智慧應用 影音

揮灑深度學習技術 建構智慧製造的工業大腦

2021/11/11 - DIGITIMES企劃

接連締造「亞洲最早開發混合雲管理平台」、「台灣第一個GPU雲建置者」及「台灣市佔率最高AI PaaS」等成就的數位無限軟體,由總經理陳文裕現身說法,講述智慧製造組織如何輕鬆導入AI深度學習。

陳文裕表示,綜觀近年AI發展趨勢,顯而易見GPU已成為最重要的算力來源。拜GPU推波助瀾所賜,使AI浪潮迅速壯大,衝擊所有產業,製造業堪稱是受影響較深的族群之一。儘管這些年來受到的衝擊越來越大,但許多製造業者都認同,唯有儘早排除障礙採用AI才能提升競爭優勢。

AI採用的關鍵障礙為何?首先是技術難度太新太高;其次是人才明顯不足;再者是系統整合難度偏高。導致AI的需求與現實之間的差距始終龐大。

若從智慧製造視角,AI主要能創造幾個價值,包括提升品質、優化效率、降低成本及節省能源。欲實現這些效益價值,製造業者得具備「工業大腦」,此大腦必須蘊含AI機器學習、大數據分析、計算力及產業知識等腦力,並需要融合人員、機構、材料、工法與環境等多類數據,藉此練就設備智能、產線智能、良率智能和供應鏈智能,順勢打好智慧製造發展基底。

更進一步來說,只要企業建立工業大腦,便能消化與吸收產品、製程、設備、物流、管理、經營、排班、能耗等數據養分,內化為基礎功力,後續即可藉由精準的圖像質檢、參數推薦、異常預警,促進供應鏈、調度與排產的最佳化,同時制定出最理想的銷售計劃、故障計劃。

「深度學習是未來!」陳文裕強調,唯有善用深度學習(DL)技術,才能形塑類似人類大腦的神經網路,能聽得懂、看得懂四周環境變化,從而採取適當行動,甚至做一些思考。

企業想要推動DL,須先考慮好6件事,包含目標、成果指標、人員、自動化、擴展性、治理(演算法),做足準備後,便可開始進入DL模型訓練階段。

此時企業應有所認知,隨著科技演進、實用工具越來越多,以致現今有些事並不需要從零開始做,可先行確認DL解決過的類似問題,作為範本。接著收集所需資料,繼而預處理這些資料,再選擇網路模型、設置訓練超參數、著手訓練模型並利用檢查點,在完成訓練任務後評估選擇最適合模型、正式投入推論。假使後續發現推論精準度下滑,則需啟動再一次訓練,依序從收集資料、預處理資料、選擇網路模型...等步驟重來一遍。

至於如何選擇初次導入的AI專案?陳文裕認為,宜從小型專案開始,先行練功、不急著追求效益,過程中必須結合懂AI的工程師和領域專家,選擇對的應用場景與目標問題,即可產生初步成果,再滾動複製成功經驗、持續擴大AI綜效。

[video=www.youtube.com/watch?v=engm45QywJE]


圖說:數位無限軟體總經理陳文裕表示,製造業者必須儘早排除障礙採用AI才能提升競爭優勢。DIGITIMES


圖說:數位無限軟體總經理陳文裕認為,企業要推動深度學習須先考慮好6件事,包含目標、成果指標、人員、自動化、擴展性與治理(演算法)。DIGITIMES