Vaidy Raghavan, Chief Product & Technology Officer, Xometry – Wywiad z serii

Vaidy Raghavan, Chief Product & Technology Officer, Xometry, to doświadczony globalny dyrektor techniczny i inżynier, który kieruje strategią produktową i technologiczną firmy, ze szczególnym uwzględnieniem skalowania możliwości rynku napędzanego przez sztuczną inteligencję, które łączą kupujących z dostawcami produkcji. Przynosi on głęboką wiedzę w zakresie sztucznej inteligencji, zarządzania łańcuchem dostaw, oprogramowania jako usługi oraz analizy danych, mając wcześniej pełnione stanowiska kierownicze w firmach takich jak Wayfair, Microsoft i Groupon, gdzie rozwijał duże platformy cyfrowe i technologie rynkowe. W Xometry jest odpowiedzialny za przekształcanie złożonych procesów produkcyjnych w inteligentne, oparte na danych systemy, które poprawiają wydajność, odporność i globalne połączenia łańcucha dostaw.

Xometry to cyfrowy rynek napędzany przez sztuczną inteligencję, który umożliwia firmom zamawianie na żądanie niestandardowych części produkcyjnych, łącząc kupujących z globalną siecią zweryfikowanych dostawców w różnych metodach produkcji, w tym obróbce skrawaniem CNC, druku 3D i odlewie wstrząsowym. Założona w 2013 roku i z siedzibą w North Bethesda, Maryland, firma wykorzystuje uczenie maszynowe do zapewnienia natychmiastowych cen, szacunków czasu realizacji i dopasowania dostawców na podstawie przesłanych plików projektowych, upraszczając tradycyjnie złożony proces zakupowy. Z tysiącami dostawców i dziesiątkami tysięcy kupujących na całym świecie, Xometry odgrywa centralną rolę w modernizacji produkcji, cyfryzując łańcuchy dostaw i umożliwiając bardziej elastyczną, rozproszoną produkcję na dużą skalę.

Miałeś niesamowitą podróż przez Microsoft, Groupon i Wayfair. Jakie wczesne doświadczenia — osobiste lub zawodowe — ukształtowały Twoje zainteresowanie technologią, i jak to ostatecznie doprowadziło Cię do Xometry i świata produkcji napędzanej przez sztuczną inteligencję?

Moje zainteresowanie technologią rozpoczęło się wcześnie w mojej karierze. Zawsze byłem motywowany przez trudne wyzwania i szansę budowania rozwiązań, które naprawdę wpływają na świat.

W szybko rozwijających się branżach, w których spędziłem swoją karierę, trzeba znaleźć balans między szybkim wprowadzaniem pomysłu do życia a budowaniem trwałych i skutecznych systemów. Produkcja to doskonały przykład. To głęboko fizyczna i głęboko analogowa branża, ale również napędza niektóre z naszych najbardziej innowacyjnych systemów.
Xometry znajduje się na przecięciu wszystkiego, gdzie przekształcamy tradycyjnie analogową branżę w coś nowoczesnego z prawdziwą dyscypliną i klarownością, gdzie będziemy szli dalej. Dla mnie to rzadkie zbieżenie czasu i celu, i to właśnie rodzaj wyzwania, do którego zmierzałem przez całą swoją karierę.

Opisujesz produkcję jako ostatni „analogowy bastion”. Jakie są największe wyzwania, których sztuczna inteligencja rozwiązuje obecnie w produkcji?

Nazywam produkcję ostatnim „analogowym bastionem” ze względu na jej strukturalną złożoność, biorąc pod uwagę, że cykl życia produkcji jest długi i pełen wielu przekazań. Na przykład podczas produkcji inżynieria projektowa i produkcyjna pracują obok zakupów, źródeł, jakości, logistyki, montażu po dostawie i rozliczeń finansowych w łańcuchu dostaw, każdy etap wprowadzający nowe ryzyko i potencjalne opóźnienia.

Głównym wyzwaniem jest tarcie. Na każdym etapie łańcucha produkcyjnego występują różne formaty, systemy i czasem nawet jednostki miary. Pomysły przechodzą przez przekazanie po przekazaniu, z których każde może stać się potencjalnym punktem awaryjnym. Historycznie jedynym sposobem zarządzania tym ryzykiem było ręczne przeglądanie przez ludzi.

Sztuczna inteligencja tworzy największą wartość w walce z tym tarciem. Działa jako koordynator w tym fragmentarycznym systemie: wykrywając niezgodności, dopasowując części do odpowiednich dostawców i nawet dynamicznie modelując koszty i czasy realizacji. Wykorzystuje historyczne dane produkcyjne do przewidywania, gdzie mogą pojawić się problemy, i sygnalizuje je szybko, zanim zostaną stracone czas i materiały.

