近期,联想研发的人工智能算法获得了Franz Edelman杰出成就奖提名,该奖是全球运筹和管理科学界的最高荣誉,被誉为运筹学的“奥斯卡”。该奖设立50年以来还从未有中国公司获此奖项,联想集团有望实现中国公司“零的突破”。

Franz Edelman杰出成就奖重点奖励全球的组织、企业在运筹和管理学领域做出突出贡献、并带来重大应用价值的研究项目或成果,自奖项1972年首次颁发以来,获奖项目已累计产生2500多亿美元价值。

联想的人工智能凭什么被提名?

合肥市肥西县云谷路3188号,每一秒有两台PC下线,每天有超过8万台笔记本电脑从这里诞生,每年出产则超过3700万台,全球每生产8台笔记本电脑,就有一台来自这里——联想旗下的自有制造中心联宝电子科技有限公司。联想是全球最大的个人电脑公司,全球市场份额独占四分之一,联想旗下超过50%的PC来自联宝科技,联宝科技亦为联想旗下以及全世界最大的个人电脑生产与研发中心。

巨大的数字背后有巨大的难题。联想旗下的PC产品有ThinkPad、拯救者、Yoga、小新、ThinkBook等众多产品线,这些产品线覆盖了从高到低各种配置与需求。与此同时,来自市场的需求又千变万化,工厂生产何种产品的计划每天都是全新的。事实上,目前联宝科技每天要接到来自全球包含8万台设备生产计划的5000余个订单,这些订单80%以上都是单笔小于5台的个性化定制。换言之,每天早上如何在联宝科技的4个车间、43条装配线上安排这几百个不同配置的生产计划,是工厂高效工作最大的难题之一。

难点首先来自配件调度。一台电脑从联宝工厂是从将最基本的电容、电感等配件焊接至电路板,直到灌入操作系统,打包出厂为止,这其中有超过2000种不同的零配件需要输送至生产线;第二重难点来自任务序列。每个系列的产品、同系列不同配置的产品之间使用的零配件即有重叠的部分,比如电容、电感、接口等,也有相同的部分,比如处理器、内存颗粒等。高效的安排产品生产序列,需要尽可能减少配件供应的切换,提高效率。

在这样的现实下,安排每一个生产任务在生产线上的先后序列,就如同再下一盘难度爆表的棋。说到下棋,围棋无疑是最难的棋类运动之一,下围棋时每一步走棋的可能性都远超宇宙中所有原子数,用计算力单纯来穷举无疑痴人说梦。但2017年,人工智能 AlphaGo用人类无法撼动的优势不仅宣告了深度学习这项技术在人工智能研发上的力量,也成就它成为解决策略问题最伟大的人工智能成果之一。

联想集团此次获提名的LAPS联想先进生产调度系统(Lenovo advanced production scheduling system)亦是如此,它解决了复杂度同样远超宇宙中所有原子数的生产调度问题,而且为实际生产创造了数十亿元的新价值。

LAPS厉害在哪里?

从技术上来说,生产线上不仅充满不确定性,同时还很复杂。首先,原材料和需求因为市场和上游供应商的原因,数量、质量会有很大的波动,在安排生产计划是必须将波动考虑在内,要对车间的最新情况,比如可用生产线、生产能力、设备状况,甚至是工作人员出勤情况全盘统筹,还需要快速响应。

其次,生产过程的业务需求有可能是互相矛盾的,比如高延迟风险的紧急订单需要优先生产,但是总体生产的目标又倾向于把类似的订单中整合在一起,以求缩短生产线换线时间,提高生产效率。这两种需求实际上需要平衡,但很难。

在有LAPS辅助决策之前,联宝工厂是依靠一套基于固定规则的手工排班方法进行生产调度,这个过程是由数个资深工程师每日花费数小时完成。而联想研究院领衔研发的LAPS用全新的方法解决了这个问题,每日向工具中加载数据,比如制造订单、生产能力和生产线等参数,再附加上生产约束条件以及需求偏好等一起输入,LAPS单次运行便可处理超过10亿个变量和50亿个约束条件,在两分钟左右完成生产调度计划。

如此强大的LAPS是如何构建的呢?让我们再回到下围棋。

计算机擅长浮点运算,但对于围棋这样复杂的问题,即使是最强大的计算机,穷尽和比较一盘棋的所有可能性也是不切实际的,因为在围棋19乘以19路的棋盘上,每一步的可能性远超过宇宙中的原子数10的80次方个。而职业围棋手经过多年的训练,获得了一种可以判断局面的“直觉”。这种“直觉”的核心其实来自对过去棋局的提炼和记忆,在AlphaGo之前,职业棋手的这种感觉是围棋领域中有些玄妙色彩的东西。

人类棋手类似,AlphaGo通过深度学习、蒙特卡洛树搜索从大量的对弈经验中累积学习来获得对弈策略,在人类棋局不足时,AlphaGo还可以自我对弈产生更多的经验。最终的结局,就是AlphaGo在分别战胜李世乭九段和柯洁九段,棋力已经远超人类极限后,最终宣布“退出”围棋项目。

