Vaidy Raghavan, Chief Product & Technology Officer, Xometry – Interview Series

Vaidy Raghavan, Chief Product & Technology Officer, Xometry, เป็นนักบริหารเทคโนโลยีระดับโลกและวิศวกรที่มีประสบการณ์ ซึ่งนำทีมกลยุทธ์ผลิตภัณฑ์และเทคโนโลยีของบริษัท โดยมุ่งเน้นไปที่การขยายความสามารถของตลาด AI ที่เชื่อมต่อผู้ซื้อระดับองค์กรกับผู้ผลิต เขานำความเชี่ยวชาญที่ลึกซึ้งมาจาก AI, การจัดการโซ่อุปทาน, SaaS และการวิเคราะห์ข้อมูล โดยเคยดำรงตำแหน่งผู้นำระดับสูงในบริษัทอย่าง Wayfair, Microsoft และ Groupon ซึ่งเขาพัฒนาแพลตฟอร์มดิจิทัลและเทคโนโลยีตลาดขนาดใหญ่ ใน Xometry เขารับผิดชอบในการเปลี่ยนแปลงกระบวนการผลิตที่ซับซ้อนให้เป็นระบบที่ชาญฉลาดและมีข้อมูลที่ดีขึ้น ซึ่งเพิ่มประสิทธิภาพ ความทนทาน และการเชื่อมต่อโซ่อุปทานทั่วโลก

Xometry เป็นตลาดดิจิทัลที่มีพลังงานจาก AI ซึ่งช่วยให้ธุรกิจสามารถจัดหาเครื่องชิ้นส่วนผลิตตามคำสั่งได้โดยการเชื่อมต่อผู้ซื้อกับผู้ผลิตที่ได้รับการรับรองจากทั่วโลก โดยใช้วิธีการผลิตหลายวิธี รวมถึงการกลึง CNC, การพิมพ์ 3D และการหล่อฉีด ก่อตั้งขึ้นในปี 2013 และมีสำนักงานใหญ่อยู่ที่ North Bethesda, Maryland บริษัทใช้การเรียนรู้ของเครื่องจักรเพื่อให้ราคาทันที, การประมาณการเวลารอ และการค้นหาคู่ค้าที่เหมาะสมตามไฟล์ออกแบบที่อัปโหลด ซึ่งทำให้กระบวนการซื้อขายที่ซับซ้อนแบบดั้งเดิมเป็นกระบวนการที่เรียบง่ายขึ้น ด้วยผู้ผลิตหลายพันรายและผู้ซื้อหลายหมื่นรายทั่วโลก Xometry มีบทบาทสำคัญในการที่จะทำให้การผลิตมีความทันสมัยโดยการแปลงโซ่อุปทานให้เป็นดิจิทัลและทำให้การผลิตที่กระจายและยืดหยุ่นเป็นไปได้ในระดับใหญ่

คุณมีประสบการณ์ที่น่าเหลือเชื่อในการเดินทางผ่าน Microsoft, Groupon และ Wayfair สิ่งใดที่ช่วยสร้างความสนใจของคุณในด้านเทคโนโลยี และสิ่งเหล่านั้นช่วยให้คุณมาถึง Xometry และโลกของการผลิตที่มีพลังงานจาก AI ได้อย่างไร?

ความสนใจในเทคโนโลยีของฉันเริ่มต้นตั้งแต่เนิ่นๆ ในอาชีพการงานของฉัน ฉันถูกขับเคลื่อนด้วยความท้าทายที่ยากและโอกาสในการสร้างโซลูชันที่แท้จริงสามารถสร้างผลกระทบในโลกแห่งความเป็นจริง

ในอุตสาหกรรมที่เคลื่อนไหวเร็วที่ฉันใช้เวลาอาชีพการงาน ฉันต้องสร้างสมดุลระหว่างการเคลื่อนไหวอย่างรวดเร็วเพื่อนำแนวคิดมาเป็นจริง และการสร้างระบบที่ทนทานและมีประสิทธิภาพ การผลิตเป็นตัวอย่างที่ดีของสิ่งนี้ เป็นอุตสาหกรรมที่มีเนื้อหาทางกายภาพและวิธีการแบบอนาล็อก แต่ก็เป็นระบบที่มีนวัตกรรมที่สุด

