智(zhi)能化是近(jin)年來制造業(ye)(ye)最重要(yao)的(de)(de)趨勢，歷經過去幾年的(de)(de)市場教育，這兩(liang)年市場詢問度已(yi)開(kai)始提高，而從2016年開(kai)始，IT產業(ye)(ye)掀起人工智(zhi)能（AI）熱(re)潮，AI與物(wu)聯網(wang)的(de)(de)整合(he)將成為未來各垂(chui)直(zhi)領(ling)域(yu)的(de)(de)主流系統，在制造業(ye)(ye)中，AI也(ye)將成為工業(ye)(ye)物(wu)聯網(wang)的(de)(de)核心運算架(jia)構之(zhi)一。

    自從(cong)德國率(lv)先(xian)喊出(chu)工(gong)業4.0后，相關科(ke)技也同(tong)步的突(tu)飛猛進，包括工(gong)業物聯(lian)網(wang)、大(da)數據分析(xi)、機器人等技術發展至今，已漸漸打造出(chu)新型態(tai)的智能工(gong)廠與全新的工(gong)業化標準(zhun)。

    尤(you)其近幾年來(lai)，人工智能（AI）浪潮(chao)襲來(lai)，更賦予工業4.0全新(xin)的發(fa)展(zhan)方(fang)向(xiang)，明(ming)確分(fen)野自(zi)動(dong)化(hua)及智動(dong)化(hua)的差(cha)異，包括(kuo)機(ji)器(qi)視覺、深度學習(xi)等利用(yong)算法分(fen)析為主(zhu)的人工智能技術，已成(cheng)為工業4.0未(wei)來(lai)發(fa)展(zhan)的全新(xin)趨勢，不僅讓自(zi)動(dong)化(hua)與(yu)機(ji)器(qi)人的技術更為精準、制造業也開始進入(ru)如無人工廠(chang)等全新(xin)的科技領域。

    自動化是現代工業的技術根基，AI導入將全面提升自動化系統效益

    就(jiu)目前發(fa)展(zhan)來看(kan)，智能(neng)制(zhi)造有三大趨勢，首先是(shi)生(sheng)產(chan)網絡，這部分主要(yao)是(shi)應用制(zhi)造運(yun)行(xing)管理(li)系統(tong)（Manufacturing Operations Management, MOM），協(xie)助生(sheng)產(chan)價(jia)值鏈中的供貨商獲得并交換(huan)實(shi)時生(sheng)產(chan)信息(xi)，供貨商所提供的全部零組件都可在正(zheng)確(que)的時間(jian)以正(zheng)確(que)的順序到達生(sheng)產(chan)線。

    第二個(ge)趨勢是虛(xu)(xu)擬仿真與真實(shi)物(wu)理系統的(de)完美融合，在生產制造過(guo)程中的(de)每一步(bu)都將在虛(xu)(xu)擬世界被設計、模擬及(ji)優化，為真實(shi)的(de)物(wu)理世界包括物(wu)料、產品(pin)、工廠等建立起一個(ge)高度仿真的(de)數字雙生（Digital Twin，Twin Model）。

    第三個趨勢則是(shi)信息(xi)物理(li)系統(tong)(tong)（Cyber-Physical System，CPS），在(zai)此系統(tong)(tong)中，產(chan)(chan)品信息(xi)都(dou)將被輸入到產(chan)(chan)品零組件(jian)本身，它們會根據自(zi)身生(sheng)產(chan)(chan)需(xu)求，直接與生(sheng)產(chan)(chan)系統(tong)(tong)和(he)設備溝通，發出下一道生(sheng)產(chan)(chan)工序指令，指揮設備自(zi)行組織生(sheng)產(chan)(chan)，這種自(zi)主生(sheng)產(chan)(chan)模式能夠滿足每位用戶的訂制化需(xu)求。