同样的思路也可以应用到生产调度中。就像玩拼图、俄罗斯方块或围棋一样,生产调度的过程也可以看作是将一系列元素,一个个放到正确的位置上。与其说算法是在学习解决方案,不如说是在学习过去人类的经验。

LAPS的卓越性能来自于多种人工智能技术和数学优化算法。通过构建独创的深度非线性编码器和策略学习网络,决策引擎可对大规模排程问题进行多目标协同优化,并支持对优化目标的实时配置和反馈。用户可根据需求和环境变化,灵活设置生产目标、物料齐套、生产排程等环节的参数和优先级、并能通过添加或删除决策任务,实现可灵活定制化的生产规划。

同时,引入基于深度图模型的遮盖网络,快速判断复杂的约束条件,以确保在不牺牲响应速度的前提下,决策结果严格遵守复杂的业务逻辑。除此之外,研发人员还进一步引入并行化技术,提升系统响应速度,使其具备实时决策、增量规划,以及假设分析等能力。

这些技术和算法,充分优化了生产线之间的生产资源分配和调度,提供更高效、更优质的生产资源配置方案,解决了制造业生产计划耗时长、效率低、无法兼顾多个目标等问题。

联想的人工智能不是“花架子”

研发联想先进生产调度系统LAPS的联想研究院,是联想旗下研发体系中着眼3至5年中长期技术投入的重要环节,承载着联想对技术和产业发展趋势的理解,并以此布局未来发展。与此同时,联想的研发思路聚焦在如何从高效赋能企业自身出发,实现最大可能性的研发结果转化,以及更进一步的赋能行业。

LAPS自从2019年初步部署在联宝生产中心之后,展现了更快、更好的排产能力。对于单次排产规划,LAPS可以在几分钟内生成生产计划,这比传统解决方案所需的数小时计算速度快得多,快速的排产也为调整和重新安排提供了足够的灵活性。LAPS纳入生产体系后,原有的极富经验的任务团队可以大大地腾出时间来处理其他更有价值的任务。除了速度上的提升,LAPS在生产量、订单数量和客户满意度等所有方面都优于过去的方案。

为了更进一步评估LAPS对联想的真正价值,LAPS在部署之初是与人工排班程序并行运行进行了一年的比较。这期间,联宝生产中心的PC产量增加了23%,积压订单数量减少了20%。

今年两会上,碳达峰、碳中和被首次写入政府工作报告,也成为代表委员们讨论的“热词”。正如联合国政府间气候变化专门委员会(IPCC)在评估报告中所描述,人类活动显著影响气候变化。联想对此十分认同,也意识到当前气候变化的趋势将带来巨大的经济和社会影响。当下,需采取必要行动来稳定大气层中的温室气体含量并将全球平均气温升幅维持在可接受范围内。

作为中国ESG(环境、社会和企业管理)可持续发展表现最好的公司之一,LAPS还将进一步让人类世界变得更美好,持续削碳排放量:在目前的生产量下,LAPS通过提高生产效率、减少生产线闲置等方式,每年节省超过2696兆瓦时的电力,相当于200多吨标准煤,可减少2000多吨二氧化碳的排放,相当于每年种11万棵树。

联想专注而高效的研发策略践行了另一件事,就是AI不仅是美好的愿景,而且是能切实推动公司智能化转型的利器:仅仅依靠粗略的产量财务评估,LAPS带来的提升就相当于增加了18%以上的营收。回顾2019年和2020年,LCFC的PC生产总收入分别超过650亿和910亿人民币,两年间LAPS带来的提升超过300亿人民币。总的来说,联想先进生产调度系统每年为联想多挣130亿元。而且随着LAPS在联宝的更进一步磨合,以及在联想墨西哥工厂正在实施的部署,这套系统为联想带来的收益将会进一步增加。

在过去的一年里,面对前所未有的全球大疫情,联想经历了物料、工人、物流等供应链的巨大挑战。同时,在不断扩大的"远程工作/学习"的环境下,联想获得了创纪录的客户订单,而作为联想最大的制造工厂,联宝科技的产量达到历史最高。这也让联想扩大了PC市场的份额,保持了全球领先地位。2021年2月公布的最新财报显示,联想全球PC市场份额达到25.3%的历史新高,最新的市场研究表明,全球市场对PC的需求还将进一步复苏。

2021年3月的两会期间,联想集团董事长兼首席执行官杨元庆提交了以智能科技赋能中国实体经济发展、推动中国制造迈向“中国智造”、以更高质量的内循环带动构建国内国际双循环新发展格局的建议。建议中说,“高质量”的内循环还需要通过自动化、数字化、智能化推动制造业的转型升级,让“中国制造”迈向“中国智造”。

获得Franz Edelman杰出成就奖提名,有望实现中国企业“零的突破”的联想先进生产调度系统LAPS正是联想在“新IT”策略指引下的最新成果。实体制造业是强国之基,也是实现“双循环”高质量发展的基础和保障。杨元庆认为,过去“中国制造”已经形成出色的成本和效率优势。进入“十四五”高质量发展阶段,中国制造业还需要用智能化手段,实现提质增效,加快迈向中高端。