Secutech 2019
AutoTronics2019
 

藉助可信賴的平台與夥伴 突破智慧製造轉型瓶頸

台灣IBM系統研發中心支援服務系統架構師王君偉表示,IBM透過顧問服務,不僅協助製造業建構AI軟硬體環境與場景應用,更藉由專業訓練,引導客戶建構AI能力,自主實踐AI價值。

隨著少量多樣成為製造業接單常態,台灣製造業者多有體認,無法沿用既有作業模式來因應變局,故積極導入人工智慧(AI),期使人員、流程、設備能即時調適以優化營運、加速轉型。實際應用舉凡鋼鐵廠運用AI於製程檢測,用以探知煉鋼過程的影響因子以提升良率、半導體廠發展晶圓缺陷檢測系統、紡織廠與染整廠發展布料品質分類系統,皆是人工智慧在製造業的新軌跡。

多數企業的AI起步,不外乎是啟用開源軟體、派員上課,自力摸索AI發展路徑,但即便勉力完成模型訓練,卻經常無法將模型上線到實際場域,且無內部專家有能力找問題、解問題,才驚覺AI無法快速規模化。台灣IBM系統研發中心支援服務系統架構師王君偉歸納製造業AI化的主要挑戰,除了缺乏人才、缺乏軟硬體平台外,還有未能針對應用場景,建置能快速導入、測試進而複製成功經驗的AI環境。

人才與平台欠缺困境,如何解?

王君偉說,針對軟硬體平台的缺口,他建議以深度學習技術、分析模型建置、多雲架構等轉型方向為基準,思考如何就硬體部份引進高效能伺服器,就軟體部份引進視覺化深度學習技術方案、機器學習平台及AutoML方案,加上實現公私雲無縫介接的方法,搭建可信賴的AI發展平台。IBM相較其他AI供應商的差異化優勢,在於完整提供各項軟硬體工具,更是唯一能協助用戶一路打通雲端、伺服器到儲存的業者,這對於完善建構AI環境,是極重要的一環。

談及人才不足、環境建構不易等問題,則可以引用外部顧問服務來化解;顧問夥伴的評估重點不外有三,端看能否幫助企業建構AI團隊(含人才培訓)、建置AI環境,及建立AI資產管理環境。IBM從「AI賦能」出發,期望藉由IBM Lab專業服務,協助企業養成自主開創、優化與實踐AI價值的能力,首先藉由Workshop,根據特定情境主題,協助企業內部同仁進行模型訓練資料準備、分析關鍵因子,持續提升模型準確率,為企業培養AI人才班底;其次運用完備軟硬體產品、豐富實作經驗,輔以全球場景應用案例分享,從Pilot Run到Production過程一路協助企業打造AI環境;再者協助建構AI資產管理環境,讓訓練好的模型可被重複利用,加快後續AI發展進程。

創新技術加持,帶動模型訓練效率激增

總括而論,IBM提出的製造業AI轉型方案,獨特利基在於具備架構完整性,更搭配多項自行研發的獨門技術,助力加速AI轉型成效。首先是SnapML技術,可藉助GPU並行加速,提升傳統機器學習模型訓練速度達數十倍;其次為分散式深度學習技術,能自動整合數十台伺服器、上百顆GPU執行平行運算,縮短訓練深度學習模型的時間。

再者,IBM Power系統支援NVLink GPU加速技術,搭配獨創Large Model Support軟體,可同時動用大量GPU與CPU的記憶體資源,強力支撐大型模型、或高解析度圖像的訓練,一來有效避免訓練過程中記憶體不足OOM(Out of Memory)現象的發生,二來能顯著提高模型訓練效率及準確率。

王君偉說,迄今已有不少台灣製造業者採用基於IBM Power Systems的PowerAI方案,扎穩智慧製造的轉型基礎,且涵蓋的應用場景甚為多元,例如高科技廠利用AI模組輔助產品外觀視覺檢測,不僅讓質檢的效率與準確度同步大增,也有效降低檢驗人員的負荷;或是織布廠、染整廠透過AI自動偵測與調整紡織品的染料與助劑比例,大幅提高打色成功率,實現原料組合最佳化。