账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
贴合台湾制造业特色 2019边缘运算应用将加速
 

【作者: 王明德】2019年01月17日 星期四

浏览人次:【16023】

物联网过去几年的发展声势虽强,不过落地速度缓慢,成功案例也仅是点状出现,一直让人有「只闻楼梯响,不见人下来」的感觉,直到2016年底AI再次掀起热潮,两者结合而成的AIoT架构,再次强化物联网的市场推广力道,各种垂直领域的应用才开始加速,而其中又以制造业的脚步最快,现已有制造业者将AIoT的边缘运算概念应用于产线上,以产线的局部智慧化,迈开工业4.0的第一步,而由2018年的进展来看,在2019年将会有更多制造业在产线中导入边缘运算设计,强化市场竞争力。



图1 : 这次AI的发展已是科技史上第3次,在机器学习演算法与物联网系统整合下,这次发展十分令人期待。 (source:ReadWrite)
图1 : 这次AI的发展已是科技史上第3次,在机器学习演算法与物联网系统整合下,这次发展十分令人期待。 (source:ReadWrite)

就整体系统来看,物联网可分为感测、通讯、应用等3层架构,由于这一波AI的主流演算法以深度学习(Deep Learning)为主,透过不断的错误更正自我学习,让指令不断趋近于完美,这种模式需要大量的运算,因此多建置在物联网最上层的应用平台,从2017年开始,市场开始推动边缘运算概念,业界人士就指出,无论是制造业本身或设备供应商,对台湾来说,边缘运算都是最好的机会。


从云端到边缘 物联网效能更佳

例如工研院IEK之前定调的2018年ICT产业主轴「AI on Earth, AI on Edge;人工智慧 下凡入魂」,就是认为AI焦点将从云端运算往下落到边缘运算(Edge Computing),这个趋势将在2018年开始显著影响产业、技术与产品的研发与设计方向。


IEK预估全球边缘运算市场规模,将从2017年的80亿美元成长至2022年的133亿美元,年平均成长率达到10.7%,IEK指出,AI发展初期主要由云端运算主导,但在网路频宽、通讯延迟、资料安全等限制因素下,运算任务需要转移至终端装置或就近的网路设备上,边缘运算因而兴起。


现在物联网主要为集中式运算架构,也就是第1层所撷取的数据全部往上传,最上层的云端平台负责储存与分析,集中式运算与分散式运算各有优缺点,应用也不尽相同,集中式运算会有即时性、处理器工作负担和传输费用等问题,在制造业,设备一旦故障,若仍采用讯息传回后端再下指令的模式,现场状况极有可能因为讯息传递与后端运算所需的时间而恶化。


另外则是后端处理系统的运算负担与传输费用,未来物联网的愿景是万物联网,若所有讯息都连接到后端的运算平台,伺服器的运算能力必须非常强大,若再加上制造现场第一线设备的连网需求,无论是建置或运作成本都会相当高昂,因此在部分应用中,边缘运算会是较佳选择。


集中与边缘各有所长

不过边缘运算也并非全无缺点,例如若系统应用于小体积设备中,多点部位在狭小空间同时运算,将会产生干扰,此外经过端点预处理过的数据,也会有失真之虞。


当然物联网的建构并非只能二择一的极端做法,多数的系统都是两者并行,在即时性需求较高的部分设计为弱AI,也就是边缘运算,需要有大量且长期的运算,像是产线最佳化配置或是生产策略,就采集中式运算的强AI做法,透过机器学习、深度学习之类的演算法,运算大量数据,分析并产生出精准建议,提供管理者做为决策参考。


智慧制造系统的边缘运算,是台湾制造业的重要机会,对台湾来说,强AI的集中式运算向来不是台湾制造厂商可触及的商机,台湾工业厂商过去在制造领域的产品策略,主要以现场端设备为主,会有上层机房设备需求的制造业,这部分大多会选择欧美大型制造系统厂商,以整体规画进行,台湾厂商纵有能力,机会也不多。



图2 : 检测环节成为多数制造业者导入智慧化系统的第一步。(Source:Concept Systems)
图2 : 检测环节成为多数制造业者导入智慧化系统的第一步。(Source:Concept Systems)

工业4.0兴起后,多数制造设备厂商仍将目光聚焦在第一层的设备端,因此边缘运算概念的出现,完全符合了台湾制造产业的产品策略与市场条件,首先是运算晶片,过去物联网终端产品的元件,多被要求低功耗与小体积,让设备可以在最有限的空间下,尽可能的长时间运作,而由于多只是简单的状态数据撷取,因此运算功能不需强大,但在边缘运算概念中,部分设备需要有一定的运算能力,这对多数台湾IC设计业者来说,都在能力范围之内。


而在设计工业物联网时,制造现场的专业非常重要,不同类型的设备需要对应不同模式的运算晶片,台湾厂商特色是快速弹性的客制化设计能力,在这种少量多样的需求中,其优势将会延续,不过这类型应用也容易被抄袭。


