文章
日志
帖子
首页
论坛
博客
大讲堂
人才网
直播课
资讯
全部
通信/手机
综合电子
测试测量
半导体/EDA
微处理器
模拟/电源
可编程逻辑
嵌入式
汽车电子
医疗电子
工业电子
物联网
可穿戴
机器人/飞行器
其他科技
传感器/Mems
射频微波
人工智能
技术文章
全部
通信/手机
综合电子
测试测量
半导体/EDA
微处理器
模拟/电源
可编程逻辑
嵌入式
汽车电子
医疗电子
工业电子
物联网
可穿戴
机器人/飞行器
其他科技
传感器/Mems
射频微波
人工智能
频道
通信/手机
综合电子
测试测量
半导体/EDA
微处理器
模拟/电源
可编程逻辑
嵌入式
汽车电子
医疗电子
工业电子
物联网
可穿戴
机器人/飞行器
其他科技
传感器/Mems
射频微波
人工智能
登录
注册
创芯云服务 :
创芯大讲堂
|
创芯人才网 |
数字IC职业培训
EETOP诚邀线上IC培训讲师!
资讯
>
人工智能
>
内容
AI走进工业物联网 逐步打造制造智能化
2019-01-09 11:01:18
来源:
未知
1969年PLC问世后,自动化技术在制造领域逐渐站稳脚步,如今已是全球制造系统的核心架构,由于制造系统讲究稳定,因此对新技术、新架构的接受速度向来缓慢,不过近年来消费市场快速变动,对全球制造业带来严峻挑战, 导入智能化架构成为业者永续经营的必要策略,而在新世代的制造系统中,工业
物联网
不仅成为核心架构,更会与
AI
(
人工智能
)结合,落实智能化愿景。
所有场域应用的
物联网
,其架构都相同,都是由传感器、通讯网络与云端管理平台所组成的3层架构,由传感器撷取设备数据,再经由通讯网络传送到上层云端平台储存、运算,最后再以分析出来的数据作为系统运作的决策参考,而在整体架构中,
AI
过去多被建置在上层的云端平台,透过强大的机器学习算法,分析由终端感测层传回的海量数据。
不过,机器学习算法需要一定的运算时间,其目的也多在解决制造业类似像是制程排程优化的长时间问题,对于制程中会遇到的实时问题反应与控制指令回馈会缓不济急,近两年边缘运算概念兴起,成为工业
物联网
的实时性问题的最佳答案。
上层
AI
多用于长期规划
边缘运算的做法是让终端设备具有一定的运算能力,具有边缘运算设计的工业
物联网
架构,必须先建立起一套数据流模式,当传感器撷取到设备的状态数据后,就将数据传送到通讯层的网关,网关再依照系统建构时的设定让数据分流, 需要实时处理数据传送到前端控制器,让自动化设备可以快速反应,需要储存累绩为长期数据的数据,则送往数据库储存,上层再透过运算平台分析出结果,提供管理者作为决策参考,因此现在完整的工业
物联网
, 其
AI
会被分别设计在会有终端与云端两部分,让分布式与集中式运算在架构中并存,彼此各司所职。
再从设备供应端在工业
物联网
的研究议题来看,现在主要是集中在4个方向,包括生产系统、产品质量、制程优化与数字建模。 在这4大方向中,各有其需要解决的问题,像是生产系统中,设备的状态感测、监控与预诊,产品质量的检测、预测,制程优化的参数设定、能源运用,数字建模的数字双生平泰建立等,透过工业
物联网
的数据撷取与分析,将可逐步解决这些问题, 提升系统整体效能。
在工业
物联网
中,
AI
主要用来做制程的优化与长期规画等非实时性决策,例如现在消费性市场的产品类别多样,制程系统的换线将成为常态,透过大数据与
AI
的运算,就可尽量缩短换线生产的停机时间,让排程优化。
进行产线排程时,需从机器环境、制程加工特性与限制、排程目标,依据工作到达达生产现场的情况区分,可分静态及动态排程两种,静态排程是到达生产现场时,其制造数目?固定且可一次完成的任务进行排程,后续如果出现新工作, 再并入下一次制程处理。 动态排程则是若制程连续、产品随机,而且数目不固定的到达生产现场,须不断的更新生?排程。
就上述两种排程方式来看,静态排程通常为少样多样方式,
AI
在其中要解决的问题,主要是透过
深度学习
算法分析各环节的时间与质量,不断的改进工序,让效能与质量优化;动态排程则用于少量多样生产,
AI
会针对不同产品的工序, 建立起换线模式,有不同产品上线时,即启动专属换线模式,尽量缩短停机时间,同时让产品维持固定质量。
边缘运算效益可快速浮现
由于工业
物联网
上层的
AI
建置,效益需要一段时间才浮现,不会是立竿见影的发生,而且对制造业者来说并非当务之急,因此目前投入者大多为大型制造业,中小规模的业者,则以底层的边缘运算为主。
目前中小企业的工业
物联网
建置,制造设备的预知保养与制程检测仍是两大主要功能,由于设备的无预警停机,将会造成整体产线停摆,轻则产在线的半成品报废,重则交期延宕影响商誉,设备保养过去多采人工记录方式,人员再按照时间维护, 不过这种方式除了有可能因人员疏失或懈怠,未能定时作业外,设备也有可能在未达维护时间时故障。
工业
物联网
中的设备预知保养可分两类,一种是直接在管理系统上设计提醒功能,主动告知相关人员维修时间,另一种则是由传感器侦测设备状态,若是出现异常,
AI
则会依据出现的状态频率,判断可能发生的情况,再做不同处理, 例如传感器发现马达的震动,有可能是轴心歪斜,系统会依据震动的大小与频率判断马达现在的状态,如果有可能会立即损坏,就马上告知设备维护人员停机更换,如果没有立即危险,则会让马达持续运作,并记录该马达的状况, 让管理人员自行决定维护时间,让产线可以维持稳定的运作效能。
边缘运算的另一种主要功能是制程检测,从目前
AI
的发展来看,图像处理占有70%以上的应用,在工业
物联网
架构中也是如此。 过去制程中多靠人眼检测产品质量,由于人眼容易疲劳,随着工作时间的拉长,检测质量会逐渐降低,再者,部分消费性产品的体积越来越小,产线速度越来越快,人眼已难以负荷,现在已被取代机器视觉所取代。
现在的机器视觉判断速度非常快,且精准度越来越高,不过其运作模式仍是贴合大量制造的制程为设计,其快速与精准的辨识,仅能适用于少数类型,在少量多样或混线生产的制程中仍力有未逮,而
AI
则可让机器视觉拥有学习能力, 未来的设备将可透过算法自我学习,遇到不一样的产品种类或瑕疵时,即可自主判断,不必再由管理人员重新设定、调整判别模式。
感知运算会是下一步
在现有的设备预诊与制测检测之后,制造系统的边缘运算接下来将会有那些重点应用? 易用性将会是下一个趋势,而要让设备易用,感知会是系统的必要设计理念。
相对于现在的工业
物联网
中,边缘运算只能找出系统问题,感知运算则可找到问题的原因,并直接提出最佳解决方式,制造系统的智能化设计,必须针对不同用户提供适用功能,决策者、管理者、操作者所需的信息大不相同, 第一线的设备作业者遇到问题时,往往面临极大的时间压力,此时系统并不需要问题以外的信息,只需要系统直接告知问题所在,甚至提出可行的解决方式,像是设备故障,系统会直接在画面显示或以语音提示,告知操作人员先按下某个按键, 让系统先恢复安全状态,之后再提示紧急状态的发生原因。 这就是感知运算最大的优势所在,随着IT领域软硬件技术提升与制造业对智能化概念的逐渐接受,感知运算将成为制造业的应用会越来越多。
观察发展现况,工业4.0在制造业已是大势所趋,无论是设备应应商或制造业者,导入工业
物联网
的动作也都转趋积极,不过有成效者仍占少数,之前研究机构麦肯锡(McKinsey)就曾针对欧、美、日等地的制造大厂进行调查, 根据调查显示,建置相关系统的企业中,仅有四成认为有获得成效或确实改善了制程,此一结果虽然不至于太惨,但与当初预期仍有一段距离。
至于台湾地区市场,由于制造业族群分布零散,工业4.0要落实在不同产业中仍有困难,原因在于无论是技术成熟度、策略方针到问题痛点,不同型态的制造业,其差异都相当大,因此制造业导入工业
物联网
的第一步,就是先审视自己所处的位置, 以找出最合适的解决方案。
业者指出,各族群制程系统的技术成熟度不同,对工业
物联网
的功能需求差异也极大,例如传产可能连第一步将设备连网的阶段都还未达到,更遑论
AI
,但也有产业已在深入研究
AI
、机器学习等技术的深化应用,让设备自主优化。
你在工业4.0的哪一阶段?