    以大數據建立運算模式

    上述(shu)的(de)三大(da)趨勢(shi)，未來(lai)(lai)(lai)都(dou)會與AI有一(yi)定程度(du)的(de)整合(he)，例如(ru)在(zai)產(chan)線監控、機(ji)(ji)(ji)器(qi)人、無人搬運(yun)車等，都(dou)將有AI運(yun)算功能設計，主因(yin)(yin)在(zai)于大(da)量(liang)訂制(zhi)化的(de)趨勢(shi)，工廠需要面對的(de)產(chan)品類(lei)型、產(chan)線調動等各(ge)種生產(chan)情境的(de)難度(du)也會大(da)增，雖然透過傳感器(qi)及大(da)數據分析，管理(li)者已(yi)經可(ke)以掌握更(geng)多用來(lai)(lai)(lai)幫助決策的(de)信息(xi)，但(dan)也因(yin)(yin)為信息(xi)量(liang)大(da)量(liang)增加，增加管理(li)者的(de)信息(xi)分析壓力(li)，加上市場(chang)變化愈(yu)來(lai)(lai)(lai)愈(yu)快速，人類(lei)的(de)分析速度(du)恐(kong)怕已(yi)經愈(yu)來(lai)(lai)(lai)愈(yu)難跟上提供速度(du)愈(yu)來(lai)(lai)(lai)愈(yu)快的(de)前端數據，自然也就更(geng)難讓制(zhi)造現場(chang)的(de)機(ji)(ji)(ji)臺能夠(gou)迅速反應客戶需求，AI應用于制(zhi)造業，將可(ke)讓系統從大(da)數據分析找出(chu)規律性建立(li)模式，進(jin)而學(xue)習避免前面發生的(de)錯(cuo)誤(wu)，甚至做到提前預(yu)測，應用于制(zhi)造領域(yu)，不僅可(ke)以縮短停機(ji)(ji)(ji)時間，更(geng)可(ke)適(shi)時做出(chu)產(chan)線調整，減少呆(dai)料(liao)及廢料(liao)的(de)發生頻率。

 
連網是工業物聯網架構的基礎，未來AI將會分析設備設網所取得的大量數據，作出具智能的判斷與建議

    對工業(ye)物(wu)聯(lian)(lian)網來說，取(qu)得數(shu)據(ju)和分(fen)析(xi)數(shu)據(ju)是核心任務，而來自傳(chuan)感器的(de)數(shu)據(ju)點經(jing)過多個階段(duan)才能轉化為可操(cao)作的(de)見解，工業(ye)物(wu)聯(lian)(lian)網平臺(tai)包括可擴展的(de)數(shu)據(ju)處(chu)理(li)流程，能夠處(chu)理(li)需(xu)要立即關(guan)注的(de)實時數(shu)據(ju)，以及僅在一段(duan)時間內有意義的(de)數(shu)據(ju)，當檢測(ce)到壓力和溫度閾(yu)值的(de)異(yi)常(chang)組合之(zhi)后(hou)，物(wu)聯(lian)(lian)網平臺(tai)關(guan)閉液(ye)化石油氣灌裝(zhuang)機可能已經(jing)太晚了，應該在毫(hao)秒之(zhi)內檢測(ce)到異(yi)常(chang)，然后(hou)依(yi)規則觸發(fa)立即反應。

