随着消费者需求逐渐多样化、新消费品牌逐渐的兴起，传统的食品饮料行业面临更多元的市场竞争，生产端的数字化转型成为提升竞争力的重要手段。 创新奇智与知名啤酒龙头企业展开合作，致力于对其标杆工厂进行全面的数字化与信息化升级，工厂数据平台通过IT和OT数据采集，数据治理、数据服务等建设，提供工厂指标分析、数据共享服务，为管理层决策诉求提供数据支持。 同时基于创新奇智自研的AInnoGC工业大模型产品ChatBI打造智能生产制造数据分析方案，在不影响工厂生产运行的前提下，实现工厂对运营数据的分析、决策、产品质量实时检测、追溯及分析。
项目背景 某世界TOP5的啤酒生产厂商，全球首家啤酒饮料行业“可持续灯塔工厂”，年产量达到数十亿升。随着生产规模的不断扩大，其管理难度呈几何级增长。工厂生产质量相关的数据被分散存储在多种不同的系统中，导致数据混乱无序，制作生产数据报表需要花费大量的时间和人力，并且传统的动态报表依然难以满足管理者的全部需求，面对生产数据异常等问题，他们还需要花费大量时间和精力追溯问题的根源，这一过程严重影响了问题的及时解决和生产效率的提升。
解决方案 创新奇智基于奇智孔明AInnoGC工业大模型的应用ChatBI为客户量身打造了智能生产制造数据分析方案。该方案从各个MES、WMS、能源、设备等业务系统中，抽取各个业务系统的数据，对这些数据进行指标体系梳理。 在工厂数字治理及指标体系建立的基础上，通过集成基于奇智孔明AInnoGC工业大模型的应用ChatBI数据分析智能体，使得简单对话即可理解管理者真实意图，实时生成生产数据报表、快速构建数据看板，成为现实。从而进一步提高生产运营决策效率，提升生产效率。 具备行业Know-How的数据分析 在具体的企业应用场景中，用户的问题中往往包含着大量的行业术语，而这背后都隐藏着大量的行业背景知识。 针对这个问题，创新奇智项目组通过与工厂一线员工进行深度沟通，帮助客户深度梳理了数据及指标体系，帮助建立了啤酒行业知识库，这个知识库不仅包含了每个指标的具体含义、指标背后的计算公式，也包含了啤酒生产过程中的一些生产工艺知识等等。当用户在进行数据问答的过程中，ChatBI会首先进入到知识库中，了解相关的背景知识。结合背景知识对用户的问题进行理解与分析。这样不仅可以帮助模型理解用户包含行业背景知识的问题，也可以让模型对所查到的数据进行更好的解读。 支持复杂问题的多维度思考 当用户在问一个问题的时候，这个问题中很可能包含了复杂的多次查询需求，难以通过单次的问题理解转换生成对应的查询语句。针对这个问题，创新奇智主动将思考、行动、观察这一方案应用在了工业数据分析的场景中。 Thought：当用户提出问题之后，有大模型的首先思考并生成问题的解决方案，是大模型产生行为和依据。可以根据大模型的思考，来衡量他要采取的行为是否合理。这是一个可用来判断本次决策是否合理的关键依据。相较于人类，thought的存在可以让大模型的决策变得更加有可解释性和可信度。 Act：Act是指大模型判断本次需要执行的具体行为。Act一般由两部分组成：行为和对象。用编程的说法就是API名称和对应的入参。大模型最大的优势是，可以根据Thought的判断，选择需要使用的API并生成需要填入API的参数。从而保证了思考、行动、观察方案在执行层面的可行性。 Obs：大模型框架对于外界输入的获取。它就像大模型的五官，将外界的反馈信息同步给大模型，协助大模型进一步的做分析或者决策。
方案优势 创新奇智在充分理解制造业客户的习惯和需求、保证数据分析准确性的同时，还兼顾产品的易用性： 高精度SQL生成 得益于AInnoGC工业大模型的强大的Text-to-SQL代码生成能力，经过多个权威公开数据集的测试，其准确率优于多数主流大模型产品。这意味着工厂管理者可以通过简单的文本输入，快速生成复杂的SQL查询，从而获取所需的数据分析结果。 多轮对话与问题下钻 通过多轮对话，系统可以引导管理者逐步深入问题核心，从而更全面地理解生产情况，发现潜在问题和改进机会，帮助工厂管理者进行深入的问题分析和探讨。 数据安全保障 在企业私有化部署的同时，系统可以根据不同的权限进行数据加密，有效降低数据关联风险。这样，工厂的敏感数据得到了妥善保护，确保了数据安全和隐私。