智(zhi)能化是近年(nian)來制造業最重(zhong)要的趨(qu)勢，歷經過去幾年(nian)的市(shi)場教(jiao)育，這兩(liang)年(nian)市(shi)場詢問度已開始(shi)(shi)提高，而從(cong)2016年(nian)開始(shi)(shi)，IT產業掀起人(ren)工(gong)智(zhi)能（AI）熱潮(chao)，AI與(yu)物(wu)聯網(wang)的整合(he)將(jiang)成為未來各(ge)垂(chui)直領域的主流系統，在(zai)制造業中，AI也將(jiang)成為工(gong)業物(wu)聯網(wang)的核(he)心運算架構之一。

    自(zi)從德國率先喊出工(gong)(gong)業(ye)4.0后，相關科技也同步的(de)突(tu)飛猛進，包括工(gong)(gong)業(ye)物聯網、大(da)數據分析、機器(qi)人等技術發(fa)展(zhan)至今，已漸(jian)漸(jian)打造出新型態的(de)智(zhi)能工(gong)(gong)廠與全新的(de)工(gong)(gong)業(ye)化標準(zhun)。

    尤其近幾年來(lai)，人工(gong)(gong)智能(neng)（AI）浪潮襲來(lai)，更賦予工(gong)(gong)業4.0全(quan)新的(de)(de)發展方向，明確分野自動(dong)化(hua)及智動(dong)化(hua)的(de)(de)差(cha)異(yi)，包括機(ji)器(qi)視覺(jue)、深度(du)學習等(deng)利(li)用算法分析(xi)為(wei)(wei)(wei)主的(de)(de)人工(gong)(gong)智能(neng)技(ji)術(shu)，已成為(wei)(wei)(wei)工(gong)(gong)業4.0未來(lai)發展的(de)(de)全(quan)新趨勢，不僅讓自動(dong)化(hua)與機(ji)器(qi)人的(de)(de)技(ji)術(shu)更為(wei)(wei)(wei)精準、制(zhi)造業也開始進入如無人工(gong)(gong)廠等(deng)全(quan)新的(de)(de)科(ke)技(ji)領(ling)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

    就目前(qian)發展來看，智能制造有(you)三(san)大趨勢，首先是生(sheng)產(chan)網(wang)絡(luo)，這部分主要(yao)是應用制造運行管理系統（Manufacturing Operations Management, MOM），協(xie)助生(sheng)產(chan)價值鏈中(zhong)的供貨商獲(huo)得并交換(huan)實時(shi)生(sheng)產(chan)信(xin)息，供貨商所提供的全部零組件(jian)都可在正確的時(shi)間以正確的順(shun)序到達生(sheng)產(chan)線。

    第二(er)個趨勢是虛(xu)擬仿真與真實物理(li)系(xi)統的(de)完美融(rong)合，在生(sheng)產制造(zao)過程中的(de)每一(yi)(yi)步都(dou)將(jiang)在虛(xu)擬世界被設計、模擬及優化，為真實的(de)物理(li)世界包括(kuo)物料、產品、工廠等建(jian)立起一(yi)(yi)個高度仿真的(de)數(shu)字雙生(sheng)（Digital Twin，Twin Model）。

    第三個趨勢則是信息(xi)(xi)物理系統（Cyber-Physical System，CPS），在此系統中，產品(pin)信息(xi)(xi)都將被(bei)輸入到產品(pin)零組(zu)件(jian)本(ben)身，它(ta)們會(hui)根據自(zi)身生(sheng)產需求(qiu)，直接與生(sheng)產系統和(he)設備溝通，發出(chu)下一道生(sheng)產工序指(zhi)令(ling)，指(zhi)揮設備自(zi)行組(zu)織生(sheng)產，這(zhe)種自(zi)主(zhu)生(sheng)產模式能夠滿足每位用戶的訂制化需求(qiu)。

    以大數據建立運算模式

    上(shang)述的(de)(de)三(san)大(da)(da)趨(qu)勢，未來都會(hui)與AI有一(yi)定(ding)程(cheng)度(du)的(de)(de)整合，例如在產(chan)(chan)線(xian)(xian)監(jian)控、機器人(ren)(ren)、無人(ren)(ren)搬運(yun)車等，都將有AI運(yun)算功(gong)能(neng)設計，主因在于大(da)(da)量(liang)(liang)訂制(zhi)化(hua)的(de)(de)趨(qu)勢，工廠需(xu)要(yao)面(mian)對(dui)的(de)(de)產(chan)(chan)品類型、產(chan)(chan)線(xian)(xian)調(diao)動(dong)等各種生產(chan)(chan)情境(jing)的(de)(de)難度(du)也會(hui)大(da)(da)增，雖(sui)然(ran)透過傳(chuan)感器及(ji)大(da)(da)數據(ju)分析，管理者(zhe)已(yi)經可以(yi)掌握更(geng)多用來幫(bang)助決(jue)策的(de)(de)信息(xi)，但也因為信息(xi)量(liang)(liang)大(da)(da)量(liang)(liang)增加，增加管理者(zhe)的(de)(de)信息(xi)分析壓力，加上(shang)市場變化(hua)愈來愈快速，人(ren)(ren)類的(de)(de)分析速度(du)恐怕已(yi)經愈來愈難跟上(shang)提供速度(du)愈來愈快的(de)(de)前(qian)端數據(ju)，自(zi)然(ran)也就更(geng)難讓(rang)制(zhi)造現場的(de)(de)機臺能(neng)夠(gou)迅(xun)速反應客(ke)戶需(xu)求，AI應用于制(zhi)造業，將可讓(rang)系統從大(da)(da)數據(ju)分析找出(chu)(chu)規(gui)律(lv)性(xing)建立模式，進而學習避免前(qian)面(mian)發生的(de)(de)錯誤(wu)，甚(shen)至做到提前(qian)預測，應用于制(zhi)造領域(yu)，不(bu)僅可以(yi)縮短停機時間，更(geng)可適時做出(chu)(chu)產(chan)(chan)線(xian)(xian)調(diao)整，減少呆(dai)料(liao)及(ji)廢料(liao)的(de)(de)發生頻(pin)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(dui)工(gong)業物(wu)聯(lian)網來說，取得數(shu)(shu)據和分析數(shu)(shu)據是核心(xin)任務，而來自傳感器的數(shu)(shu)據點經過(guo)多個階段(duan)才能(neng)轉化為可(ke)(ke)操作的見(jian)解，工(gong)業物(wu)聯(lian)網平臺包括(kuo)可(ke)(ke)擴展(zhan)的數(shu)(shu)據處(chu)理流程，能(neng)夠處(chu)理需要立即關(guan)(guan)注的實(shi)時數(shu)(shu)據，以及(ji)僅在(zai)一段(duan)時間內有意義的數(shu)(shu)據，當檢測(ce)到壓力和溫(wen)度閾值的異常(chang)組合(he)之(zhi)后，物(wu)聯(lian)網平臺關(guan)(guan)閉液化石油氣灌(guan)裝機可(ke)(ke)能(neng)已經太晚(wan)了，應該(gai)在(zai)毫秒之(zhi)內檢測(ce)到異常(chang)，然后依規則觸發(fa)立即反(fan)應。

    就(jiu)目前發(fa)展(zhan)來看，AI有(you)(you)幾種(zhong)算法，例如熱點路徑分析(xi)的(de)核心(xin)是負責檢測(ce)異(yi)常的(de)規(gui)則(ze)引擎，物(wu)聯網(wang)平臺(tai)嵌(qian)入復(fu)雜的(de)規(gui)則(ze)引擎，可以從(cong)傳感器(qi)數(shu)(shu)據(ju)(ju)(ju)流動態評估復(fu)雜的(de)模式(shi)，由了解模式(shi)和數(shu)(shu)據(ju)(ju)(ju)格式(shi)的(de)領域專家來定(ding)義規(gui)則(ze)引擎的(de)基準閾值和路由邏輯(ji)，這(zhe)種(zhong)邏輯(ji)作為規(gui)則(ze)引擎在(zai)編排訊(xun)息(xi)流中(zhong)的(de)關(guan)鍵輸(shu)入，在(zai)數(shu)(shu)據(ju)(ju)(ju)點移動到(dao)數(shu)(shu)據(ju)(ju)(ju)處理流程下一(yi)個階段之(zhi)前，為每個數(shu)(shu)據(ju)(ju)(ju)點定(ding)義嵌(qian)套(tao)的(de)語(yu)句條件(jian)，規(gui)則(ze)引擎已經成為物(wu)聯網(wang)平臺(tai)的(de)核心(xin)，而機器(qi)學(xue)習的(de)關(guan)鍵領域之(zhi)一(yi)是從(cong)現有(you)(you)數(shu)(shu)據(ju)(ju)(ju)集中(zhong)找到(dao)模式(shi)，將類似的(de)數(shu)(shu)據(ju)(ju)(ju)點分組，并預測(ce)未來數(shu)(shu)據(ju)(ju)(ju)點的(de)價值。

    機(ji)(ji)器(qi)(qi)學習有關(guan)的(de)高階算法可(ke)(ke)用(yong)于(yu)(yu)分類和(he)預測分析，由(you)于(yu)(yu)這些(xie)算法可(ke)(ke)以(yi)從現(xian)有數據(ju)(ju)(ju)中學習，且大(da)多數物(wu)(wu)聯網數據(ju)(ju)(ju)都是基于(yu)(yu)時間序列，因此這些(xie)算法可(ke)(ke)以(yi)根(gen)據(ju)(ju)(ju)歷史數據(ju)(ju)(ju)預測傳(chuan)感器(qi)(qi)的(de)未(wei)來值，這些(xie)多種機(ji)(ji)器(qi)(qi)學習算法的(de)組合，將可(ke)(ke)替代工業物(wu)(wu)聯網平(ping)臺中的(de)傳(chuan)統規則引擎，雖(sui)然(ran)領域專家仍然(ran)需要根(gen)據(ju)(ju)(ju)條件定義(yi)采取行動，但這些(xie)智能算法提供(gong)更高的(de)準確性(xing)和(he)精準度。

    AI + HI大幅提升效益

    工業物聯網中的(de)(de)機器(qi)學習最大(da)應(ying)(ying)用之一是(shi)設(she)備的(de)(de)預測(ce)性(xing)維(wei)護，透過關聯性(xing)和分析模(mo)式變化(hua)來預測(ce)設(she)備故障(zhang)，并報告如設(she)備的(de)(de)剩(sheng)余使用壽命等關鍵指標，預測(ce)維(wei)護未來也(ye)可(ke)應(ying)(ying)用在航(hang)(hang)空航(hang)(hang)天、制造、汽車、運輸(shu)、物流和供應(ying)(ying)鏈等領域，例如預測(ce)模(mo)型安(an)排(pai)至(zhi)汽車服務中心，在航(hang)(hang)空業中，預測(ce)維(wei)護方案的(de)(de)目標是(shi)根據維(wei)護歷(li)史和飛行(xing)路線訊息等相關數(shu)據來預測(ce)航(hang)(hang)班延遲或取(qu)消的(de)(de)可(ke)能性(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)聯網(wang)的(de)(de)發展態勢，目(mu)(mu)前工業物(wu)聯網(wang)是(shi)所有垂直應用中(zhong)，發展最快的(de)(de)類(lei)別之(zhi)一，AI在工業物(wu)聯網(wang)主要是(shi)協助操作者與(yu)管理者，篩選從大量設備擷取出(chu)的(de)(de)數據，并(bing)做(zuo)出(chu)判斷，但是(shi)目(mu)(mu)前的(de)(de)AI并(bing)無法做(zuo)出(chu)具有邏輯性(xing)的(de)(de)決策，因此在制造領(ling)域(yu)，AI必須與(yu)人類(lei)智慧結合，才會是(shi)系統的(de)(de)最佳(jia)效益。