    就目前發展來(lai)看，AI有(you)幾種(zhong)算法，例如(ru)熱點路徑分析的(de)(de)核心是負責檢測(ce)異(yi)常的(de)(de)規(gui)(gui)則(ze)引擎(qing)，物(wu)聯(lian)網(wang)平臺嵌入復雜的(de)(de)規(gui)(gui)則(ze)引擎(qing)，可以從傳感器數(shu)據(ju)流(liu)(liu)動態評(ping)估復雜的(de)(de)模(mo)式(shi)，由了解模(mo)式(shi)和數(shu)據(ju)格式(shi)的(de)(de)領域專家來(lai)定(ding)義(yi)規(gui)(gui)則(ze)引擎(qing)的(de)(de)基準閾(yu)值(zhi)和路由邏輯(ji)，這種(zhong)邏輯(ji)作(zuo)為規(gui)(gui)則(ze)引擎(qing)在(zai)編(bian)排訊息(xi)流(liu)(liu)中(zhong)的(de)(de)關鍵(jian)輸(shu)入，在(zai)數(shu)據(ju)點移(yi)動到數(shu)據(ju)處理流(liu)(liu)程下一個(ge)階段之前，為每個(ge)數(shu)據(ju)點定(ding)義(yi)嵌套(tao)的(de)(de)語句條(tiao)件，規(gui)(gui)則(ze)引擎(qing)已經成為物(wu)聯(lian)網(wang)平臺的(de)(de)核心，而機器學習的(de)(de)關鍵(jian)領域之一是從現有(you)數(shu)據(ju)集中(zhong)找到模(mo)式(shi)，將(jiang)類似的(de)(de)數(shu)據(ju)點分組，并預(yu)測(ce)未來(lai)數(shu)據(ju)點的(de)(de)價值(zhi)。

    機(ji)器學(xue)習有關的(de)高(gao)階(jie)算(suan)法(fa)(fa)可(ke)用于分類和預測分析，由于這些(xie)算(suan)法(fa)(fa)可(ke)以從現有數據(ju)中(zhong)學(xue)習，且大多數物(wu)聯網數據(ju)都是基于時間序列，因此這些(xie)算(suan)法(fa)(fa)可(ke)以根據(ju)歷史數據(ju)預測傳感器的(de)未來值(zhi)，這些(xie)多種(zhong)機(ji)器學(xue)習算(suan)法(fa)(fa)的(de)組(zu)合，將(jiang)可(ke)替代工業物(wu)聯網平臺中(zhong)的(de)傳統(tong)規則(ze)引擎，雖然領域專家仍然需要(yao)根據(ju)條件定(ding)義采取行動，但這些(xie)智能算(suan)法(fa)(fa)提供更高(gao)的(de)準(zhun)確性(xing)和精準(zhun)度。

    AI + HI大幅提升效益

    工(gong)業物(wu)聯網中的(de)機器學習(xi)最大應用之一是設(she)備的(de)預(yu)(yu)測(ce)(ce)性(xing)維護，透(tou)過關(guan)聯性(xing)和分(fen)析模式變化(hua)來預(yu)(yu)測(ce)(ce)設(she)備故障，并報告如(ru)設(she)備的(de)剩余使(shi)用壽(shou)命等(deng)關(guan)鍵指標，預(yu)(yu)測(ce)(ce)維護未來也可(ke)應用在(zai)航空航天、制造、汽車(che)、運輸、物(wu)流和供應鏈等(deng)領(ling)域(yu)，例如(ru)預(yu)(yu)測(ce)(ce)模型安排至(zhi)汽車(che)服(fu)務中心(xin)，在(zai)航空業中，預(yu)(yu)測(ce)(ce)維護方案(an)的(de)目標是根據維護歷史(shi)和飛行路線訊息等(deng)相關(guan)數據來預(yu)(yu)測(ce)(ce)航班延遲或取消的(de)可(ke)能(neng)性(xing)。

在工業領域，AI與HI必須協力合作，方能創造系統最大價值

    觀察物(wu)(wu)(wu)聯(lian)網(wang)(wang)(wang)的發展態勢(shi)，目前工(gong)業物(wu)(wu)(wu)聯(lian)網(wang)(wang)(wang)是所有垂直應用中，發展最(zui)快的類別之一(yi)，AI在工(gong)業物(wu)(wu)(wu)聯(lian)網(wang)(wang)(wang)主(zhu)要是協助操作者與管理者，篩選(xuan)從大量設備擷取出(chu)的數據，并(bing)做出(chu)判斷，但是目前的AI并(bing)無法做出(chu)具有邏輯性(xing)的決策，因此(ci)在制造領域，AI必須與人(ren)類智(zhi)慧結(jie)合(he)，才會是系統的最(zui)佳效益。