至于制造业要审视本身在工业4.0中所占的位置,则可透过讯息物理系统(Cyber Physics System)当中的5C架构来进行评判标准, 5C标准非常适合用来检视工业4.0技术的成熟度,并辅助企业审视各阶段所需的代表性能力与技术,顺利导入工业
物联网
。 5C架构从最底层初阶技术至最高层高阶应用共可分为五个能力组成,分别是链接(Connect)、转化(Covert)、虚拟(Cyber)、感知(Cognition)以及自我配置(Configure)。
第一阶段的链接,最主要是整合OT与IT系统,透过联网技术让机器与机器间能够互相通讯、进行串联。 其次是转化,这阶段是让设备机台在初步的连网后,将撷取到的信息转换为具有分析价值的数据信息,例如设备的失效或良率的分析。 其中,设备端点须具备分析、智能化的能力是这一阶段中非常关键的能力。
在第三个阶段虚拟中,则是强调虚拟化的数字双生(Digital Twins),在所有机台都连网之后,形成另外一个虚拟、同步化的工厂运行,而其数字工厂具备感知、预测能力,可预测「 非计划内」的设备故障,当故障讯息被数字工厂撷取后,更可以仿真接下来如何执行优化的重新排程,例如像日本近年就非常致力于推动数字工厂的运行。
至于第四层感知阶段,主要则是导入如机器学习、
深度学习
等一系列的
人工智能
技术,让机器可自我学习、进化,并从大数据分析中不断进行推算与仿真,进而在设备端预防机器故障与良率不佳的状况。
最后一个阶段自我配置,则是能够机器能够藉由感知、学习的结果,以自主的方式改变机器设备的设定,就好比自动驾驶的概念,利用系统对环境变化的判断与分析自动更改执行命令。 而工厂的机器同样也能够根据感测系统、订单需求等的变化重新排程,订立优化的结果,这也是目前工业4.0追求的最高层级。
透过不同阶段的认知,制造业即可掌握目前自身系统所在的位置,并根据自身问题,向系统整合商提出功能需求,例如产品质量不佳,就以图像处理强化质量控管;要提升效能,则可侦测设备的使用状态,提升OEE(整体设备效率), 而这些功能都可透过简单的
AI
设置,加快效益的浮现速度。
谈到
AI
,过去多认为是遥不可及的概念,但其实
AI
可分为强
AI
与弱
AI
,在工业
物联网
的边缘运算中,通常只需要用到有限效能的弱
AI
,就可有效提升效能,因此制造业者不必认为太过遥远就一径排斥,可与系统厂商沟通讨论,先从影响不大 、成本不高之处先行建置,再视成效决定下一步动作,透过不断的尝试、修正与导入,企业就可在有限的成本与风险下逐步转型,维持市场竞争力。
关键词:
EETOP 官方微信
创芯大讲堂 在线教育
创芯老字号 半导体快讯
相关文章
上一篇:
英特尔与Facebook合作开发新AI芯片下半
下一篇:
悲剧!特斯拉自动驾驶“撞死”自动行走
全部评论
最新资讯
最热资讯
华为Pura70跑分曝光
占地78万平!雷军:计划向普通人开放小米汽
京东方越南智慧终端二期项目开工:计划年产
欧盟计划建设四条先进半导体中试线,瞄准亚
Vishay推出MiniLED封装高亮度小型蓝色和纯
贸泽电子宣布与Edge Impulse展开全球合作
大联大诠鼎集团推出基于立锜科技产品的240W
华为Pura 70 跑分曝光
电动压缩机设计-ASPM模块篇
实现机器人操作系统——ADI Trinamic电机
瑞萨推出兼顾超低功耗和卓越25fs-rms抖动性
EA电源为中汽研客户验证新能源汽车的高压安
EA电源为中汽研客户验证新能源汽车的高压安全提供保障
阿斯麦High-NA EUV光刻机取得重大突破,成功印刷10纳米线宽图案
ASML发布Q1财报
e络盟发售来自Weller的最新WXsmart焊接套件
薪资谈判破裂,员工集体行动!
统明亮光电科技加盟艾迈斯欧司朗结合智能RGB的开放系统协议生态,助力汽车氛围照明智能化
三家存储巨头宣布涨价!
中国区裁员远超10%!
贸泽推出2024全新一期 EIT 系列 探索机器视觉的无限潜力
大联大世平集团推出基于onsemi、NXP以及ams OSRAM产品的汽车前照大灯方案
泰克携手EA提供扩展的电源产品组合, 助力工程师实现世界电气化
高带宽电源模块消除高压线路纹波抑制的干扰
业界最热文章
性能暴降92%:英特尔中国特供AI芯片曝光
蔡崇信:中国一定能制造出高端GPU!
OpenAI宣布用户无需注册账号即可使用Chat
工信部:应大力发展基于AI大模型的智能装
消息称马斯克的XAI人工智能公司寻求 30
消息称三星获英伟达AI芯 2.5D封装订单
美众议员提出新法案:AI公司应当披露受版
第四次工业革命大幕速起,实现伟大复兴要
数据中心需求大幅提升,消息称三星计划二
苹果研究人员称其设备端模型ReALM性能优G
英国着手起草AI法规,确保其发展处于可控
科大讯飞回应美国AI芯片管制:华为昇腾91
Digital Realty将人工智能驱动的能效平
英伟达新API助力工业开发:在苹果Vision
忆阻器,你了解吗?刷爆朋友圈的全球首颗
英特尔携手生态伙伴打造掌静脉特征识别自
高通、英特尔、Google 组队打Nvidia!拟
壁仞科技总裁离职
FPGA加速器支撑ChatGPT类大语言模型创新
由电容器构成的类脑神经形态系统,功耗可
ET创芯网(EETOP)-电子设计论坛、博客、超人气的电子工程师资料分享平台
论坛
博客
大讲堂
人才网
直播课
关于我们
联系我们
隐私声明
@2003-2024 EETOP
京ICP备10050787号
京公网安备:11010502037710