人工智慧賦能智造 工廠場景數據革命全面爆發

文：林晶

企業數位化轉型

一九九五年，國際象棋大神卡斯帕羅夫敗給了體重一點四噸的人工智慧電腦,「深藍，這是人工智慧(ＡＩ)第一次打得人類猝不及防地滿地找牙，二○一六年世界圍棋冠軍李世石在與Alpha ＧＯ的比賽中投子認輸，人們開始驚覺到人工智慧的力量已不容忽視。時隔二十餘年，浪潮迭起，未來已至，人工智慧正在全球引領一場比互聯網影響更為深遠的科技革命，顛覆現有的商業模式，重塑產業的思維方式。

李開復在《人工智慧》一書中將這次的人工智慧復興稱之為「第三次ＡＩ熱潮」，這一次熱潮最大的不一樣在於，ＡＩ真正從學術界走到工業界和人們所處的應用場景中，ＡＩ技術革新賦能產業升級正成為現實。於此發展背景下，科技部方面為掌握AI來襲的浪潮，在2017年亦擬定AI科研戰略，以五大推動方向，如建置AI雲端平臺和成立AI創新研究中心等方向，期待全面提升臺灣未來在AI領域的競爭力，近期更有推動半導體射月計畫，目標要在2022年讓臺灣成為AI大國。

ＡＩ賦能製造業 本質是「人機協同」

伴隨著人臉識別、無人零售等新技術帶來的消費升級，人工智慧已幫助零售業圍繞消費者，在時間碎片化、資訊獲取社交化的大背景下，建立更加靈活便捷的零售場景，提升用戶體驗。那麼，人工智慧究竟能為龐大的製造產業群帶來什麼？製造業在過去很長的一段時間裏，是「勞動密集型」產業的代名詞。當人工智慧來臨的時候，許多人不禁擔憂：「是不是製造業中的勞動力要被替代了？」

李開復甚至斷言，十年後五十％的人類工作將被AI取代。誠然，人工智慧經常被通俗的解讀為「與人類一樣聰明的人造機器」，將這個「聰明的機器」放進製造現場，主要的作用就是使機器能夠「達到甚至超過人類技工水準」，以實現企業生產運營效率的提升。而這個ＡＩ介入的「智能化」過程，與過往製造業追求「自動化」的過程有本質上的差異。

「自動化」追求的是機器自動生產，本質是「機器換人」，強調在完全不需要人的情況下進行不間斷的大規模機器生產；而「智能化追求的是機器的柔性生產，本質是「人機協同」，強調機器能夠自主配合要素變化和人的工作。

因此，「人工智慧+製造」未來所追求的，不應是簡單粗暴的「機器替人」，而應是將工業革命以來極度細化、甚至異化的工人流水線工作，重新拉回「以人為本」的組織模式，讓機器承擔更多簡單重複甚至危險的工作，而人承擔更多管理和創造工作。

未來已至 還原人工智慧+製造應用場景

即便在未來，想以人工智慧全面取代製造過程中人類專家的智能，獨立承擔起分析、判斷、決策等任務是不現實的。「人工智慧+製造」實現的人機一體化高度協同可以在智能機器的配合下，更好地發揮出人的潛能，使人機之間形成一種平等共事、相互理解、相互協作的關係，讓設備、軟體、數據、人，都像在擁有智慧的基礎上，把自己在生產製造場景中的價值發揮到極致。

依據《「人工智慧+製造」產業發展研究報告》將ＡＩ作用於製造業的典型應用場景分為以下三類：

實現從軟體到硬體的智能升級。人工智慧演算法將以能力封裝和開放方式嵌入到產品中，從而幫助製造業生產出新一代的智能產品。如穀歌開發出專用於大規模機器學習的智能晶片ＴＰＵ、騰訊ＡＩ開放平臺對外提供電腦視覺等ＡＩ能力、亞馬遜推出內嵌人工智慧語音助手的智能音箱echo等。

提高行銷和售後的精准水準。在售前行銷，以人工智慧進行用戶側需求數據的多維分析，將能實現更即時、精準的廣告資訊傳遞，如穀歌為製造業專門開發了精準廣告平臺；在售後維護，人工智慧將有機會和物聯網、大數據一起，實現對製造業產品的即時監測、管理和風險預警。如三一重工把分佈全球的三十萬臺設備接入平臺，即時採集近一萬個運行參數，利用大數據和智能演算法，遠程管理龐大設備群的運行狀況，有效實現故障風險預警，大大提升了排障效率並降低維護成本。

