学霸的军工科研系统 第620节

　　“老吴那边毕竟只是个搞进出口贸易的小公司，人家难免觉得不够靠谱，您也知道，苏联解体这些年来，这帮老工人被那些私人企业坑得已经很惨了，对他们有抗拒心理也是很正常的。”

　　听到这个解释，丁高恒直接就乐了：

　　“这个好办，虽然咱们官方不方便直接出面，但是可以让船舶工业系统的同志印刷一些中俄双语的册子，上面再附上咱们准备好的社区，还有工厂照片。”

　　“咱们国家现在什么都缺，就这种跟苏联工厂类似的老厂区不缺，到处都是……”

　　尽管丁高恒并没有亲自去过独联体国家，但并不难猜测那边职工们的心态。

　　过了将近十年苦日子，乍一看见这熟悉的气息和环境，要说心里没点想法，那是不可能的。

　　这种时候再一撺掇，很多事情也就顺理成章了。

　　这功夫还没有后来那花样繁多的诈骗套路，或者说，虽然有，但并不为人所熟知。

　　因此真说起警惕性，其实也就那样。

　　有個像样的宣传册，再加上照片，说服力还是很强的。

　　“这样可行。”

　　常浩南也点了点头：

　　“那我就让老吴那边先稳住对方，不要操之过急，等我们把宣传材料送过去再有动作。”

　　这个问题解决掉之后，第二件事情就没什么好说的了。

　　徐平曾和吴懿范两个人都已经同意，说是申请，其实就是通报一下。

　　而且，从常浩南的视角来看，前者的顾虑是很有道理的。

　　在原来的时间线上，瓦良格号在被拖回国的过程中，就遇到过好几次国外人员试图非法强行登舰的情况，甚至还成功过。

　　只不过上一世买回来的瓦良格号真的只有个船壳子，上面属实没什么还能被进一步破坏的东西，所以没遭到什么实际损失，只是比较丢脸。

　　但如今徐平曾保住了不少关键设备和资料，目前都放在船上，如果被夺取或者破坏，那可就亏大了。

　　至于拆卸、交接和转运要消耗大约1-2个月时间……

　　对于造船这种动辄以年计数的长周期行业来说，显然并不关键。

　　……

　　本来，按照常浩南的想法，既然瓦良格号启程回国的时间会略微延后，那么国庆之前应该就不会有太多事情了。

　　但是，计划赶不上变化。

　　8月末，随着高校的新学期陆续开始，常浩南的工作重心逐渐从企业管理转回到了实验室里面。

　　姚梦娜也在112厂完成了第一阶段的产能爬坡任务，把歼11的产量提高了大概三分之一。

　　按照之前的约定，常浩南需要给她准备一个新的课题。

　　不过，这一次，姚梦娜却是自己带着问题回来的。

　　“常教授，我发现了一个问题。”

　　刚刚摘掉帽子换上实验服的姚梦娜坐到常浩南办公桌对面的椅子上。

　　“什么问题？”

　　常浩南抬起头。

　　“我发现，我之前走到了一个思维误区里面。”

　　姚梦娜眉头轻蹙，显然是在因为某些事情而困扰：

　　“我一直以为，十一号工程脉动生产线的效率达不到预期指标，是因为我没能调控好各个环节的工时分配系数。”

　　“但后来我发现，其实问题在于整个总装过程，尤其是每一个环节之后的质量检测过程数据量太大，而且不同检测环节所输出的关键数据不同，导致这个步骤根本没办法用自动化系统解决，虽然录入了电脑，但最后还是靠人工检查……”

　　常浩南并没有着急，而是一边听着姚梦娜略显混乱的解释，一边在脑子里梳理着对方要表达的意思。

　　简单来说，就是虽然在产线上加入了大量传感器，但传感器传回来的数据却因为过于复杂而不容易被直接分析。

　　尤其是如变形量、平整度、尺寸契合度、铆接过程的漏铆、复铆等问题，产生的数据维度很高。

　　例如漏铆，会在铆孔的位置留下一个洞，对于人来说就是看一眼的事情，但对于自动化设备来说，却很难进行识别。

　　最后只不过是从工人到工位上去检查，变成了拍下照片，然后再由工人对着照片检查。

　　反倒多费了一遍事。

　　“所以，我觉得……只有用计算机代替人来完成这个过程，才能完全发挥脉动生产线的理论潜力！”

