作者：謝品安
隨著時代的進步，人工智慧(Artificial Intelligence, AI)逐漸從尖端科技步入大眾生活中。透過深度學習的AI，人們可以用機器判斷更多複雜的邏輯，而利用了這項優勢的智慧工廠也在日漸發展。智慧工廠運用大數據、物聯網、AI資料分析等技術，做到改善產品良率和高效的瑕疵品檢測。如何分析產品是否有瑕疵和優化AI模型來達到提升判斷的正確率就成了關鍵。因此我們邀請到了三位專家來為大家介紹如何透過AI來完善智慧工廠。
工廠資料對AI的重要性
首先是由專注於IoT物聯網、Edge邊緣運算與AI人工智慧產業等相關研究，擁有多年軟硬體整合經驗及豐富的業界經驗的現任瑞傳科技台北系統業務處處長張哲瑋介紹「資料」對AI的重要性。
在工廠中，我們要先了解「資料」是從什麼地方得到的，不論是硬體、軟體甚至是工廠的環境都可以是提供「資料」的地方。Computer Vision Annotation Tool (CVAT)讓「資料」用視訊、影像的方式來被蒐集，並透過JSON、OPC通訊協定、Modbus等讓「資料」可以被AI利用和分析。再將分析好的數據傳至機械手臂等終端設備做出對應的操作。
可視化智慧工廠示意（資料來源：瑞傳科技）
導入AI與工廠智動化應用分享
接著第二位講師也是在IoT物聯網、Edge邊緣運算與AI人工智慧產業等相關研究擁有多年經驗，且竭力為企業提供智慧物聯網應用方案提高運作效率，現任瑞傳科技軟體異質運算組專案經理馮松鉅。
講師分享了如何實際的將AI導入工業應用中，由Intel開發的Intel Edge Insights for Industrial (EII)架構便成為了十分好用的工具。以PCB檢測為例，一開始先使用同樣為Intel的OpenVINO來訓練屬於自己的AI，再加上Portwell的幫助優化訓練的流程。接著將訓練好的AI模型導入EII當中，調整ETCD中的參數，讓WebCam可以將接收到的資料和AI做連結。最後再用C++或Python將User Defined Function(UDF)部署在EII環境中就完成了！
EII架構圖（資料來源：瑞傳科技）
讓工廠更智慧的技術趨勢與挑戰
最後是由擁有多年研究經驗，專注領域於智慧機器人和自動化產業相關研究，曾參與經濟部工業局第一、二期智慧型機器人產業發展推動計畫，現任工研院產業科技國際策略發展所機械與製造系統研究部產業分析師黃仲宏來為大家介紹智慧工廠的技術趨勢與挑戰。
智慧工廠技術發展的趨勢主要有四個關鍵議題，分別是「生產技術與資訊技術的整合」、「機器人成為新型態的加工機設備」、「數位模擬與實際行為的整合」和「製程設備具有認知能力」。在「生產技術與資訊技術的整合」中，完善數位化和發展智慧化的階段會是核心的議題。
邁向智慧製造的5大進程（資料來源：工研院）
數位化將事件資料建構出可分析的數據，用物聯網連結各個機器達到通訊上的連結。智慧化的階段則是將數位化的資料轉化為可視化的資料，並且可以讓機器對資料做出相對應的反應，甚至是達到可以預測和自我調節的功能。要完成這樣龐大的資訊整合，就必須要改變現有的通訊系統，無線設備和去中心化的通訊結構會逐漸成為主流。
機器人若要可以對事件做出反應就必須要捨棄Automated Guided Vehicle(AVG)轉為使用Autonomous Mobile Robot(AMR)。AMR最大的不同在於，它具備強大的運算能力，可以不受中央控制的做出判斷，達到自主導航和高度的靈活性。在AVG不適用的情況下，AMR可以達到更好的自動化和無人化。透過機器人結合Augmented Reality(AR)、Virtual Reality(VR)或Mixed Reality(MR)的設備，技術人員可以在故障發生時即時在遠端進行檢修，讓數位模擬可以和現實結合。
AMR vs. AGV
除了虛擬實境的設備可以讓技術人員可以了解工作現場環境之外，機器人本身也需要具有感測周遭的能力。光學雷達利用雷射脈衝發送和接收的時間差計算周遭物體的距離、速度等信息，同時可以為機器人自身定位和導航。高精確的角度分辨率和無需依賴機器深度學習的特性，也讓光學雷達在智慧工廠的應用上得以有亮眼的成績。
小結
隨著智慧性產品的發展，智慧工廠在近年來也不斷的出現在各個領域。物聯網時代的來臨更是加速了智慧工廠的發展，結合虛實的技術也讓自動化流程更完善。相信在未來數年內，智慧工廠會成為新時代的主流，同時也會帶動更多的商機。
- 【Maker Project】動手做出屬於自己的「星空」！ - 2022/02/07
- 【活動報導】機器視覺AI化，智慧工廠快狠準！ - 2021/12/27
- 【Maker Project】如何用AI「聽」出水的溫度？ - 2021/12/21
.jpg)
.jpg)