Xometry นั่งอยู่ที่จุดตัดของทุกสิ่ง โดยที่เรากำลังเปลี่ยนแปลงอุตสาหกรรมแบบอนาล็อกแบบดั้งเดิมให้เป็นรูปแบบที่ทันสมัยและมีวินัยและความชัดเจนเกี่ยวกับว่าเรากำลังจะไปที่ไหนต่อไป สำหรับฉัน นี่คือการมาบรรจบกันของเวลาและจุดประสงค์ และเป็นความท้าทายที่ฉันกำลังสร้างมาโดยตลอดทั้งอาชีพการงานของฉัน

คุณได้อธิบายการผลิตว่าเป็น “ป้อมปราการอนาล็อกสุดท้าย” อะไรคือความท้าทายที่ใหญ่ที่สุดของ AI ที่กำลังแก้ไขในด้านการผลิตในขณะนี้?

ฉันอธิบายการผลิตว่าเป็น “ป้อมปราการอนาล็อกสุดท้าย” เนื่องจากความซับซ้อนเชิงโครงสร้างที่ได้รับจากวงจรชีวิตการผลิตที่ยาวและเต็มไปด้วยการถ่ายโอนหลายครั้ง ตัวอย่างเช่น ในระหว่างการผลิต การออกแบบและการผลิตวิศวกรรมทำงานร่วมกับการจัดซื้อจัดจ้าง คุณภาพ การขนส่ง การประกอบหลังการส่งมอบ และการชำระเงินต่างๆ ทั่วโซ่อุปทาน โดยที่แต่ละขั้นตอนนั้นสามารถนำไปสู่ความเสี่ยงและความล่าช้าใหม่ๆ

ความท้าทายหลักคือการเสียดสี ในทุกจุดของโซ่อุปทานการผลิต มีหลายรูปแบบ ระบบ และบางครั้งอาจมีหน่วยวัดที่แตกต่างกัน ความคิดเห็นจะถูกส่งผ่านการถ่ายโอนหลายครั้ง โดยที่แต่ละครั้งอาจกลายเป็นจุดล้มเหลวได้

AI กำลังสร้างคุณค่าสูงสุดในขณะนี้ในการต่อสู้กับการเสียดสีนี้ โดยทำหน้าที่เป็นผู้ประสานงานในระบบที่กระจัดกระจาย: ตรวจจับการไม่สอดคล้อง การจับคู่ชิ้นส่วนกับผู้ผลิตที่เหมาะสม และแม้กระทั่งการสร้างแบบจำลองต้นทุนและเวลารอแบบไดนามิก โดยใช้ข้อมูลการผลิตในอดีตเพื่อคาดการณ์ว่าปัญหาใดอาจเกิดขึ้น และแจ้งเตือนอย่างรวดเร็วก่อนที่จะเสียเวลาและวัสดุ

ในหลายวิธี Xometry สร้างความไว้วางใจกับผู้ผลิตและผู้ซื้อเพื่อใช้กระบวนการทำงานที่ขับเคลื่อนด้วย AI ได้อย่างไร?

ในการผลิต ความไว้วางใจเป็นสิ่งที่ยากที่จะสร้างขึ้น เนื่องจากมีผลลัพธ์ที่ไม่สามารถกลับไปแก้ไขได้ และการสูญเสียวัสดุ การพลาดกำหนดเวลาหรือความล้มเหลวทางคุณภาพสามารถนำไปสู่ความสูญเสียทางการเงินสำหรับบริษัทได้ ดังนั้น ที่ Xometry เราสร้างความไว้วางใจโดยการนำเสนอความน่าเชื่อถือและความชัดเจนอย่างต่อเนื่อง

ผู้ผลิตและผู้ซื้อขึ้นอยู่กับ Xometry สำหรับความเร็วและความโปร่งใส พวกเขารู้ว่าเมื่อพวกเขาอัปโหลดไฟล์ CAD ระบบ AI ของเราจะวิเคราะห์ชิ้นส่วนอย่างรวดเร็วและสร้างการประมาณการเกี่ยวกับราคาอาจมีความเสี่ยง โดยการคาดการณ์เหล่านี้มีพื้นฐานมาจากข้อมูลการผลิตจริง ซึ่งสร้างความน่าเชื่อถือและความชัดเจนให้มากขึ้น ราคาสะท้อนถึงสภาวะตลาดจริง และผู้ผลิตได้รับข้อมูลเชิงลึกอย่างต่อเนื่องเกี่ยวกับวิธีการปรับปรุงประสิทธิภาพและเติบโตของธุรกิจบนแพลตฟอร์ม ระบบยังดำเนินการตรวจสอบอิสระเพื่อจับข้อไม่สอดคล้อง และเมื่อมีบางสิ่งที่ไม่สอดคล้องกัน เราจะแสดงข้อความเตือนในตอนต้นและแจ้งให้ทราบอย่างต่อเนื่อง

