智能系統在智慧工廠與物聯網的關鍵地位

宸曜科技亞太區業務部協理藍林忠。

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。