「这个例子是真实的。工厂有个人每天 4 点上班，4 点到 8 点其他什么事都不干，就是把各个系统的数据收集整理到一个 Excel 里面，然后跟昨天 24 小时数据做对比，最后人工出一份报表，递交到总经理办公室。」

除了相当耗费时间和人力，这也是个可能适用于老师傅，但绝对不会让当下年轻人买账的工作岗位。
换句话说，假如这份工作今后没人做，那么我们如何获取这份工作本应输出的洞察来支持决策？

「一方面这种事情很难传承，另一方面人为介入也有很多犯错机会。因此，尽管一直在谈数字化，但工业本身血液里面的观念就不是数据驱动的。

所以这时候引入一些数据驱动的技术就是为了改善原来工业不善用的方法，去尝试能不能用一些算法来优化流程、提升效率、或降低成本。」金超认为。

天泽智云首席数据科学家晋文静

实际上，在无形中浪费工厂设备及人力资源的不仅仅是数据收集方式的老化，走访数个自动化工厂的过程中，天泽智云团队也发现了他们的另一个「无用功」。

「有一个客户采了 1 年半的数据，问这些数据应该怎么处理，」天泽智云首席数据科学家晋文静并没有立刻翻看这些数据，而是问了一个问题——你想解决什么问题。
在得到答案后，她看了数据第一行就下了一个结论：
全是垃圾数据，白采了，365 天每分每秒。

「工业里面有个误区，觉得数据越多越好，这其实是非常错误的」晋文静认为，这其实相当于在大量消耗工厂的资源。

就像城市监控里面这么多视频，其实大家存那么多视频有什么用？我们视频当中出现犯罪分子特征值，他的脸部特征出现了，你要的就是那段信息，他可能会触发一些事件来获取前后段原始数据。

但剩下的把那些数据拿过来干什么用？就是浪费存储，说白了就是浪费计算资源。」

富士康工厂的转型逻辑
与富士康合作的机加工刀具寿命预测项目是天泽智云算法团队帮助解决以上两个难题的典型案例。

在确定「不可能持续采集有效数据」的基础上，算法工程师们选择先确认铣削产线上存在的问题究竟是什么，再根据问题分析需要建立什么样的模型，然后再倒推其究竟需要怎样的数据。

在机加工过程中，刀具的质量和磨损是影响产品的良率和生产效率的一个重要因素，而且刀具成本占总成本的 70% 以上，降低刀具成本将至关重要。

刀具在铣削过程中，因受各种外界原因的干扰，譬如切削速度、进给率、工件材质，都会对刀具造成不同程度的磨损。

天泽智云算法团队在机加工产线上泡了若干天后，发现刀子与工件撞击会产生磨损的同时，其表征为刀具的振动，虽然振动量很微弱，但这个细节非常关键。
「经过我们的测算后，发现这个振动是最敏感的，因此我们就在刀子最靠近其加工的部位装上了振动传感器。」晋文静指出。

解决了「如何采」，而下一步就是「何时采」的问题，这个问题的答案恰恰可以帮助工厂节省大量数据采集时间与数据储存空间。