帳號:
密碼:
最新動態
產業快訊
CTIMES / 文章 /
扮演製造智慧化關鍵 AI將成未來工廠要角
 

【作者: 王明德】   2017年12月21日 星期四

瀏覽人次:【23030】

AI是IT產業近年來聚焦度最高的議題,受矚目原因不僅在於各類創意與想像堆積出來的話題性,更在於過去幾年物聯網、工業4.0等概念的醞釀與開始落實,讓AI可與這些系統鏈接,應用將會更明確也更快速,就目前發展來看,像是AI發展的大型軟體廠商如Google、微軟等,都已開始投入AI的實用化,其中產值龐大的製造業,也被視為AI的應用重點,尤其是工業4.0概念啟動多時,未來工廠講究智慧化,在此趨勢下,AI在未來的製程設備中,勢必扮演要角。


跨出AI的第一步

要談AI在製造業的應用,必須先從製造技術開始談,這幾年在製造業掀起巨浪的工業4.0,多被視為第4波工業革命,其中離現在最近的第3波,無疑是PLC等控制器帶起的自動化浪潮,在自動化技術的加持下,製程設備可以更快速、精準、穩定、長時間的運作,讓製造業可以在短時間內大量生產出品質一致的產品,大規模量產也同步降低了產品的單位成本與售價,對製造與需求雙方都是最佳結果。


不過,這幾年消費性市場開始轉向,個性化、多樣化產品逐漸獲得消費者青睞,大量且一致性的產品成為廉價品的代名詞,在此態勢下,傳統的量產模式備受挑戰,更具彈性可快速換線的產線需求開始浮現,而這也是工業4.0的主要訴求。


工業4.0概念的製造模式,是透過軟硬體的整合,讓生產系統具有智慧化,其硬體是根基在現有的自動化技術上,加上軟體的串連整合,使之成為一體化架構,而所謂的一體化架構,已不僅止於製造現場的生產系統,企業營運端的ERP、CRM…等系統,也必須一併納入;簡單來說,就是未來製造業的所有數據、資產,都不再被分開運作處理,而是視為同一體制,資源與數據可以無縫的快速流動並且使用,在這其中,AI將扮演重要角色,以深度學習(Deep Learning)方式,協助製造系統的操作者與管理者解決問題。



圖1 : 製造業要導入AI的前提是要將所有系統數位化,透數據可以被累積、分析、交流。(Source: ZHAW)
圖1 : 製造業要導入AI的前提是要將所有系統數位化,透數據可以被累積、分析、交流。(Source: ZHAW)

要導入AI,第一步是數據的截取與建立,不過要跨出這正確的第一步並不容易,PTT創始人、同時也是台灣AI實驗室創辦人杜奕瑾就指出,許多系統設計者與導入企業,常常忽略數據擷取的重要性,AI不會是泛用於各種產業的平台,而是單一領域平台,而各種產業都有其專業,因此數據的種類需求與擷取方式也大不相同,以製造業來說,設備監診是智慧製造系統的基本功能,透過感測器擷取的設備運作數據,將成為此一功能的判斷基準,但是相關數據要如何取得?感測器要如何設置?這都需要長期的專業累積,有了這些數據,AI才能做出精準的分析與反應。


而這些精準的數據,將成為製造業的重要資產,不過這不代表所有數據都會被彙整到同一處,智慧製造系統的數據將會被分流應用,以上述的設備監診功能來說,大多是在現場端所用,現場製造系統透過設備產生的數據,掌握設備狀況,並以AI分析判斷數據所代表的意義,之後的對應動作,則再由各設備的管理操作決定,例如馬達內建感測器所擷取的震動數據,彙整後交由AI判斷,透過深度學習的不斷調整進化,AI將可分析出不同震動模式背後的原因,像是軸承受損或線圈短路,訊息產生後,系統建置人員可針對不同製程設計對應流程,可能是主系統的AI系統接手處理(停機或相鄰設備接手),或由現場操作人員依狀況處理。


ERP重整製造思維

除了現場系統外,營運端的ERP也會是製造業AI系統的重要環節,ERP主要的功能是盤整企業生產、管理等各面向的資源,將原本企業功能導向的組織部門,轉化為流程導向的作業整合,進而讓經營決策能更加明快、強調資料一致性、即時性及整體性的有效資訊。


對製造業者而言,使用數據管理將是數位轉型的里程碑,傳統的ERP系統要求企業管理多個範疇的流程與資訊,包含作業系統、數據、網絡、儲存與毀損復原,大幅降低了管理的效率。