AI ที่สร้างสรรค์ (Generative AI) แปลแนวคิดผลิตภัณฑ์เป็นชิ้นส่วนที่สามารถสร้างได้อย่างไร และสิ่งนี้มีผลกระทบต่อเส้นเวลาในการพัฒนาอย่างไร?

การผลิตมักต้องดิ้นรนกับการขาดช่องว่างระหว่างความตั้งใจและความสามารถในการสร้างผลิตภัณฑ์ แนวคิดผลิตภัณฑ์ในช่วงแรกมักไม่สมบูรณ์ และการแปลสิ่งเหล่านั้นเป็นดีไซน์ที่สามารถผลิตได้ต้องมีการถ่ายโอนหลายครั้ง ซึ่งเป็นกระบวนการที่ช้าและอาจมีการทำซ้ำ ซึ่งทำให้เกิดความล่าช้าหรือการขาดแคลน

AI ที่สร้างสรรค์ทำให้วงจรนี้สั้นลง ในทางปฏิบัติ มันแปลอินพุตที่มีโครงสร้างบางส่วนเป็นคุณลักษณะที่สามารถผลิตได้ มันสามารถแสดงข้อเสี่ยง ที่อาจเกิดขึ้น แนะนำวัสดุและกระบวนการ และแจ้งเตือนข้อจำกัดในตอนต้น AI ลดการเสียดสีที่ชะลอการผลิต ทำให้เส้นเวลาในการพัฒนาสั้นลงด้วยการวนซ้ำน้อยลงและชิ้นส่วนที่ถูกทิ้งหรือวัสดุให้น้อยลง

คุณรับรองว่าคุณภาพและควบคุมยังคงสูงเมื่อกระบวนการกลายเป็นแบบอัตโนมัติมากขึ้นอย่างไร?

หลักการสำคัญคือการย้ายการตรวจสอบคุณภาพไปที่ส่วนต้นของกระบวนการผลิต AI สามารถวิเคราะห์ข้อมูลทางเรขาคณิตหลายล้านจุดเพื่อช่วยให้ระบุความเป็นไปได้ในการผลิต ต้นทุน และการจับคู่ผู้ผลิตที่ดีที่สุด ซึ่งให้ความแม่นยำและความสอดคล้องโดยไม่ต้องอาศัยความตั้งใจของมนุษย์เท่านั้น ซึ่งเป็นแนวทางป้องกันความเสี่ยงในการควบคุมคุณภาพมานาน

อย่างไรก็ตาม การมีมนุษย์ในวงจรยังคงจำเป็นสำหรับกระบวนการที่เพิ่มขึ้น เราใช้ AI เพื่อระบุปัญหาและทางเลือกเมื่อจำเป็น แต่คำสั่งสุดท้ายสำหรับการแทรกแซงยังคงอยู่กับผู้ดำเนินการมนุษย์ที่มีประสบการณ์ในการตัดสินใจเหล่านั้น

เรามองเห็นสิ่งนี้อย่างเห็นได้ชัดในภาคส่วนสำคัญเช่นอวกาศและกลาโหม โดยที่การมีมนุษย์ในวงจรเป็นวิธีเดียวที่จะอนุญาตให้มีการทำงานอัตโนมัติในระดับใหญ่โดยไม่สูญเสียการควบคุมคุณภาพ

AI ที่ขับเคลื่อนการกำหนดราคาแบบไดนามิกทำงานที่ Xometry อย่างไร โดยพิจารณาจากต้นทุนการผลิตที่เปลี่ยนแปลงและความซับซ้อนของโซ่อุปทาน?

