AI 在智慧工廠的應用

人工智慧成為工業4.0不可缺的基礎。我國科技部於2017年訂為AI元年,預計在這4年內投入20億元新台幣。這將是以AI為核心的具體創新應用。在物聯網、大數據的基礎上,人工智慧重強調做出判斷、產生行為。從市場資料上也看到這一趨勢,在2016年的世界經濟論壇(WEF) 中已將人工智慧視為「第四次工業革命」的核心,AI技術將對全球產生翻天覆地的影響。
AI人工智慧,是一個總括性的描述,是由多種科技與技術所組成。當一套工具與程式,超越了以規則為運算基礎的傳統演算法,創造可以如人腦一樣判斷的系統,就稱之為人工智慧。我們知道的常用工具與程式,包括機器學習、認知運算、自然語言處理、類神經網絡等等。市場情資之「中國製造行業十大預測」中,2019年,大陸僅有25%的數位化投入企業可以實現效益最大化,2020年,已有50% 大陸大型企業員工將與協作機器人、3D列印、人工智慧(AI)與虛擬實境(VR)/擴增實境(AR)等自動化輔助一起完成工作,在此所謂的員工則是高附加價值的核心員工。 數位化的轉型將對工業與商業流程產生巨大變革,智慧化生產已對製造業生產流程產生重大變革,ICT業者能夠將AI技術充分利用資料化轉型的廠商這也將會行業競爭者的差距加大加寬。
短時間的未來開展智慧製造的企業,將通過資訊技術與營運技術的整合,提升營運效率與時效,其中包括資料蒐集、資料分享、資料處理、生產流程自動化提升智慧製造。根據經驗,第一步通常是要管理數據,找出固定的數據組;有了這樣的基礎之後,就可以開始找出數據當中的規則。未來工廠的資料隱私與安全問題,是更需要IT保障廠房安全互連,是要用工具來協助改善生產流程。
一直深耕於製造業的企業資源規劃(ERP)公司大廠,也以人工智慧與機器學習技術發展的智慧設備監測,透過 「預防性維護」(Predictive Maintenance)來延長設備的壽命。過去製造業的作法是,知道某個零件必須每6個月替換一次,但當他們把這個零件換掉時,其實零件根本沒有問題。使用物聯網和預測性維護,可以透過數千個感應器,瞭解這個零件已經完成了多少生產循環,藉由人工智慧來協助判斷。同時,也協助製造業分析大數據,例如分析社群媒體上的資訊,進而預測客戶的需求,讓製造商能夠比競爭者更早推出產品。
在德國提出工業4.0後並導入網宇實體系統(Cyber Physical System, CPS)網絡化生產的智慧工廠,是整個高科技戰略的重要一環,美國以先進製造夥伴(AMP)啟動再工業化政策,預期提高製造業競爭力與促進製造業回流。
反觀,台灣工業4.0在石化產業構想和應用,以現有的自動化廠區設施為基礎,循序漸進,物聯網(IoT)將會同時影響在智慧製造相關之生產創新(B2B)、以及與消費者有關的應用與服務創新(B2C),進而推升效率製造、整合創新知識服務帶動產業結構優化,提升產業整體競爭力。台灣工業4.0在石化產業構想和應用,應在現有製程自動控制基礎上建立智慧化石化廠。
國眾電腦與AI技術顧問合作夥伴 - DSP智庫驅動,發展關鍵技術與系統,以「工業4.0為前軸」擴大AI技術將其應用演繹到不同產業。資料的大量增長已經是事實,如何提取資料的價值,也成了社會、商業、政府等不同領域的共同利益。綜觀資料價值的提取,資料科學的能量,在不同的領域,DSP 智庫驅動扮演關鍵的價值轉兌力量。
國眾電腦與AI技術顧問合作夥伴 - DSP智庫驅動,透過對開放的生活資料蒐集、處理、分析、視覺化呈現、故事形塑、擬定行動的過程,分門規劃,引發不同產業與社會各界對資料科學的興趣,從中培養對應人才,分享推動資料科學訓練的經驗;提供客戶端資料分析、學習體驗以及策略諮詢服務,協助客戶改變日常工作的決策流程,以成為商業或公益領域的創新者。對於產業的應用面,我們已共同著手研究應用下一代生產技術的可行性,目的在讓設備維護智慧化,讓操作更安全、更穩定,建立高附加價值策略所需的最佳多等級生產系統,生產技術應用,包括物聯網(IoT)、巨量資料和人工智慧,以提高設備可靠性和運作效率,並將繼續增加生產技術基礎建設,以靈活因應商業環境的變化以及分享全球化所需的工業4.0場域的專業知識。