圖2 : 工業4.0與AI的整合已是必然趨勢,AI的深度學習與感知設計,將全面提升製造業的效能。(Source: The Manufacturer)
圖2 : 工業4.0與AI的整合已是必然趨勢,AI的深度學習與感知設計,將全面提升製造業的效能。(Source: The Manufacturer)

對企業來說,AI應用於ERP的最主要作用,在於改變了日常營運、人力、流程與科技之間的交互關係,例如端到端業務流程模組中,原先由人力操作的規律性工作將交由AI負責,例如撰寫商業單據、發送採購清單等,用以減少營運成本。


除了日常營運外,AI也能協助客戶服務以及維護作業,透過學習過往的報告與程序,AI可以根據不同的提問情境提供合適的解答建議,數位助手(Digital Assistant,DA)將可幫助工程師的製造設備維護作業進行偵錯分析,根據AI對效能、機構設計和維護歷史的理解,提供工程師有根據的建議和答案。


另外,重新改造工作方式與製程的同時,AI也會逐漸修正企業和個人的營運方向,擴增了其潛能和效用,企業與個人可以將他們的注意力和時間,從繁瑣的操作和監控程序,轉移到更需創新、創意和分析能力的任務。


未來以工業物聯網為主架構的智慧製造系統,也將因為AI的導入,將功能與效能延伸到製造以外之處,例如透過遠端連結能讓管理者取得所需的資訊,以優化供應鏈和產品開發,這些都讓製造業者的產品從發想到市場採用的距離越來越短,操作介面軟體的介面也越來越直覺。


案例快速啟動 AI+HI才是解答


圖3 : 近年物聯網、工業4.0等概念的醞釀與開始落實,讓AI可與這些系統鏈接,應用將會更明確也更快速。(Source: Supply chain Digital)
圖3 : 近年物聯網、工業4.0等概念的醞釀與開始落實,讓AI可與這些系統鏈接,應用將會更明確也更快速。(Source: Supply chain Digital)

就實務面來看,AI雖看似遙遠,但目前已有廠商著手開發AI製造系統,第一是自動化大廠ABB與IT大廠IBM合作的「感知工業機械」(cognitive industrial machines),此一方案整合了ABB Ability雲端到邊緣裝置跨產業數位解決方案與IBM Watson物聯網平台,目標設定是協助人類作業員改善品質控制、提升速度與良率、減少停工時間,感知工業機械目前已有商業化–Cognitive Vision Inspection System,主要是結合Watson超級電腦的AI與ABB系統截取的生產線即時影像,將檢查出的缺陷數據送往雲端以製造業專用的Watson IoT平台進行分析,除了支援機器視覺檢測,IBM也利用Watson的感知能力與操作員在免手動的環境進行互動,或是提供擴增實境(AR)工具協助診斷與維修設備。


另一個案例則是Nvidia與日本業者發那科(Fanuc)的合作案,NvidiaFanuc的工業控制系統Field(Fanuc Intelligent Edge Link and Drive導入了AI功能,讓自動化工廠中的機器人提升其作業的速度與效率;此一系統應用了Nvidia繪圖處理器(GPU)與深度學習軟體,讓AI能在雲端、資料中心執行,甚至嵌入於邊緣裝置中,Field系統與CNC設備、機器人、周邊裝置以及感測器連結,藉由分析來最佳化製造業生產。


觀察未來發展,AI與智慧製造系統的整合將是必然趨勢,未來製造設備都會有AI功能,只是程度的多寡而已,不過AI並不會是智慧製造的唯一解答,不管任何領域,AI都必須與HI(人類智慧)結合,方能解決問題,創造出更大效益。


相關文章
AI賦能智慧製造轉型
以「熄燈製造」心法實現全面自動化生產
以邊緣AI運算強化智慧製造應用
大數據時代下,我們仍需要更大的工廠空間嗎?
數位智慧催動綠色製造進程
comments powered by Disqus
相關討論
  相關新聞
» Fortinet:全面探討與人工智慧共存的資安未來
» 洛克威爾自動化資安報告:能源業受攻擊次數多出3倍以上
» 達梭系統舉辦數位轉型智造論壇 助中小企業提升研發創新力
» 達梭強化疫後供應鏈復原 助數位轉型開闢新市場
» Omdia:生成式AI面臨相同挑戰 涵括偏見內容與可解釋性


刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 遠播資訊股份有限公司版權所有 Powered by O3  v3.20.2048.3.236.18.23
地址:台北數位產業園區(digiBlock Taipei) 103台北市大同區承德路三段287-2號A棟204室
電話 (02)2585-5526 #0 轉接至總機 /  E-Mail: webmaster@ctimes.com.tw