账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
扮演制造智慧化关键 AI将成未来工厂要角
 

【作者: 王明德】2017年12月21日 星期四

浏览人次:【23031】

AI是IT产业近年来聚焦度最高的议题,受瞩目原因不仅在於各类创意与想像堆积出来的话题性,更在於过去几年物联网、工业4.0等概念的酝酿与开始落实,让AI可与这些系统链接,应用将会更明确也更快速,就目前发展来看,像是AI发展的大型软体厂商如Google、微软等,都已开始投入AI的实用化,其中产值庞大的制造业,也被视为AI的应用重点,尤其是工业4.0概念启动多时,未来工厂讲究智慧化,在此趋势下,AI在未来的制程设备中,势必扮演要角。


跨出AI的第一步

要谈AI在制造业的应用,必须先从制造技术开始谈,这几年在制造业掀起巨浪的工业4.0,多被视为第4波工业革命,其中离现在最近的第3波,无疑是PLC等控制器带起的自动化浪潮,在自动化技术的加持下,制程设备可以更快速、精准、稳定、长时间的运作,让制造业可以在短时间内大量生产出品质一致的产品,大规模量产也同步降低了产品的单位成本与售价,对制造与需求双方都是最隹结果。


不过,这几年消费性市场开始转向,个性化、多样化产品逐渐获得消费者青睐,大量且一致性的产品成为廉价品的代名词,在此态势下,传统的量产模式备受挑战,更具弹性可快速换线的产线需求开始浮现,而这也是工业4.0的主要诉求。


工业4.0概念的制造模式,是透过软硬体的整合,让生产系统具有智慧化,其硬体是根基在现有的自动化技术上,加上软体的串连整合,使之成为一体化架构,而所谓的一体化架构,已不仅止於制造现场的生产系统,企业营运端的ERP、CRM…等系统,也必须一并纳入;简单来说,就是未来制造业的所有数据、资产,都不再被分开运作处理,而是视为同一体制,资源与数据可以无缝的快速流动并且使用,在这其中,AI将扮演重要角色,以深度学习(Deep Learning)方式,协助制造系统的操作者与管理者解决问题。



图1 : 制造业要导入AI的前提是要将所有系统数位化,透数据可以被累积、分析、交流。(Source: ZHAW)
图1 : 制造业要导入AI的前提是要将所有系统数位化,透数据可以被累积、分析、交流。(Source: ZHAW)

要导入AI,第一步是数据的截取与建立,不过要跨出这正确的第一步并不容易,PTT创始人、同时也是台湾AI实验室创办人杜奕瑾就指出,许多系统设计者与导入企业,常常忽略数据撷取的重要性,AI不会是泛用於各种产业的平台,而是单一领域平台,而各种产业都有其专业,因此数据的种类需求与撷取方式也大不相同,以制造业来说,设备监诊是智慧制造系统的基本功能,透过感测器撷取的设备运作数据,将成为此一功能的判断基准,但是相关数据要如何取得?感测器要如何设置?这都需要长期的专业累积,有了这些数据,AI才能做出精准的分析与反应。


而这些精准的数据,将成为制造业的重要资产,不过这不代表所有数据都会被汇整到同一处,智慧制造系统的数据将会被分流应用,以上述的设备监诊功能来说,大多是在现场端所用,现场制造系统透过设备产生的数据,掌握设备状况,并以AI分析判断数据所代表的意义,之後的对应动作,则再由各设备的管理操作决定,例如马达内建感测器所撷取的震动数据,汇整後交由AI判断,透过深度学习的不断调整进化,AI将可分析出不同震动模式背後的原因,像是轴承受损或线圈短路,讯息产生後,系统建置人员可针对不同制程设计对应流程,可能是主系统的AI系统接手处理(停机或相邻设备接手),或由现场操作人员依状况处理。


ERP重整制造思维

除了现场系统外,营运端的ERP也会是制造业AI系统的重要环节,ERP主要的功能是盘整企业生产、管理等各面向的资源,将原本企业功能导向的组织部门,转化为流程导向的作业整合,进而让经营决策能更加明快、强调资料一致性、即时性及整体性的有效资讯。


对制造业者而言,使用数据管理将是数位转型的里程碑,传统的ERP系统要求企业管理多个范畴的流程与资讯,包含作业系统、数据、网络、储存与毁损复原,大幅降低了管理的效率。



