Вайди Рагхаван, директор по продуктам и технологиям компании Xometry – серия интервью.

Вайди РагхаванДиректор по продуктам и технологиям компании Xometry, опытный руководитель и инженер в сфере глобальных технологий, возглавляет стратегию компании в области продуктов и технологий, уделяя особое внимание масштабированию возможностей маркетплейса на основе ИИ, который связывает корпоративных покупателей с поставщиками производственных услуг. Он обладает глубокими знаниями в области ИИ, управления цепочками поставок, SaaS и анализа данных, ранее занимая руководящие должности в таких компаниях, как Wayfair, Microsoft и Groupon, где разрабатывал крупномасштабные цифровые платформы и технологии для маркетплейсов. В Xometry он отвечает за преобразование сложных производственных процессов в интеллектуальные, основанные на данных системы, повышающие эффективность, устойчивость и взаимосвязь глобальных цепочек поставок.

Ксометрия Xometry — это цифровая торговая площадка на основе искусственного интеллекта, которая позволяет предприятиям заказывать изготовление деталей на заказ по требованию, связывая покупателей с глобальной сетью проверенных поставщиков, использующих различные методы производства, включая обработку на станках с ЧПУ, 3D-печать и литье под давлением. Компания, основанная в 2013 году и расположенная в Норт-Бетесде, штат Мэриленд, использует машинное обучение для мгновенного определения цен, оценки сроков выполнения заказа и подбора поставщиков на основе загруженных файлов дизайна, оптимизируя традиционно сложный процесс закупок. Имея тысячи поставщиков и десятки тысяч покупателей по всему миру, Xometry играет центральную роль в модернизации производства, оцифровывая цепочки поставок и обеспечивая более гибкое, распределенное производство в больших масштабах.

У вас был невероятный путь в Microsoft, Groupon и Wayfair. Какой личный или профессиональный опыт сформировал ваш интерес к технологиям, и как это в конечном итоге привело вас в Xometry и мир производства с использованием искусственного интеллекта?

Мой интерес к технологиям возник на раннем этапе моей карьеры. Меня всегда мотивировали сложные задачи и возможность создавать решения, которые действительно меняют ситуацию к лучшему в реальном мире.

В быстро развивающихся отраслях, в которых я работал всю свою карьеру, необходимо находить баланс между быстрым воплощением идеи в жизнь и созданием надежных и эффективных систем. Производство — яркий тому пример. Это глубоко физическая и аналоговая отрасль, но она также является движущей силой некоторых из наших самых инновационных систем.
Компания Xometry находится на пересечении всего этого, где мы трансформируем традиционно аналоговую индустрию в нечто современное, обладающее настоящей дисциплиной и четким пониманием того, куда мы движемся дальше. Для меня это редкое совпадение времени и цели, и это именно тот вызов, к которому я стремился всю свою карьеру.

Вы назвали производство последним «аналоговым оплотом». Какие из самых больших проблем сейчас решает искусственный интеллект в обрабатывающей промышленности?

Я описываю производство как последний «аналоговый оплот» из-за его структурной сложности, учитывая длительный производственный цикл, полный многочисленных этапов передачи информации. Например, в процессе производства проектирование и разработка продукции осуществляются параллельно с закупками, поиском поставщиков, контролем качества, логистикой, послепродажной сборкой и финансовой сверкой по всей цепочке поставок, при этом каждый этап вносит новые риски и потенциальные задержки.

Основная проблема заключается в трении. На каждом этапе производственной цепочки используются различные форматы, системы, а иногда даже единицы измерения. Идеи передаются из рук в руки, и каждая из них становится потенциальной точкой отказа. Исторически единственным способом управления этим риском была ручная проверка человеком.

В настоящее время наибольшую ценность в борьбе с этими проблемами создает искусственный интеллект. Он выступает в роли координатора в этой разрозненной системе: выявляет несоответствия, подбирает необходимые детали к нужным поставщикам и даже динамически моделирует затраты и сроки выполнения заказов. Он использует исторические данные о производстве для прогнозирования возможных проблем и оперативно выявляет их до того, как будут потрачены время и материалы впустую.

