账号:
密码:
CTIMES / 文章 /   
工程师必须关心的2020年AI/工业4.0关键趋势
 

【作者: Jos Martin】2020年03月27日 星期五

浏览人次:【2554】
  

科学家和工程师能藉由专业领域知识在AI专案取得某种程度的成果;然而,若利用如自动标记等工具来快速地处理庞大、高品质的资料集,将是进一步成功的关键。


随着取得了现有深度学习模型与研究并加以持续改进,科学家与工程师得以在人工智慧(AI)专案得到更大范围的成果。传统上,AI模型大多数以影像为基础,不过接下来这一年,AI模型将涵盖更多样化的资料类型结合,从感测器到时间序列,再到文字和雷达资料等等。



图1 : 传统上,AI模型大多数以影像为基础,未来AI模型将涵盖更多样化的资料类型结合。
图1 : 传统上,AI模型大多数以影像为基础,未来AI模型将涵盖更多样化的资料类型结合。

科学家和工程师固然可藉由自身具备的专业领域知识在AI专案取得某种程度的成果;然而,若还可以利用某些工具如自动标记等来快速地处理庞大、高品质的资料集,将是进一步成功的关键。资料品质愈高、资料量愈大,愈能增加AI模型的精确性,成功机会也愈大。


丰富的模型化基础设计工具

更多复杂设计、以AI为驱动的系统正不断增加,因此AI模型的行为对於整个系统性能将带来重大影响,带动了更多严格测试流程的需求。因此,在2020年,我们将看到更多能提供模拟、整合与持续测试的模型化基础设计工具被大量地采用。


模拟可让设计者测试人工智慧与系统之间如何进行互动,整合则可帮助设计者在完整的系统情境下试验他们的设计,持续测试有助於更容易地找出AI训练资料中的弱点和其他元件的设计缺陷。


透过协作机器人与AI使生产线更灵活

透过AI来进行的叁数化和调整的Cobots在人类身边运作的协作机器人(由collaborative robots合并缩写而成)将是2020年後实现真正灵活生产线的关键。在过去五年,关於工厂厂房生产线自动化的新愿景被大量地谈论「大批产品客制化(sample size one)」,也就是生产线如何藉由逐一生产每个单项产品,以避免缺乏效率和转换时间长的问题。


要实现工业4.0愿景之一的生产完全个别化,生产线必须具备灵活性,并设有多个可以在生产过程中即时重新调配的机械电子模组,也需要配置更多协作机器人,这些皆由AI依据下一个要制造的个别化产品进行调整。



图2 : 由AI驱动生产线的灵活性是实现工业4.0生产个别化的关键
图2 : 由AI驱动生产线的灵活性是实现工业4.0生产个别化的关键

边缘运算与预测性维护持续演进

云端系统的使用,再加上更强大的工业控制器和边缘运算装置的运算能力,将为新的功能性生产系统软体铺路。预测性维护技术将持续改进,随着资料来源不只来自单一个别机器,也包括了跨越多个地点及不同供应商设备间的资料。除此之外,以AI为基础的演算法将可动态地优化整个生产线及生产量,并将耗能维持在最低,持续提升工厂效率。



图3 : 预测性维护技术将随着感测资料的多元化而持续精进
图3 : 预测性维护技术将随着感测资料的多元化而持续精进

强化学习之工业应用

强化学习(reinforcement learning),指电脑反覆跟一个动态环境间不断地互动、透过尝试-错误(trial-and-error)来学习执行一项任务。应用范围从在Go和下棋等桌上游戏里打败人类玩家,到变成提供工程师一系列的支援。在工业应用上,它可以被用来实现控制器及复杂系统的决策演算法,像是机器人和无人自主系统等。


提供工程师们更容易使用的工具来建立与训练强化学习策略,并训练所开发出的模拟资料,是驱动未来强化学习(reinforcement learning;RL)改善大型工业系统的重要关键。


其他驱动强化学习应用的因素,还包括了能将强化学习主体(agents)与系统模拟工具整合,以及让嵌入式硬体的程式码生成变得更加容易的工具。举例来说,将一个强化学习主体加入自主驾驶系统可以改善及优化驾驶的表现、提升速度、降低燃料消耗及回应时间等等。



图4 : 强化学习━由电脑所代表的主体与动态环境不断地互动,以尝试错误的方式来学习如何执行任务
图4 : 强化学习━由电脑所代表的主体与动态环境不断地互动,以尝试错误的方式来学习如何执行任务

随着科技的进步,科学家与工程师将享受大量的好处,不过工具的使用、增加学习与采用工具来处理更大资料集工作任务的意愿、以及建立新模型与测试AI驱动系统等,将是实现所有工业4.0愿景功能势在必行的工作。


(本文由??思科技提供;作者Jos Martin任职於MathWorks公司)


相关文章
边缘运算四大核心 实现海量资料处理的最隹布局
利用Simulink进行无线收发器之设计与网路建模
边缘运算需求引爆 软硬体协同开发是最大挑战
边缘运算是实现智慧物联应用的关键
人工智慧长驱直入 边缘运算渐成产业主导要素
comments powered by Disqus
相关讨论
  相关新品
EM500EV 测试/开发板
原厂/品牌:集博
供应商:集博
產品類別:IDE
  相关新闻
» 上银颁奖典礼缩水续办 百万金质奖落台大
» TPCA发表电路板产业建言 聚焦4大发展趋势
» 国家队不只送囗罩 还能输出整厂技术
» 慈善科技创新力道 国研院与慈济四大志业签订合作备忘录
» 台湾制造业产值连5季衰退 半导体、网通设备异军突起
  相关产品
» 三菱日立J系列燃气涡轮机商业运转达到100万小时
» 新款无风扇Kinetix VPC伺服马达可节省能源
» 善哉牌JBL系列涡卷泵浦用水领域多样
» TYAN发布伺服器及主机板支援第二代Intel Xeon
» Molex发布0.40毫米SlimStack B8系列板对板连接器

AD


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 ©1999-2020 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw