@內文: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,投如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。
|
智慧化成為製造業的重要趨勢,A在未來的製造系統中,AI將與工業物聯網整合,扮演重要角色。 |
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接果。
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。
要導入AI,第1步是數據的截取與建立,不過要跨出這正確的第1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。