Поставщики получают более четкие указания относительно своих намерений и меньше неожиданностей, что позволяет нам укреплять доверие в нашей сети и помогать производителям выпускать необходимые нам товары.

Каким образом компания Xometry смогла завоевать доверие поставщиков и покупателей, чтобы внедрить рабочие процессы, основанные на искусственном интеллекте?

В производственной сфере доверие трудно заслужить, учитывая высокие ставки, необратимые последствия, а также списанные материалы, несоблюдение сроков или проблемы с качеством, которые могут привести к экономическим потерям для компании. Именно поэтому в Xometry мы завоевываем доверие, постоянно обеспечивая надежность и прозрачность.

Поставщики и покупатели полагаются на Xometry в вопросах скорости и прозрачности. Они знают, что после загрузки CAD-файла наш ИИ быстро проанализирует детали и сгенерирует оценки цен и потенциальных рисков. Прогнозы основаны на реальных производственных данных, что еще больше повышает надежность и прозрачность. Цены отражают реальные рыночные условия, а поставщики получают постоянную информацию о том, как улучшить производительность и развивать свой бизнес на платформе. Система также проводит независимые проверки для выявления несоответствий. Если что-то не совпадает, мы выявляем это на ранней стадии и постоянно информируем команды.

Как именно генеративный ИИ преобразует идеи продуктов в реализуемые компоненты — и какое влияние это оказывает на сроки разработки?

Производство всегда сталкивалось с проблемой разрыва между замыслом и возможностью реализации. Первоначальные идеи продукта часто бывают неполными, и для их преобразования в пригодные для производства проекты требуется множество этапов согласования. Этот процесс медленный и часто требует доработок, что приводит к задержкам или дефициту.

Генеративный ИИ сжимает этот цикл. На практике он преобразует частично структурированные входные данные в пригодные для производства характеристики. Он может выявлять потенциальные риски, предлагать материалы и процессы, а также указывать на ограничения на ранней стадии. ИИ уменьшает трение, которое обычно замедляет производство, сокращая сроки разработки за счет меньшего количества итераций и меньшего количества бракованных деталей или материалов.

Как обеспечить поддержание высокого уровня качества и контроля при большей автономности процессов?

Один из ключевых принципов — перенос проверок качества на самые ранние этапы производственного процесса. Искусственный интеллект может анализировать миллионы геометрических данных, чтобы определить целесообразность производства, стоимость и наиболее подходящего поставщика. Это обеспечивает точность и согласованность без необходимости полагаться только на человеческий фактор, который долгое время был единственной защитой от рисков в процессе контроля качества.

Тем не менее, участие человека по-прежнему необходимо для этих усовершенствованных процессов. Мы используем ИИ для выявления проблем и альтернативных решений, когда это необходимо, но окончательное решение о вмешательстве принимают операторы, обладающие опытом для принятия таких решений.

Мы наблюдаем это особенно в критически важных отраслях, таких как аэрокосмическая и оборонная промышленность, где участие человека в процессе является единственным способом обеспечить автоматизацию в больших масштабах без ущерба для контроля качества.

Как работает динамическое ценообразование на основе ИИ в компании Xometry с учетом переменных производственных затрат и сложности цепочки поставок?

Ценообразование в производстве по своей природе изменчиво, поскольку каждая деталь уникальна, а затраты постоянно меняются в зависимости от материалов, производственных мощностей, внешних факторов, таких как тарифы, и других ограничений. Статические модели ценообразования в таких условиях не работают.

В Xometry динамическое ценообразование — это система обучения. Наши модели обучаются на миллионах исторических котировок и постоянно обновляются с учетом реальных результатов производства. Эта обратная связь позволяет поддерживать ценообразование на уровне реальности.

Когда инженеры загружают файл САПР, наша система мгновенного расчета стоимости немедленно анализирует файл и проверяет его на соответствие внешним факторам и ограничениям, влияющим на ценообразование, чтобы определить лучшего производителя из нашей сети, насчитывающей тысячи партнеров.