将数据分析用于制造业，「洪朴信息」先做“制造的智能”

洪朴信息根据制造业特点解决了三方面问题：智能外观缺陷检测、智能生产过程管理、智能仓储
管理.

国家统计局2015年12月数据显示，我国共有近300万家制造型企业。2017年《新一代人工
智能发展规划》 又提出“新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、
国防建设等领域得到广泛应用，人工智能核心产业规模超过4000亿元，带动相关产业规模
超过5万亿元。” 意味着近300万家制造型企业将会面临人工智能改造。

提起大数据在制造业的应用，你能想到什么？是不是类似工业物联网、在机器设备上安装
传感器，利用回传数据做机器故障预测及远程维修？类似的工业物联网公司有36氪之前报
道过的数途 、大数点、智物联、英物智联、昆仑数据、应势科技等。而洪朴信息从企业
如何提升生产效率的核心痛点出发，将数据分析应用在了不同方面。

洪朴信息根据制造业特点解决了三方面问题：智能外观缺陷检测、智能生产过程管理、智
能仓储管理。
部分工厂的自动化识别手段，只能识别具有具体且清晰定义的缺陷，人工检测产品外观缺
陷人力消耗大，生产效率低，部分工厂的自动化识别手段只能识别具有具体清晰定义的缺
陷，场景受限。洪朴则对外观件合格品与不合格品产品分别取样、标签化，进行光学取像
，在高性能服务器上利用样品图像进行深度学习/机器学习训练，建立分类模型，实现智
能检测，将模型应用到工厂生产线上，实施自动检测、分拣，提高识别精度和效率。在某
芯片封装测试工厂瑕疵芯片智能检测项目中，洪朴将判别率精度在原有算法上提高1.5%
，生产效率提升6.7%。

制造业在生产过程中会涉及到诸多参数的调整和管理，工人需根据生产标准和实际情况调
整可控参数，但是生产中的参数有成千上万，传统方法依靠工人经验手动调整，风险不可
控，且不能做到量化和精准。关于这点，洪朴根据历史生产数据建模，从参数中找出与良
品率最相关的关键参数，对关键参数与良品率的关系进行训练建模，找出其中的关系模型
，根据关系模型，对每批次产品推荐最优参数值，最终实现良品率提升。以铸造业为例，
数据显示，洪朴能显著提升良品率。

对于仓储，洪朴基于关联分析技术，对仓储物品进行相关性分析，关联性高的物料应该临
近摆放，规划仓储物流路径，缩短物流路径，降低物流成本，提高仓储效率30%左右。

制造业分为离散型和流程型，洪朴现在主要面对比较重人力密集的离散型工业企业。

关于制造业的定位，CEO 许剑锋告诉36氪，制造业中的民营企业付费意愿非常强烈，客
户忠诚度比较高，而且一定程度上有国家政策推动，而且相比零售、医疗等比较热门的大
数据分析，制造业竞争没有那么激烈，工业企业并不需要太多供应商，全路径产品才是需
要关注的.
洪朴的核心竞争力在于对制造业场景的深入延伸。拿智能外观缺陷检测举例，虽然底层技
术是相似的，但是技术的应用方向完全不同，制造业需要对不同生产线和属性有了解，在
极端情况下，设备是否能够满足精度和稳定性需求等细微差别都影响技术的应用，所以技
术适配在现阶段来看构成一定的门槛。但是长期来看，洪朴的价值在于数据积累，数据积
累有利于模型的构建，比如数据源种类、图像数据、生产线数据和仓储数据等，模型搭建
帮助提升效率、优化仓储和图像智能识别。

洪朴现在的合作渠道有华为、阿里云、GE、Dell、SAP；客户包括制造业领域头部企业。

智能制造大家已经耳熟能详，洪朴现在做的事情更像智能制造的第一环节——制造的智能
。初始阶段大量的传统制造型企业其实没有很好的数据形态，洪朴先将数据逐渐标准化、
模型化，通过市场摸索，将技术产品化，形成行业通用产品，为垂直场景提供支持.

洪朴信息现在20人左右，CEO许剑锋是上海交通大学计算机硕士、美国伊利诺伊大学香槟
分校（UIUC） 统计学博士，曾任美国Alliance Data信用卡公司高级分析咨询师、美国安
德森癌症中心大数据分析科学家。COO陶青曾任Uber中国区客户满意指标负责人、Intel中
国华为全球与Intel项目业务负责人，主持开发Intel第一代智能生产管理系统 TIMEs， 实现
70%效率提升，并推广到Intel全球。

公司曾经获得250万元天使轮融资，现有意向进行下一轮融资.