的ET工业大脑电子看板

赵主任也会找艾思分享经验,比如他觉得艾思的模型数据中,丝网间距数据不准,为了验证自己的观点,他冒着受伤的风险,钻到正在运转的设备底下,用肉眼查看丝网间距。在他的帮助下,艾思发现设备产生的数据果然存在偏差,因为测量仪用了五年以上,存在机械老化。

一直奉机器与数据为权威的艾思恍然大悟,原来设备产生的数据也不能迷信。

赵主任还指出,有时候参数好,A品率上去,但加剧了设备磨损,反而得不偿失,他从技艺的角度给出建议,帮助艾思设置安全有效的参数。

老师傅和工程师相处得越来越融洽,还经常邀请艾思一起下食堂。从小有点洁癖的艾思,就算手上还沾着车间里的油垢,也能开心地大嚼食堂的饭菜,和师傅们聊着车间里的趣事,大家打成一片。

有时,赵主任也会感叹“你们做这么好,我是不是要下岗了?”艾思安慰他,ET工业大脑提供的是工具和能力,机械还是要由工人自己主导,毕竟现场这么复杂的生产情况,程序员没有办法完全感知和处理。

年12月7日,天合光能宣布,通过与阿里云ET工业大脑合作,其4条试点产线上的电池片A品率已提升7%,营收增值已逾两千万。

艾思常说,一个能做好模型的人需要天分,训练好一个模型,就像做面包模具一样,模型就等于模具,面块面团其实就是数据,把它压下去,把数据和模型套在一起,输出一个需要的结果。她正努力让更多的钢铁躯体像人一样去思考,拥有智能大脑。




转载请注明:http://www.180woai.com/qfhqj/1763.html


冀ICP备2021022604号-10

当前时间: