从 2016 年开始, IT 产业掀起人工智能 (AI) 热潮, AI 与物联网的整合将成为未来各垂直领域的主流系统, 在制造业中, AI 也将成为工业物联网的核心运算架构之一.
智能化是近年来制造业最重要的趋势, 历经过去几年的市场教育, 这两年市场询问度已开始提高, 而从 2016 年开始, IT 产业掀起人工智能 (AI) 热潮, AI 与物联网的整合将成为未来各垂直领域的主流系统, 在制造业中, AI 也将成为工业物联网的核心运算架构之一.
自从德国率先喊出工业 4.0 后, 相关科技也同步的突飞猛进, 包括工业物联网, 大数据分析, 机器人等技术发展至今, 已渐渐打造出新型态的智能工厂与全新的工业化标准.
尤其近几年来, 人工智能 (AI) 浪潮袭来, 更赋予工业 4.0 有了全新的发展面向, 明确分野自动化及智动化的差异, 包括机器视觉, 深度学习等利用算法分析为主的人工智能技术, 已成为工业 4.0 未来发展的全新趋势, 不仅让自动化与机器人的技术更为精准, 制造业也开始进入如无人工厂等全新的科技领域.
图 1 : 自动化是现在工业的技术根基, AI 导入将全面提升自动化系统的效益.(Source: BSOCH)
就目前发展来看, 智能制造有三大趋势, 首先是生产网络, 这部分主要是应用制造运行管理系统(Manufacturing Operations Management, MOM), 协助生产价值链中的供货商获得并交换实时生产信息, 供货商所提供的全部零组件都可在正确的时间以正确的顺序到达生产线, 第二个趋势是虚拟仿真与真实物理系统的完美融合, 在生产制造过程中的每一步都将在虚拟世界被设计, 模拟及优化, 为真实的物理世界包括物料, 产品, 工厂等建立起一个高度仿真的数字双生(Digital Twin,Twin Model), 第三个趋势则是网宇实体系统(Cyber-Physical System,CPS), 在此系统中, 产品信息都将被输入到产品零组件本身, 它们会根据自身生产需求, 直接与生产系统和设备沟通, 发出下一道生产工序指令, 指挥设备自行组织生产, 这种自主生产模式能够满足每位用户的订制化需求.
以大数据建立运算模式
上述的三大趋势, 未来都会与 AI 有一定程度的整合, 例如在产线监控, 机器人, 无人搬运车等, 都将有 AI 运算功能设计, 主因在于大量订制化的趋势, 工厂需要面对的产品类型, 产线调动等各种生产情境的难度也会大增, 虽然透过传感器及大数据分析, 管理者已经可以掌握更多用来帮助决策的信息, 但也因为信息量大量增加, 增加管理者的信息分析压力, 加上市场变化愈来愈快速, 人类的分析速度恐怕已经愈来愈难跟上提供速度愈来愈快的前端数据, 自然也就更难让制造现场的机台能够迅速反应客户需求, AI 应用于制造业, 将可让系统从大数据分析找出规律性建立模式, 进而学习避免前面发生的错误, 甚至做到提前预测, 应用于制造领域, 不仅可以缩短停机时间, 更可适时做出产线调整, 减少呆料及废料的发生频率.
图 2 : 连网是工业物联网架构的基础, 未来 AI 将会分析设备设网所取得的大量数据, 作出具智能的判断与建议.(Source: Process on line)
对工业物联网来说, 取得数据和分析数据是核心任务, 而来自传感器的数据点经过多个阶段才能转化为可操作的见解, 工业物联网平台包括可扩展的数据处理流程, 能够处理需要立即关注的实时数据, 以及仅在一段时间内有意义的数据, 当检测到压力和温度阈值的异常组合之后, 物联网平台关闭液化石油气灌装机可能已经太晚了, 应该在毫秒之内检测到异常, 然后依规则触发立即反应.
就目前发展来看, AI 有几种算法, 例如热点路径分析的核心是负责检测异常的规则引擎, 物联网平台嵌入复杂的规则引擎, 可以从传感器数据流动态评估复杂的模式, 由了解模式和数据格式的领域专家来定义规则引擎的基准阈值和路由逻辑, 这种逻辑作为规则引擎在编排讯息流中的关键输入, 在数据点移动到数据处理流程下一个阶段之前, 为每个数据点定义嵌套的语句条件, 规则引擎已经成为物联网平台的核心, 而机器学习的关键领域之一是从现有数据集中找到模式, 将类似的数据点分组, 并预测未来数据点的价值.
机器学习有关的高阶算法可用于分类和预测分析, 由于这些算法可以从现有数据中学习, 且大多数物联网数据都是基于时间序列, 因此这些算法可以根据历史数据预测传感器的未来值, 这些多种机器学习算法的组合, 将可替代工业物联网平台中的传统规则引擎, 虽然领域专家仍然需要根据条件定义采取行动, 但这些智能算法提供更高的准确性和精准度.
AI + HI 大幅提升效益
工业物联网中的机器学习最大应用之一是设备的预测性维护, 透过关联性和分析模式变化来预测设备故障, 并报告如设备的剩余使用寿命等关键指标, 预测维护未来也可应用在航空航天, 制造, 汽车, 运输, 物流和供应链等领域, 例如预测模型安排至汽车服务中心, 在航空业中, 预测维护方案的目标是根据维护历史和飞行路线讯息等相关数据来预测航班延迟或取消的可能性.
图 3 : 在工业领域, AI 与 HI 必须协力合作, 方能创造系统最大价值.(Source:Universal Robot)
观察物联网的发展态势, 目前工业物联网是所有垂直应用中, 发展最快的类别之一, AI 在工业物联网主要是协助操作者与管理者, 筛选从大量设备撷取出的数据, 并做出判断, 但是目前的 AI 并无法做出具有逻辑性的决策, 因此在制造领域, AI 必须与人类智慧结合, 才会是系统的最佳效益.
来源: http://iot.51cto.com/art/201805/572255.htm