因此台湾厂商必须先行取得起特定应用领域的专利,IEK认为其中又以影像与视觉的现场可程式逻辑闸阵列(FPGA)、特殊应用专属晶片(ASIC)等两类产品最具竞争力。


至于台湾的劣势则是AI产业化的不足,其实台湾过去在AI领域所培养的人才并不算少,回台成立台湾AI实验的的杜奕瑾就曾指出,他在微软任职期间,微软每年举办的开发者大会「Build」中,台湾队总是缺乏政府的奥援,但即便如此,台湾队伍每年总能拿下不俗的成绩,这说明台湾的软体人才其实不逊于其他国家,只是过去一直不被政府与产业重视。


不过近两年科技部已开始启动AI政策,希望透过AI产业化留住台湾软体人才,而有了软体人才,台湾的AIoT在软硬体才能齐备,顺利启动,以前面提到的边缘运算晶片为例,要在小体积与低耗电的条件下,设计出足够运算能力的晶片,除了硬体技术外,演算法也是重要一环,软体工程师必须将庞大的演算模型精简化,让终端可以在低功耗模式下进行运算。


局部智慧化 提升中小企业竞争力

除了设备供应商外,边缘运算也对台湾制造业带来优势,尤其是规模不大的中小企业。中小企业是台湾制造业命脉,市场优势是制造弹性十足、服务佳、产品质高价低,缺点则是资源有限,难有长期的产品规划,而在过去需要大量投入资源的集中式运算智慧制造架构中,资源不足的缺点无疑会被放大,影响到竞争力。


而边缘运算则仅将AI设置于系统终端设备,以有限运算能力解决不须太过强大功能的问题,例如在产线的瑕疵检测环节,过去主要是由检测员负责检视产品,自动化时代开始导入机器视觉,解决人眼会因为长时间工作导致品质下滑的缺点。


机器视觉上产线的设定过程繁复,不过由于以往都是少样多量的生产模式,即便再麻烦,也只需在上线时设定一次,因此制造业者仍可接受。然而现在制造业逐渐产生多样化生产,制程的换线频率增高,一再重复繁琐的设定会降低生产效率,因此现已有制造设备商将GPU卡应用于产品检测,使其具备边缘运算功能,透过简单的深度学习,机器视觉可以大幅降低训练时间,让系统快速上线辨识,同时可大幅提升辨识精准度(人眼辨识度为98%,AI机器视觉为99%以上)。


AI与HI才是最佳解答

AI与工业物联网的整合虽才起步,不过整体趋势已经确定,2017年6月阿里巴巴创办人马云就指出,现在产业已经从「互联网+」进展到「AI+」,也就是AI将与各种领域结合,创造出更多加值服务,而这也就是过去物联网所诉求的垂直应用模式,不过多位业界人士表示,这不代表AI未来会全面取代人类,台湾微软总经理孙基康在之前微软的AI活动上指出,AI必须要和HI(Human Intelligence)结合,才会变成SI(Super Intelligence),在制造业尤其是如此。



图3 : AI必须要和HI结合,才会变成SI,在制造业尤其是如此。(Source:A Medium Corporation)
图3 : AI必须要和HI结合,才会变成SI,在制造业尤其是如此。(Source:A Medium Corporation)

观察AIoT的发展趋势,可以看出都是为了提供使用者更直觉、智慧、多元的选择,但无法做出具有逻辑性的判断,真要提出相关对应策略,还是需要倚靠人类智慧。


在制造业中,工业物联网与AI的结合,已进展到感知层面,也就是脱离冷冰冰的人工指令,而改采更具人性的直觉性讯息,例如当现场制造设备出现故障,系统会依据过去深度学习的结果,判断出问题所在,再依情况直接告诉作业人员设备故障处与可能故障原因,人员可参考系统将系统建议结合本身专业决定处理方式,而若系统察觉到的问题经过判断必须即时处理,则会先以口语化语音立即指出故障处与紧急处理方式,让工作人员可在最短时间内解除状况。


在与AI整合后,物联网会加快其应用拓展速度,就产业架构来看,台湾厂商过去在消费性产品所建立的优势,将会延伸到物联网系统中的终端零组件与连网设备,不过这类型产品将会需要一定程度的客制化设计,对台湾制造厂商来说,这是挑战也是新契机,台厂必须投入更多资源掌握特定领域的专业知识,但同时也能借此提升产品价值,强化本身竞争力。


**刊头图:(source:A Medium Corporation)


相关文章
利用边缘运算节约能源和提升永续性
生成式AI与PC革新
边缘运算伺服器全方位应用场景
全球标准如何促进物联网发展
机器学习可以帮助未来的癌症诊断
comments powered by Disqus
相关讨论
  相关新闻
» Fortinet 资安嘉年华:人工智慧协作守护未来资安
» 洛克威尔自动化最新工业资安报告 能源业受攻击次数多出3倍以上
» 达梭系统举办数位转型智造论坛 助中小企业提升研发创新力
» 达梭强化疫後供应链复原 助数位转型开辟新市场
» Omdia:生成式AI面临相同挑战 涵括偏见内容与可解释性


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK83J7XRMYMSTACUKC
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw