探索 Azure AI 服務如何縮短部署時間 - Siemens 成功案例
製造業每年收集的資料量是全球各個產業最多的，但只有一小部分收集到的產業資料會用在工廠中。 我們來看看 Siemens 如何與 Microsoft 合作，為全球製造商開發即時、資料驅動的營運解決方案，藉由持續改善永續性、復原能力和獲利率，達到突破性的績效。
Azure AI 環境的主要優點之一，是可讓您更快、更有效率地開發解決方案。 Siemens 的經驗在如何簡化 AI 產業流程方面提供了一個很好的範例，這要歸功於 Microsoft 產品。
組織
Siemens 是一家德國製造公司，成立於 1847 年。 這是歐洲最大的製造公司，在工業自動化和工業軟體業界的也是全球市場領導者。 Siemens 為多種產業提供了創新解決方案，例如能源、醫療保健、交通運具和基礎設施。
從歷史上看，該公司在技術創新上發揮了重要作用。 他們深入參與了第一台量產電腦、家電、電視和其他許多裝置的開發。 現在，Siemens 正將 AI 納入其商務程序中，以保持競爭優勢。
挑戰
Siemens 意識到，他們需要大規模採用 AI 來支援所有部門。 例如，他們已使用預測 AI 模型來預測需求的增加，以妥善調整長期的生產和銷售規劃。
然而，這些 AI 系統的開發程序成本高昂、速度緩慢且令人困惑。 採用 AI 解決方案的商務使用者需仰賴資料分析師的開發，而兩者間的合作往往充斥著雜音和誤解。 資料分析師缺少可供其重複使用程式碼和元件的平台，因此每個新的模型都必須從頭建置。 此程序極其低效，可能要耗費好幾個月的時間。
Siemens 意識到，他們必須變更 AI 開發程序。 他們需要強固、快速且可靠的 AI 平台，以可調整的方式開發、測試及部署模型。
解決方案
解決方案藉由擷取整個工廠的資料並將其脈絡化，建立了通用的資料基礎，以提供端對端製造程序的全系統檢視。 新增採用 Azure OpenAI 技術生成式 AI Copilot，可進一步將採用生成式 AI 的產業資料大眾化，使得工廠資料、分析和深入解析更容易被所有人 (從工廠作業員到高層主管) 存取，並產生影響力。
為了建置這個共用且可調整的 AI 平台，Siemens 採用 Microsoft Azure 基礎結構。 結果 (稱為 [ai:attack]) 建置於 Azure Machine Learning 之上，並且併入其他 Azure 服務。
解決方案提供整個公司的可自訂範本。 它為所有資料科學專案提供了可依循的標準，讓重複使用資產變得更容易。 Azure 基礎結構可確保所有專案關係人都能輕鬆存取，這也改善了跨小組的共同作業。
拜 Azure AI 服務之賜，其中包含數個標準化 AI 服務。 例如，其中包含 Azure AI 視覺模型，可偵測損壞的裝置以進行品質控制。 此外，平台也會使用 Azure Machine Learning 功能自動定型 AI 模型。 這些功能讓各個小組的效能都得以提升，並節省大量的時間。
成果
[ai:attack] 計畫已產生正面結果。 AI 模型的開發時間顯著下降。 過去，實作新的 AI 解決方案需要幾個月的時間，現在只需要幾個星期。
同樣地，藉助於標準化，程式碼維護現在也更容易、更快速。 過去，維護三個專案的程式碼需要三個資料分析師，而現在，只要一名員工就可維護許多專案的程式碼。
接下來，讓我們透過知識檢定來總結您學到的所有內容。