增強機器自主生產能力。人工智慧技術可以使得機器在更多複雜情況下實現自主生產，從而全面提升生產效率。應用場景包含：工藝優化，即通過機器學習建立產品的健康模型，識別各製造環節參數對最終產品品質的影響，最終找到最佳生產工藝參數；智能質檢，即借助機器視覺識別，快速掃描產品品質，提高質檢效率。

而其中，尤以如視覺缺陷檢測、機器人視覺定位分揀和設備故障預測報警等應用場景得益於深度學習和人工智慧的加速成熟，已在製造現場實現落地。例如通過集成3D掃描器和協作機器人、視覺系統、吸盤/智能夾爪，實現對目標物品的視覺定位、抓取、搬運、旋轉、擺放等操作，並對自動化流水生產線中無序或任意擺放的物品進行抓取和分揀。這既可應用於機床無序上下料、鐳射標刻無序上下料，也可用於物品檢測、物品分揀和產品分揀包裝等。目前在應用場景案例中已能實現規則條形工件一百%的拾取成功率。

在設備故障語境應用場景中，基於人工智慧和ＩＯＴ技術，通過在工廠各個設備加裝感測器，對設備運行狀態進行監測，並利用神經網路建立設備故障的模型，從而在故障發生前，提前預測故障，並將可能發生故障的工件替換，從而保障設備的持續無故障運行。這樣的應用可以將產線停工時間從幾十分鐘壓縮至幾分鐘。

總之，從目前消費互聯網的發展來看，可以很清楚的感受到是用軟體來定義我們的生活，而且這種發展趨勢一定會蔓延到製造業來。工業4.0理念下的智能製造，是將一切的人、事、物都連接起來，形成萬物互聯，形成與整合為一種由智能機器與人類專家共同組成的人機一體化智能系統，它在製造過程中能進行智能活動，注入分析、推理、判斷、構思和決策等融合成為一套智能製造系統。

工業互聯網支撐 深挖大數據「AI+製造」場景價值

隨著物聯網向製造領域的加速滲透，工業OT層數據採集範圍不斷擴大，製造數據的規模、類型和速度正在呈指數級增長外，企業對於資訊化軟體的依賴程度也越來越高，如PLM/PDM、ERP、MES、APS、CRM、SCM、SPC..上述各式軟體不僅需要協調管理好企業內部資源，還需要良好支撐不同企業間資源與業務的交互實現不同主體、不同系統間的高效集成。

為解決應用軟體是由多個功能模組聚合而成複雜度高且難以拓這些問題，越來越多的工業軟體將在新的工業互聯網平臺上，以微服務的方式實現，小而精，易於敏捷開發，獨立更新和管理。在製造業這個龐大的產業，數據的連通與交互更為複雜，要讓「人工智慧+製造」的夢幻般應用場景儘快成為現實，工業互聯網成為關鍵的基礎平臺，借助工業互聯網，打破傳統企業架構，實現工業4.0所強調的橫向集成、縱向集成和端到端集成，進入「人工智慧+製造」關鍵應用場景。

面對越來越龐大的生產數據，以及日益複雜的數據分析任務，在工業互聯網平臺上，通過全產業的數位化互聯與資產的即時監控，綜合利用分析數據與預見分析，以此來建立智能的工業化運營模式是必然。因此，要加快實現「人工智慧+製造應用場景，製造業需要有能力借助先進的工業大數據分析和預測工具，高效實現監控、報警、預測及優化等生產過程的全面數位化，而這些，都依託於彙集所有工業數據，構成端到端的數位化、網路化、智能化整體解決方案的工業互聯網平臺的支撐。

沒有數據無法學習 企業需要AI Thinking 思維

「人工智慧發展一定是從數據最大、最快能產生價值的領域開始，決定AI商業化的關鍵在於應用行業本身收集數據的情況。」李開復曾不止一次在公開場合這樣喊話。誠然，沒有大數據就無法深度學習，因為在單一領域，經過大量的數據，能夠達到比人遠更精確的判斷。可以說，有了大數據就有了人工智慧的機會。

人工智慧時代，深度學習與大數據密不可分。深度學習可以從大數據中挖掘出以往難以想像的有價值的數據、知識或規律，然後再將這些概念或知識應用到之前從來沒有看見過的新數據上。任何擁有大數據的領域，都可以找到深度學習一展身手的空間，從而尋找人工智慧應用場景實現的可能性。但是，在導入人工智慧技術前，我們必需理解到：人工智慧要靠數據才能發揮作用，唯有透過海量數據的學習後，才能讓人工智慧達到自行調適與優化的效果，因此數據可說是人工智慧的必要前提。