Dostawcy otrzymują wyraźniejszą intencję i mniej niespodzianek, co oznacza, że możemy budować zaufanie z naszą siecią i pomóc producentom wytworzyć potrzebne nam przedmioty.

W jaki sposób Xometry zbudował zaufanie z dostawcami i kupującymi, aby przyjąć przepływy pracy napędzane przez sztuczną inteligencję?

W produkcji zaufanie jest trudne do zdobycia, biorąc pod uwagę, że stawki są wysokie, wyniki są nieodwracalne, a odpadnięte materiały, przegapione terminy lub awarie jakościowe mogą przyczynić się do strat finansowych dla firmy. Dlatego w Xometry zdobywamy zaufanie, stale dostarczając niezawodność i klarowność.

Dostawcy i kupujący polegają na Xometry na szybkość i przejrzystość. Wiedzą, że gdy przesłają plik CAD, nasza sztuczna inteligencja szybko przeanalizuje części i wygeneruje szacunki dotyczące cen i potencjalnych ryzyk. Przewidywania opierają się na rzeczywistych danych produkcyjnych, co dodatkowo buduje niezawodność i widoczność. Ceny odzwierciedlają rzeczywiste warunki rynkowe, a dostawcy otrzymują ciągłe wglądy w to, jak poprawić wydajność i rozwijać swoje przedsiębiorstwo na platformie. System wykonuje również niezależne kontrole w celu wykrycia niezgodności. Gdy coś nie zgadza się, sygnalizujemy to wcześnie i utrzymujemy zespoły w ciągłej informacji.

Czy możesz wyjaśnić, w jaki sposób sztuczna inteligencja generatywna tłumaczy pomysły produktowe na części, które można zbudować — i jaki wpływ ma to na terminy rozwoju?

Produkcja zawsze borykała się z luką między intencją a możliwością budowy. Wczesne pomysły produktowe często są niekompletne, a tłumaczenie ich na projekty produkcyjne wymaga wielu przekazań. Ten proces jest powolny i często narażony na przeróbki, co powoduje opóźnienia lub braki.

Sztuczna inteligencja generatywna kompresuje tę pętlę. W praktyce tłumaczy częściowo ustrukturyzowane dane wejściowe na funkcje produkcyjne. Może wykryć potencjalne ryzyka, sugerować materiały i procesy oraz sygnalizować ograniczenia na wczesnym etapie. Sztuczna inteligencja redukuje tarcie, które zwalnia produkcję, skracając terminy rozwoju z mniejszą liczbą iteracji i mniej odpadniętych części lub materiałów.

Jak zapewniasz, aby jakość i kontrola pozostały wysokie, gdy procesy stają się bardziej autonomiczne?

Jednym z kluczowych zasad jest przeniesienie kontroli jakości na najwcześniejszy etap procesu produkcyjnego. Sztuczna inteligencja może analizować miliony punktów danych geometrycznych, aby pomóc w określeniu wykonalności produkcji, kosztów i najlepszego dopasowania dostawcy. To dostarcza precyzyjności i spójności bez konieczności polegania wyłącznie na ludzkiej staranności, co od dawna było jedyną obroną przed ryzykiem podczas kontroli jakości.

To powiedziawszy, utrzymanie człowieka w pętli jest nadal konieczne dla tych rozszerzonych procesów. Wdrożymy sztuczną inteligencję, aby wykryć problemy i alternatywy, gdy jest to potrzebne, ale ostateczne decyzje o interwencji leżą w gestii operatorów ludzkich, którzy mają doświadczenie, aby podejmować te decyzje.

Widzimy to szczególnie w sektorach o wysokiej krityczności, takich jak lotnictwo i obrona, gdzie utrzymanie człowieka w pętli jest jedynym sposobem, aby umożliwić automatyzację na dużą skalę bez poświęcania kontroli jakości.

Jak działa dynamiczne ustalanie cen napędzane przez sztuczną inteligencję w Xometry, biorąc pod uwagę zmienne koszty produkcji i złożoności łańcucha dostaw?

Ceny produkcji są z natury zmienne, ponieważ każda część jest inna, a koszty zmieniają się ciągle w zależności od materiałów, pojemności, czynników zewnętrznych, takich jak cła, i innych ograniczeń. Statyczne modele cen nie sprawdzają się w tym środowisku.

W Xometry dynamiczne ustalanie cen jest systemem uczącym się. Nasze modele są szkolone na milionach historycznych ofert i ciągle aktualizowane o rzeczywiste wyniki produkcyjne. Ta pętla informacji utrzymuje ceny w rzeczywistości.

Gdy inżynierowie przesłają plik CAD, nasz silnik natychmiastowego cytowania od razu analizuje plik i sprawdza go pod kątem czynników zewnętrznych i ograniczeń, które wpływają na ceny, aby zidentyfikować najlepszego producenta z naszej sieci tysiąca partnerów.