智能系統在智慧工廠與物聯網的關鍵地位
- DIGITIMES企劃
提到智慧工廠,大多數的觀點都是從製程或設備的改善著手,希望能為工廠帶來產能的提升或製造成本的下降;宸曜科技亞太區業務部協理藍林忠指出,台灣仍有許多工廠還停留在工業1.0或2.0的階段,業者得先要做好基礎建設,再開始思考要如何進入工業4.0。
要進入工業4.0,勢必需要智能系統(Intelligent System)輔助。藍林忠認為工業4.0的發展關鍵,首先是深度學習(Deep leaning),其次是透過3D感測帶來更多的新應用,最後則是無軌式無人搬運車(Automated Guided Vehicle)的發展應用。
深度學習自Google旗下的人工智慧 AlphaGo在圍棋比賽中贏得連勝後就受到矚目,但這項技術發展十多年,已經深厚的技術基礎。藍林忠指出,深度學習的核心概念在於建立類神經網路架構、訂定學習目標,並透過大量資料加以學習。藉由深度學習可以加速機器學習的速度,減少產品研發時程,加速產品上市流程,並即時反映市場需求。
製作成本的下降也是深度學習迅速普及的重要關鍵之一。過去執行浮點運算的超級電腦硬體成本非常昂貴,但現在結合CPU及GPU的深度學習應用,硬體的單位成本已經不到1美元,可達到商業化的程度,也衍伸許多相關應用。
以機器視覺為例,透過圖像運算的深度學習,過去很難判斷的細微差異,如髮絲紋跟刮傷,不僅可以辨別,甚至可以分辨不同的刮傷程度,大幅提升影像檢測的效能。
3D影像的相關應用也已逐漸受到重視,相較於過去的2D技術,其特點在於系統量測了被測物的景深資訊,意即空間中Z軸的資訊,藉此來計算被測物在空間中的精密尺寸。
因此,如何在整體系統當中取得被測物景深資訊的方式,便成為系統在發展當中的關鍵核心。在同時取得多通道大量的3D影像資料量後,必須要在極短的時間內計算出量測結果。
除了以強大的電腦運算外,還需要利用圖像運算處理器完成即時的3D建模,並將資料通過網路遠端傳遞到工廠的伺服器。藍林忠以訂製西服為例,透過3D掃描與影像處理可以精準測量體型後,將參數透過雲端傳到生產線,提高生產效率並降低布料裁切時的浪費,進而降低客製化成本。
以Nuvis-5306RT的無風扇嵌入式電腦為例,整合英特爾(Intel)第六代Core i7的處理器、NVIDIA GTX 950/1050 高效能顯示卡,與機器視覺專用的輸入?輸出接口,如光源控制、相機觸發、編碼器輸入等,提供影像檢測與深度學習等相關應用;此外,透過宸曜科技專利的平行操作功能的控制裝置,以10微秒的分辨率達到即時輸入?控制(Real-time I/O control)。
AGV也可採用圖像識別技術;利用CCD系統動態攝取運行路徑周圍環境圖像資訊,並與擬定的運行路徑周圍環境圖像資料庫中的信息進行比較,從而確定當前位置及對繼續運行路線做出決策,更可以做到遇障礙物自動閃避的動作。相關應用更已從智慧工廠延伸到智能物流,成為現今電商蓬勃發展下重要的基礎建設。
藍林忠最後強調,台灣引以為傲的製造經驗,通常都是大量生產、壓低成本,但時代演進至今,應該是更有彈性、快速與效率。智能工廠與台灣過去的製造經驗不同,需要大家共同努力,製造業才能成功轉型。
- 智慧製造正熱門 產業轉型發展關鍵
- 智慧工廠與工業4.0論壇 掌握最新趨勢及解決方案
- IoT/M2M設備資料擷取與3D視覺應用
- 實踐智慧製造 虛實整合是關鍵
- 建構工業4.0環境的嵌入式系統
- 工業物聯網裝置啟動非揮發性記憶體需求
- 智慧工廠的幕後英雄-智慧環境
- 智能系統在智慧工廠與物聯網的關鍵地位
- 導入遠端控制管理 幫助智慧工廠運作
- 以智慧製造最佳化晶圓製造服務
- 開啟智慧工廠新視界
- 打造工業4.0專屬網路基礎建設
- 中小傳產如何邁向智慧工廠
- 全方位智慧影像監控應用
- 智慧機械產業方案 推升台灣製造力
- 打造智慧工廠 提升企業競爭力
- AVM之全自動抽樣決策機制
- 打造真正超融合架構-提供企業雲服務平台
- 製造工廠智慧型工安技術整合應用
- 工業物聯網的挑戰、迷思與案例分享