面對此A人工智慧應用遇到顯著的難點就是企業常常面臨數不足的情況。因為對很多企業來說實際的情況可能是連結構化的資料收集都沒做到，或者有儲存了資料但是散落在各系統上仍然無法整合利用起來。針對這類現實的情況，很多專家都建議應該回頭來先做好基本的軟體系統的導入和好好先做好數據的積累。因為AI人工智慧的實現需要實現的過程，沒有對數據的重視，AI離企業還很遠。

對此強調數據蒐集的重要性，東海大學軟體工程與技術中心主任周忠信教授表示目前市面上的AI訓練，大多數是由下往上學習AI技術，例如深度學習等開發，但對於企業管理階層而言，鑽入AI技術小宇宙不僅在時間、成本不符效益，更可能迷失企業運用AI的初衷。因此，周忠信教授提出「AI Thinking 人工智慧思維」認為技術和數據都很重要沒錯，但是企業若是要萬事具備才能使用AI也絕對不是個法子，關鍵是要從Model based轉換到learning based上，儘早讓既有數據展開學習才能讓數據轉變成決策訊息。

所謂AI思維不在強調人工智慧技術，而是強調具備對人工智慧抽象概念的理解。人工智慧技術的範圍頗廣，從電腦視覺、自然語言理解、機器學習、深度學習到強化學習等，若要先懂得這些技術才能將之運用在企業上，那麼企業將很難順利轉型成功。因此如何跨越AI技術議題，仍能具備人工智慧的運用能力。

周教授定義AI思維的四個「自」構面，分別為自動、自學、自主與自覺。若將AI思維運用在企業上來舉例，自動掌變化，例如運用人工智慧的視覺辨識，自動檢視產品，掌握產品的瑕疵變化；自學擬預測，人工智慧的觸手可以深入企業數據當中，擬定預測模型，協助企業預見趨勢；自主佐決策，運用人工智慧，擷取職能的關鍵知識與經驗，主動輔佐管理者做好決策；自覺重體驗，代表人工智慧不是取代人，而是以人為中心，來滿足使用者的應用與互動體驗。

ＡＩ+ＥＲＰ深度學習融合大數據應用典範-小慧

除製造業的應用外，AI於軟體開發也不例外。ＥＲＰ智能化便是人工智慧領域深度學習與大數據結合的典型應用方向。作為製造業最為核心智能運營平臺，如何實現人機交互的企業級ＥＲＰ智能化用戶體驗成為被熱烈討論的議題。以鼎新電腦所推出之智能語音助理小慧為例，可以聽得懂用戶講的話，在龐大的企業資料庫中，快速獲取所需的資訊。從此讓ERP系統可以透過自然的對話與系統溝通，讓用戶可以擺脫面對各種不同系統的複雜和困擾，讓工作變得簡單、高效。

在ＡＩ技術助力下，未來鼎新的ＥＲＰ不僅僅使軟體進入智能化階段，更在大數據分析的支持下，通過學習用戶行為習慣，使整個製造業基礎改造及應用職能實現智能化，從基礎數據取得的智能化、流程執行的智能化、數據監控的智能化到後期數據分析的智能化、日常實施維護的智能化。可以說智能化的ＥＲＰ將充分發揮出職能助理的作用，在銷售、採購、生產、財務等多方面幫助製造企業智能化運轉，通過ＥＲＰ延展到企業的人事物，通過ＡＩ+ＥＲＰ加速企業智能運營效能提升。

結合大數據、移動互聯網，圍繞「自我學習」這一ＡＩ重要特性，智能的ＥＲＰ將能以語音對話的形式與用戶隨時隨地快捷交互，完成自我需求、自我分析、自我決策、自我執行迴圈，既可簡單高效完成日常工作任務和精準數據查詢，更能提供智能化的決策建議與異常警示，給出更合理的行動建議。這也能將用戶從日常操作的重複性工作中徹底解放出來，投入到更具價值的業務和決策層面。

 逐夢人工智慧 掘金數據紅利

如果說，農耕社會和工業社會，人類基於物質和能量的動力工具得到極大的發展；今天，勞動工具則轉向了基於數據、資訊、知識、價值和智能的智力工具，數據紅利時代來臨。於此人工智能、大數據、互聯網將對產業發生愈重要的影響之際，人工智慧已展現出前所未有的數據紅利，這些如金礦般的數據紅利也正在為各產業帶來不可預測的爆發點。

鼎新電腦從始至今以創造客戶數位價值為使命，通過以效益為導向的價值服務，回歸企業經營本質，將依託豐富產業經驗以及前沿技術，在智能+轉型戰略藍圖引領下，透由「一線、三環、互聯」的最佳實踐路徑，為企業數位化轉型注入新動能，加速實現資訊化、網路化、智能化，2018年邁向全新的里程碑，為客戶釋放數據紅利「創造數字價值」！

相關資訊