工業(yè)物聯(lián)網遇上人工智能會碰撞出怎樣的火花？

自從德國率先喊出工業(yè)4.0后，相關科技也同步的突飛猛進，包括工業(yè)物聯(lián)網、大數(shù)據分析、機器人等技術發(fā)展至今，已漸漸打造出新型態(tài)的智能工廠與全新的工業(yè)化標準。

尤其近幾年來，人工智能（AI）浪潮襲來，更賦予工業(yè)4.0全新的發(fā)展方向，明確區(qū)分自動化及智動化的差異，包括機器視覺、深度學習等利用算法分析為主的人工智能技術，已成為工業(yè)4.0未來發(fā)展的全新趨勢，不僅讓自動化與機器人的技術更為精準、制造業(yè)也開始進入如無人工廠等全新的科技領域。

01

大數(shù)據建立運算模式

在產線監(jiān)控、機器人、無人搬運車等，都將有AI運算功能設計，主因在于大量訂制化的趨勢，工廠需要面對的產品類型、產線調動等各種生產情境的難度也會大增，雖然透過傳感器及大數(shù)據分析，管理者已經可以掌握更多用來幫助決策的信息，但也因為信息量大量增加，增加管理者的信息分析壓力，加上市場變化愈來愈快速，人類的分析速度恐怕已經愈來愈難跟上提供速度愈來愈快的前端數(shù)據，自然也就更難讓制造現(xiàn)場的機臺能夠迅速反應客戶需求，AI應用于制造業(yè)，將可讓系統(tǒng)從大數(shù)據分析找出規(guī)律性建立模式，進而學習避免前面發(fā)生的錯誤，甚至做到提前預測，應用于制造領域，不僅可以縮短停機時間，更可適時做出產線調整，減少呆料及廢料的發(fā)生頻率。

對工業(yè)物聯(lián)網來說，取得數(shù)據和分析數(shù)據是核心任務，而來自傳感器的數(shù)據點經過多個階段才能轉化為可操作的見解，工業(yè)物聯(lián)網平臺包括可擴展的數(shù)據處理流程，能夠處理需要立即關注的實時數(shù)據，以及僅在一段時間內有意義的數(shù)據，當檢測到壓力和溫度閾值的異常組合之后，物聯(lián)網平臺關閉液化石油氣灌裝機可能已經太晚了，應該在毫秒之內檢測到異常，然后依規(guī)則觸發(fā)立即反應。

02

現(xiàn)實技術情況的反應

就目前發(fā)展來看，AI有幾種算法，例如熱點路徑分析的核心是負責檢測異常的規(guī)則引擎，物聯(lián)網平臺嵌入復雜的規(guī)則引擎，可以從傳感器數(shù)據流動態(tài)評估復雜的模式，由了解模式和數(shù)據格式的領域專家來定義規(guī)則引擎的基準閾值和路由邏輯，這種邏輯作為規(guī)則引擎在編排訊息流中的關鍵輸入，在數(shù)據點移動到數(shù)據處理流程下一個階段之前，為每個數(shù)據點定義嵌套的語句條件，規(guī)則引擎已經成為物聯(lián)網平臺的核心，而機器學習的關鍵領域之一是從現(xiàn)有數(shù)據集中找到模式，將類似的數(shù)據點分組，并預測未來數(shù)據點的價值。機器學習有關的高階算法可用于分類和預測分析，由于這些算法可以從現(xiàn)有數(shù)據中學習，且大多數(shù)物聯(lián)網數(shù)據都是基于時間序列，因此這些算法可以根據歷史數(shù)據預測傳感器的未來值，這些多種機器學習算法的組合，將可替代工業(yè)物聯(lián)網平臺中的傳統(tǒng)規(guī)則引擎，雖然領域專家仍然需要根據條件定義采取行動，但這些智能算法提供更高的準確性和精準度。

03

AI大幅提升利潤效益

工業(yè)物聯(lián)網中的機器學習最大應用之一是設備的預測性維護，透過關聯(lián)性和分析模式變化來預測設備故障，并報告如設備的剩余使用壽命等關鍵指標，預測維護未來也可應用在航空航天、制造、汽車、運輸、物流和供應鏈等領域，例如預測模型安排至汽車服務中心，在航空業(yè)中，預測維護方案的目標是根據維護歷史和飛行路線訊息等相關數(shù)據來預測航班延遲或取消的可能性。

觀察物聯(lián)網的發(fā)展態(tài)勢，目前工業(yè)物聯(lián)網是所有垂直應用中，發(fā)展最快的類別之一，AI在工業(yè)物聯(lián)網主要是協(xié)助操作者與管理者，篩選從大量設備擷取出的數(shù)據，并做出判斷，但是目前的AI并無法做出具有邏輯性的決策，因此在制造領域，AI必須與人類智慧結合，才會是系統(tǒng)的最佳效益。