การกำหนดราคาในการผลิตมีลักษณะที่เปลี่ยนแปลงได้ เนื่องจากชิ้นส่วนแต่ละชิ้นมีความแตกต่างกัน และต้นทุนเปลี่ยนแปลงอยู่เสมอตามวัสดุ ความจุ ปัจจัยภายนอก เช่น ส่วนเพิ่มภาษี และข้อจำกัดอื่นๆ โมเดลการกำหนดราคาแบบคงที่ไม่สามารถรองรับในสภาพแวดล้อมนี้

ที่ Xometry การกำหนดราคาแบบไดนามิกเป็นระบบการเรียนรู้ โมเดลของเราถูกฝึกฝนจากคำเสนอราคาหลายล้านรายการและอัปเดตอย่างต่อเนื่องด้วยผลลัพธ์การผลิตจริง วงจรการให้ข้อมูลย้อนกลับนี้ทำให้ราคามีพื้นฐานมาจากความเป็นจริง

เมื่อวิศวกรอัปโหลดไฟล์ CAD เครื่องยนต์ Instant Quoting ของเราวิเคราะห์ไฟล์ทันทีและตรวจสอบกับปัจจัยและข้อจำกัดภายนอกที่ส่งผลต่อราคาที่จะระบุผู้ผลิตที่ดีที่สุดจากเครือข่ายพันธมิตรหลายพันรายของเรา

จากนั้น เมื่อสภาวะเปลี่ยนแปลง เครื่องยนต์จะปรับเทียบใหม่อัตโนมัติ โดยอัปเดตราคาในเวลาจริงเพื่อสะท้อนการเปลี่ยนแปลงของวัสดุ ความจุ ภาษี และตัวขับเคลื่อนต้นทุนอื่นๆ

ด้วยลูกค้าที่หลากหลายตั้งแต่วิศวกรไปจนถึงผู้จัดการโซ่อุปทาน Xometry ปรับแต่งประสบการณ์โดยใช้ AI และการวิเคราะห์ข้อมูลอย่างไร?

ที่ Xometry AI สร้างประสบการณ์ที่ปรับแต่งได้มากขึ้นสำหรับผู้ใช้ของเรา โดยทำให้กระบวนการผลิตเป็นไปอย่างราบรื่นตามความต้องการส่วนบุคคล สำหรับวิศวกร สิ่งนี้อาจดูเหมือนคำติชมเร็วเกี่ยวกับวัสดุและความเสี่ยงในการออกแบบ หรือสำหรับผู้จัดการโซ่อุปทาน สิ่งนี้อาจหมายถึงการแจ้งเตือนเร็วเกี่ยวกับการหยุดชะงักของการขนส่งเพื่อลดข้อผิดพลาดที่มีค่าใช้จ่ายและสร้างความไว้วางใจ

เมื่อมองไปข้างหน้า คุณเชื่อว่านวัตกรรม AI อย่างไรที่จะเปลี่ยนแปลงระบบนิเวศการผลิตใน 3-5 ปี?

ฉันเชื่อว่านวัตกรรม AI ที่มีแนวโน้มที่จะเปลี่ยนการผลิตคือการให้เหตุผลอย่างต่อเนื่องตลอดวงจรการผลิตทั้งหมด

เช่นเดียวกับที่ฉันกล่าวไว้ก่อนหน้านี้ การตัดสินใจในการผลิตมักยังคงกระจัดกระจาย ผู้ผลิตประเมินการออกแบบ ต้นทุน การจัดหา และความสามารถในการผลิตแยกจากกัน ซึ่งหมายความว่าปัญหาหลายอย่างมักจะถูกพบในภายหลังและกลายเป็นต้นทุนสูงขึ้น

การเปลี่ยนแปลงที่ฉันคาดการณ์คือการเปลี่ยนแปลงไปสู่ระบบ AI ที่ให้เหตุผลข้ามมิติเหล่านี้ในแบบขนาน โดยรวมเข้าด้วยกันเป็นโปรแกรมที่ผสมผสานซึ่งเรียนรู้จากผลลัพธ์การผลิตในอดีตและปรับตัวในเวลาจริง

รุ่นแรกๆ ของสิ่งนี้มีอยู่แล้วในพื้นที่ เช่น การวิเคราะห์ DFM, การจัดหา และแม้กระทั่งการกำหนดราคา แต่ในช่วงหลายปีที่จะมาถึง เราจะเห็นขอบเขตเหล่านี้ล้มลงเพิ่มเติม โดยสร้างระบบนิเวศการผลิตที่เร็วขึ้น มีประสิทธิภาพมากขึ้น และสามารถปรับตัวได้มากขึ้น

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Xometry เพื่อเรียนรู้เพิ่มเติม