【活動報導】AI鏈結生產!智慧工廠的新樣貌

作者:吳芝頤

不同於過去機械化、電氣化、自動化的工業革命,現今「工業4.0」著重於物聯網、人工智慧、大數據等,將數據整合後分析建模,展現「智慧化、客製化、網路化、自主化」的特質。AIGO本年度第四場交流會,邀請到兩位專家來分享關於「智慧製造」這個改變產業的重要議題。

數據、模型建立成關鍵

「智慧製造只是無人工廠或關燈生產這麼簡單嗎?」

國研院國網中心研究員姚志民解釋,智慧製造有別於傳統工業的生產方式,不強調大量製造,反而著墨於三個主軸 — 產品、生產、營運/供應鏈。產品生命週期包含產品設計、製造、使用及服務、回收;生產系統生命週期中獲取的數據是智慧工廠的核心,價值極高;供應鏈上的廠商垂直分工,將原本獨立於各部門的資料轉變成互通共享,達到資料收集和生產製造結合的「連網製造」。

工業4.0除了5M(Material、Machine、Method、Measurement、Maintenance)及新增要素「建模Model」成為6M,另外也加上6C(Connect、Cloud、Cyber、Content、Customization、Community)。過去的製造過程仰賴工作人員經驗累積,而現在只要問題發生時,透過原始資料產出不同型態的模型進行分析判斷,再調整模型當中原始的5個要素解決問題即可,是為「模型經驗的累積」,姚志民認為工業4.0:「更科學化。」

如何利用資料蒐集預測下一步?

至於如何應用技術整合虛實世界呢?強調虛實兩個世界連結的「網路實體系統 (CPS) 」,在實體世界中運用感測器蒐集資料,概括人員、材料、環境等等,將這些已知資料轉換成針對重要零件或設備的分析數據,就能讓決策者決定並採取行動。

另一項技術「數位孿生(Digital Twin)」則可在虛擬世界預測實體世界的未來,也就是透過實體世界蒐集來的數據建立一套模型,從這個「數位雙胞胎」再去準確預測實體世界的未來。以上兩個技術被視為智慧製造的關鍵技術。

國研院國網中心研究員姚志民說明智慧製造的核心。(攝影:張芷薇)

改變分析模式  創造精準結果

「人工智慧其實就是機器學習和深度學習。」姚志民說道,過去的實驗利用電腦輔助工程進行分析,幾乎是基本物理定律下的結果,但現在改為「演算法」,不須寫出方程式,機器只要在充足的資料輸入下找到一個適合的模型(也就是函數)就能預測結果,是為「數學方式找到模型」。

然而最關鍵的是「定義題目」,必須思考哪些類型的問題適合機器學習的方法,並且以最適當的問法找尋答案,例如機器學習的特性是回答「單選問題」,只產出一個答案,而數值的計算可利用迴歸獲得結果。另外異常檢測的結果分為正常和異常,使用者不能利用異常資料進行檢測,應檢視正常資料和其資料之間的差距,加以修正。

姚志民表示:「人工智慧民主化是現今的趨勢。」意思是說,門檻降低得以讓入門者加快上手速度,而擔任QuickLogic亞洲業務總監的連文賢體現以上說法,展現該公司協助無相關背景的客戶開發AI的技術。

嶄新技術  門外漢也能成功用AI!

「演算法讓人頭痛因為要寫程式;AI機器學習學問太深,沒有專業背景會看不懂和也不知如何分析。」連文賢一語道破有心學習者的現況與困境。

有沒有更容易上手的工具呢?連文賢相信未來會愈來愈多這樣的工具,他以一款軟體 - SensiML為例指出,只需三個步驟便成功開發客戶所需的AI:首先利用一套圖形化工具,蒐集數據後將資料標記以確認正常或異常;再運用一套工具來擷取具有相關特徵的資料以建立模型演算法,可自動或手動建立,再建置到運算設備上,即具有AI演算法的辨識能力;第三套工具是針對此演算法進行測試驗證,辨識率高的話就可實際應用了。

他提出這套系統可以真正做到所謂的邊緣運算(Edge Computing),也就是能將AI推展到Edge端。他強調MCU本來就是終端設備的運算中心,當它也能搭配AI晶片即時運算時,由於感測器即在AI晶片旁,相對來說功耗低,省下將資料傳送至雲端的成本,且數據保密性、隱私性較高。

別小看這項技術的潛能!它的潛在市場遍布各產業,包含企業的工廠(機器運轉聲、環境濕度)、消費性電子產品(蒐集手勢建立辨識系統)、智慧農業(利用內建麥克風觀察牲畜鳴叫、活動的聲音)、大型建設及大眾運輸系統監控,應用感測器偵測目標物/地的動作、聲音、環境是否出現異常,不僅能及時發現問題,也能事先預防保養或杜絕嚴重不良後果。

QuickLogic亞洲業務總監連文賢,列舉AI技術應用於不同領域的應用。(攝影:張芷薇)

小結

隨著人工智慧越來越普及,人工智慧民主化必然是現今的趨勢,門檻降低得以讓入門者更快上手,也有許多協助無相關背景的客戶開發AI的技術,距離實現人工智慧民主化的目標將會更快實現。

(責任編輯:王姵文)

 

 

吳芝頤
Latest posts by 吳芝頤 (see all)

Author: 吳芝頤

喜歡看見事情背後的細節,聽到不為人知的一面時,總有股衝動紀錄下來並傳遞出去。期許自己成為擅於䦴述故事、懂得利用表達工具的人。

Share This Post On
Subscribe
Notify of
guest
0 Comments
Inline Feedbacks
View all comments
0
Would love your thoughts, please comment.x
()
x