图2 : 工业4.0与AI的整合已是必然趋势,AI的深度学习与感知设计,将全面提升制造业的效能。(Source: The Manufacturer)
图2 : 工业4.0与AI的整合已是必然趋势,AI的深度学习与感知设计,将全面提升制造业的效能。(Source: The Manufacturer)

对企业来说,AI应用於ERP的最主要作用,在於改变了日常营运、人力、流程与科技之间的交互关系,例如端到端业务流程模组中,原先由人力操作的规律性工作将交由AI负责,例如撰写商业单据、发送采购清单等,用以减少营运成本。


除了日常营运外,AI也能协助客户服务以及维护作业,透过学习过往的报告与程序,AI可以根据不同的提问情境提供合适的解答建议,数位助手(Digital Assistant,DA)将可帮助工程师的制造设备维护作业进行侦错分析,根据AI对效能、机构设计和维护历史的理解,提供工程师有根据的建议和答案。


另外,重新改造工作方式与制程的同时,AI也会逐渐修正企业和个人的营运方向,扩增了其潜能和效用,企业与个人可以将他们的注意力和时间,从繁琐的操作和监控程序,转移到更需创新、创意和分析能力的任务。


未来以工业物联网为主架构的智慧制造系统,也将因为AI的导入,将功能与效能延伸到制造以外之处,例如透过远端连结能让管理者取得所需的资讯,以优化供应链和产品开发,这些都让制造业者的产品从发想到市场采用的距离越来越短,操作介面软体的介面也越来越直觉。


案例快速启动 AI+HI才是解答


图3 : 近年物联网、工业4.0等概念的酝酿与开始落实,让AI可与这些系统链接,应用将会更明确也更快速。(Source: Supply chain Digital)
图3 : 近年物联网、工业4.0等概念的酝酿与开始落实,让AI可与这些系统链接,应用将会更明确也更快速。(Source: Supply chain Digital)

就实务面来看,AI虽看似遥远,但目前已有厂商着手开发AI制造系统,第一是自动化大厂ABB与IT大厂IBM合作的「感知工业机械」(cognitive industrial machines),此一方案整合了ABB Ability云端到边缘装置跨产业数位解决方案与IBM Watson物联网平台,目标设定是协助人类作业员改善品质控制、提升速度与良率、减少停工时间,感知工业机械目前已有商业化-Cognitive Vision Inspection System,主要是结合Watson超级电脑的AI与ABB系统截取的生产线即时影像,将检查出的缺陷数据送往云端以制造业专用的Watson IoT平台进行分析,除了支援机器视觉检测,IBM也利用Watson的感知能力与操作员在免手动的环境进行互动,或是提供扩增实境(AR)工具协助诊断与维修设备。


另一个案例则是Nvidia与日本业者发那科(Fanuc)的合作案,NvidiaFanuc的工业控制系统Field(Fanuc Intelligent Edge Link and Drive导入了AI功能,让自动化工厂中的机器人提升其作业的速度与效率;此一系统应用了Nvidia绘图处理器(GPU)与深度学习软体,让AI能在云端、资料中心执行,甚至嵌入於边缘装置中,Field系统与CNC设备、机器人、周边装置以及感测器连结,藉由分析来最隹化制造业生产。


观察未来发展,AI与智慧制造系统的整合将是必然趋势,未来制造设备都会有AI功能,只是程度的多寡而已,不过AI并不会是智慧制造的唯一解答,不管任何领域,AI都必须与HI(人类智慧)结合,方能解决问题,创造出更大效益。


相关文章
AI赋能智慧制造转型
以「熄灯制造」心法实现全面自动化生产
以边缘AI运算强化智慧制造应用
大数据时代下,我们仍需要更大的工厂空间吗?
数位智慧催动绿色制造进程
comments powered by Disqus
相关讨论
  相关新闻
» Fortinet 资安嘉年华:人工智慧协作守护未来资安
» 洛克威尔自动化最新工业资安报告 能源业受攻击次数多出3倍以上
» 达梭系统举办数位转型智造论坛 助中小企业提升研发创新力
» 达梭强化疫後供应链复原 助数位转型开辟新市场
» Omdia:生成式AI面临相同挑战 涵括偏见内容与可解释性


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83JB0UXZ6STACUK4
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw