偲倢整合WISE-PaaS/AFS 突破AI規模化瓶頸

偲倢決定與研華合作，將其 SmaAI 深度學習視覺檢測工具整合研華WISE-PaaS/AFS

AI不難，AI上線實際應用才難：自動化訓練、規模化部署是關鍵

現今人工智慧(AI)不僅是全球各國積極擁抱的火紅科技，更是製造業滿足少量多樣生產需求、增進製造品質、傳承工藝經驗等多重目標的利器，所以導入 AI 的製造商不在少數；多數企業的 AI 概念驗證(POC)成果不差，但邁向規模性上線運用的過程卻往往失利。

偲倢科技總經理陳青煒指出，不少企業派員赴人工智慧學校上課，培養出懂得建模分析的AI種子部隊，他們也許能在POC階段做出準確模型，但由於對工廠生態理解有限，也鮮少思考模型上線可行性，以致無法順利規模化實施。縱使闖過這一關，後頭仍有考驗，只因資料分類、實施訓練、拷貝模型直到部署上線的整個過程極為耗時費力，多數公司囿於工程師人力限制，造成AI解決方案規模化的進程受阻。

為促進製造業AI的「Scale up」，偲倢決定與研華合作，將其SmaAI深度學習視覺檢測工具整合研華WISE-PaaS/AFS(AI Framework Service 人工智慧模型訓練與部署應用框架服務)，以營造自動化訓練、自動化部署等獨特利基，推倒過往的規模化障礙。經由這般合作關係，偲倢得以打造自動化瑕疵檢測方案，廣受半導體、被動元件等多類型製造廠的好評。

陳青煒表示，偲倢長期專注發展自動化軟體方案，旨在幫助客戶降低開發時間、提升工作／生產效率，例如推出SmaSEQ自動化開發平台，使客戶無需費時撰寫繁瑣複雜的底層程式，便能輕易編排配置運動控制、視覺、I/O等等應用流程；至於 SmaAI 亦基於類似理念，透過偲倢提供的GUI、模型，讓不懂AI的客戶也有機會實施瑕疵檢測。

偲倢的SmaAITrainer GUI，可支援自家提供的模型，也可支援第三方提供的模型，並透過研華MIC-770電腦、掛載一張 GPU 卡來執行模型訓練工作。在前端POC階段，需請AI工程師收集圖片、分類、執行訓練程式並驗證訓練成果，若成果符合期待，再以手工拷貝模型、載入產線上的電腦(例如研華 MIC-730AI)實施推論。前述過程若於 POC 階段並無大礙，但假使需要將模型部署至產線上，針對幾十台、幾百台產線設備做大規模部署，將會耗費相當大的人力、時間、經費且難以管理，這是目前許多客戶所遇到的關卡，於是詢問偲倢有無大量部署AI的自動化解決方法。

Edge AI 串聯WISE-PaaS/AFS，形成端到雲完整方案

偲倢原打算自行開發讓AI模型能在外雲端執行的功能，以滿足產線自動化智能訓練、部署與更新需求，得知研華推出 WISE-PaaS/AFS與偲倢的概念相同甚至更加完整，於是雙方進行合作測試，直接將 SmaAI 引擎放入WISE-PaaS/AFS執行，證實產生不錯成效；具體來說，企業做好分圖後，連同圖檔、訓練程式一併上傳 WISE-PaaS/AFS，即可在背景不斷撈圖檔資料、做訓練，持續更新模型，接著自動化部署到產線上，大幅降低模型訓練的人力工時。顯見WISE-PaaS/AFS足以幫助客戶克服從POC邁向規模性上線之種種阻礙，堪稱市場上罕見的 AI 規模化平台，促使偲倢決定與研華展開合作。

現在企業經由研華 Edge AI(含 MIC-770、MIC-730AI)串聯 WISE-PaaS/AFS 雲端平台，再結合偲倢SmaAI，即可匯聚為從端到雲，從模型訓練、部署到驗證的一整套方案，企業無需兜額外元件，便能加速AI布局。

值得一提的，迄今WISE-PaaS/AFS功能仍不斷精進，以近期推出的「超參數調校」(Hyperparameter Tuning)功能為例，深具實用價值。假使企業欲將某支模型同時部署到數百台設備，如果只靠有經驗的工程師耗時調整數百次參數，效率必然不彰，又或者企業有時會面臨多次再訓練(re-train)仍無法提升模型精準率之狀態，必須費時一再調整參數。此時一旦借助AFS超參數調校功能，便可透過AI演算法自動搜尋最佳參數，大幅減少人為 Try & Error 歷程。目前支持的調參演算法包含 TPE、Random Search、Anneal、Naïve Evolution、SMAC、Batch tuner、Grid Search等等。

偲倢SmaAI Ｘ 研華WISE-PaaS，成就 AI 瑕疵檢測方案

偲倢提供的AI瑕疵檢測方案，按研華的定義，算是相當典型的 Industrial APP(I.APP)；而深諳工廠自動化技術的偲倢，能夠與客戶深入討論光源、相機、馬達、機械手臂的控制之道，亦兼具DFSI(Domain-Focused Solution Integrator)能量，可謂市場上少見能跨越IT、OT的AI新創業者。展望今後期許與研華密切合作，藉由共創持續催生優質AI解決方案，幫助企業解決痛點，真正達成 AI 規模化應用與發揮效益。