　　姚梦娜喝了口水，最后总结道。

第758章 流形学习

　　姚梦娜提出的这个问题，对于常浩南来说，不难理解。

　　只是很难解决。

　　真要说起来的话，这涉及到文本挖掘、数据可视化、信息检索、数据挖掘、机器学习乃至人工智能等一系列问题。

　　如果真做到姚梦娜所设想的那样全自动化生产，那就是工业4.0了。

　　在1999年这个时间点上，显然不大现实。

　　但不可能完全实现这一整套东西，并不意味着其中没有可以作为突破口的部分。

　　比如数据挖掘和信息检索，就是千禧年附近很火热的研究方向。

　　其核心目的是从海量数据库和大量繁杂信息中提取出有价值的知识，并进一步提高信息的利用率。

　　实际上，在常浩南重生之前，飞机设计和制造领域已经开始应用这方面的技术，他本人也接触过不少。

　　但当年的他作为一个工科出身的普通技术人员，并没有太多理论功底。

　　而系统，则首先需要构建出一个完整且可行的思路出来。

　　这就导致如今他脑子里空有一大堆名词，但却不知道哪個是破局的关键——

　　实际上，他此时就面临着无法从大量繁杂信息中提取出有价值信息的困境。

　　“信息……”

　　常浩南从旁边扯过一张纸，在纸的最中间写下了两个字。

　　在理想化的模型中，最好是一个数据就可以精确且唯一地描述一个含义。

　　也就是一维数据。

　　小学和中学时候做的应用题，大体上就是这样。

　　实际生活中面临的，其实大多数也是这种问题。

　　而对于稍复杂一些的情况来说，要完全描述一个含义，往往需要一组数据。

　　但与此同时，这一组数据又往往不只能描述这一个含义。

　　要想在数学上描述这种一组（多个）数据对应多个含义的现象，就需要将一组数据在不同的维度上进行展开。

　　这是由数学理论推向现实的情况。

　　而反过来，现实中收集到的信息，在多数情况下，本身就是已经展开过的高维数据。

　　而如果想要让计算机处理这些高维数据……

　　常浩南思索半晌，又在纸上写下了三个基本条件：

　　1、对原始高维数据进行压缩，降低原始高维数据的维度，进而节省存储空间，同时也降低高维数据的计算复杂度。

　　2、消除，或者至少降低隐藏在原始高维数据中的噪声。

　　3、提取到高质量的数据特征，提升后续的数据表示和分类任务的效果。

　　他在脑子里把这三条内容过了一下，然后试图让系统给出一个结果。

　　没有反应。

　　显然，这并不能被算作是“完整且可行”的思路。

　　……

　　不知不觉间，常浩南就在办公桌前枯坐到了快要吃午饭的时候。

　　仍然没能想出一个很好的思路。

　　直到一阵来自腹部的叫声把它从深思中吵醒。

　　确实有点饿了。

　　姚梦娜看了看纸上的一个名词和三句话，也知道常浩南大概是没什么思路，干脆站起身道：

　　“要不先去吃个饭？”

　　“也好。”

　　常浩南不是那种死钻牛角尖的人。

　　更何况数学这种东西，光靠俺寻思是寻思不出个一二三的。

　　没有灵感，说啥都没用。

　　不如先放松一下，换个思路。

　　十五分钟后，三人（连同朱雅丹）已经围坐在了食堂二层的一个圆桌旁边。

　　这里算是个点餐制的小灶，价格比下面的大食堂贵一些，加上还要多上一层楼，因此来这里吃饭的人并不算多。

　　倒是旁边的小超市，来来往往的人流量不少。

　　常浩南面前摆着一份热气腾腾的羊汤面，但却并没有急着动筷子，而是出神地看着不远处楼梯口上上下下的人群。

　　90年代这会，方便面还属于非常流行的即食类食品。

　　常浩南读本科那阵子，大家的条件普遍比较差，有闲钱吃得起的人不多。

　　但到了99年这会，大学生在宿舍备上几袋甚至一箱，都不算什么稀罕事了。

　　“你们说……”

　　常浩南突然开口道：