全部已讀
 
 

利用AI邊緣運算 學習偵測設備異常

2018/08/21 - 台北訊

隨著工業物聯網(IIoT)的導入,製造業將邁向數位化轉型,進而發展智慧製造。SAS賽仕電腦軟體資深顧問分析師林育宏指出,工廠數位化會衍生三種情境:資料的高度整合、設備對設備的溝通協作及大量客製化產品。再進一步,大量的數位化資料及串流資料,可透過大規模且多維度的AI分析技術為數位化工廠或製造業服務更添智慧。達到智慧化將助益工廠完成自動最佳化設備參數、製品缺陷即時偵測及設備預測保修,這體現的就是物聯網與人工智慧的結合,即AIOT。

林育宏指出,機器學習是目前人工智慧領域內最強的分析技術,模型可從大量數據中迭代組合出各式強解釋力特徵,超越傳統分析人員能力,來理解IIoT大數據的特定模式,達到製造業AI的應用目的。而根據IDC報告指出,2019年儲存、處理及分析的大數據,將有超過40%是由物聯網產生,甚至在邊緣裝置被有效處理。邊緣運算是指資料分析發生在近乎於資料產生的終端裝置內,可大幅降低往返雲端的流量及儲存成本、資料不落地以確報資安,以及更即時地回饋數據價值於終端裝置,展現人工智慧面貌。

目前國外已有不少業者開始發展邊緣運算應用。像是芬蘭鐵路的1,500輛火車,各搭載30,000個輪軸組,加以夏冬季溫度劇變,定期性保修為其帶來巨額成本。為此SAS協助其以AI機器學習模型,即時分析輪軸組及車門上的IoT感測器資料,估計最大可能損壞時間做到預測性保修,降低33%的保修及零件庫存成本。而日本多功能事務機Konica Minolta也與SAS攜手,打造串連各類事務機的物聯網,以感測資料建立超過60個進階模型,最佳化各種機型的預測維修與零件替換,降低客戶原先定期就要取走零件或停機維修的困擾。


圖說:SAS賽仕電腦軟體資深顧問分析師林育宏。