作者：康智維
近年來隨著時代的變遷以及技術的發展，工業的製造型態也歷經多次改革，而工業近期的重大轉變發生於2011年由德國政府所發起的工業4.0（Industrie 4.0）計畫，目的為將整體工業生產型態從原先的自動化進階至智慧化。於此工業4.0的相關核心技術也如火如荼快速發展，例如物聯網（IoT）、雲端（Cloud）、大數據（Big Data）、人工智慧（AI）及機器人等。
其中，人工智慧的開發和應用近年來更是因應領域需求的不同，創造出許多嶄新的訓練方法與演算法，在人工智慧領域中最常被討論的便是機器學習（Machine Learning）以及深度學習（Deep Learning）。而機器學習更可概略分為監督式學習（Supervised Learning）、非監督式學習（Unsupervised Learning）以及強化式學習（Reinforcement learning）三個面向，而本文主要應用的監督式學習，其原理便是透過標註數據特徵與資料訓練的方式來建立分類或模型。
監督式學習概略種類如圖1所示。
圖1 監督式學習簡易分類
為了符合國際潮流與產業實際需求，本文將以擁有「工業之母」稱號的模具產業為對象，使用射出成型機台做為示範，利用感測器蒐集機台於生產時的音頻，並透過監督式學習的方法來對資料進行標註與訓練，最終產出能夠自動辨識機台生產狀態之AI最適模型。同時亦可透過電腦或智慧型手持終端裝置來即時接收機台生產資訊，使生產機台、感測器、智慧型手持終端裝置與電腦四者之間形成一個完整的物聯網。以下將對整體實驗流程與軟硬體配置進行詳細的解說。
硬體設備
只需不到短短一分鐘...
輸入您的信箱與ID註冊即可享有一切福利!
會員福利
1
免費電子報
2
會員搶先看
3
主題訂閱
4
好文收藏
.jpg)
.jpg)