智能化是近年來(lái)制造業(yè)最重要的趨勢，歷經(jīng)過(guò)去幾年的市場(chǎng)教育，這兩年市場(chǎng)詢(xún)問(wèn)度已開(kāi)始提高，而從2016年開(kāi)始，IT產(chǎn)業(yè)掀起人工智能(AI)熱潮，AI與物聯(lián)網(wǎng)的整合將成為未來(lái)各垂直領(lǐng)域的主流系統，在制造業(yè)中，AI也將成為工業(yè)物聯(lián)網(wǎng)的核心運算架構之一。

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

  尤其近幾年來(lái)，人工智能(AI)浪潮襲來(lái)，更賦予工業(yè)4.0有了全新的發(fā)展面向，明確分野自動(dòng)化及智動(dòng)化的差異，包括機器視覺(jué)、深度學(xué)習等利用算法分析為主的人工智能技術(shù)，已成為工業(yè)4.0未來(lái)發(fā)展的全新趨勢，不僅讓自動(dòng)化與機器人的技術(shù)更為精準、制造業(yè)也開(kāi)始進(jìn)入如無(wú)人工廠(chǎng)等全新的科技領(lǐng)

就目前發(fā)展來(lái)看，智能制造有三大趨勢，首先是生產(chǎn)網(wǎng)絡(luò )，這部分主要是應用制造運行管理系統(Manufacturing Operations Management, MOM)，協(xié)助生產(chǎn)價(jià)值鏈中的供貨商獲得并交換實(shí)時(shí)生產(chǎn)信息，供貨商所提供的全部零組件都可在正確的時(shí)間以正確的順序到達生產(chǎn)線(xiàn)，第二個(gè)趨勢是虛擬仿真與真實(shí)物理系統的完美融合，在生產(chǎn)制造過(guò)程中的每一步都將在虛擬世界被設計、模擬及優(yōu)化，為真實(shí)的物理世界包括物料、產(chǎn)品、工廠(chǎng)等建立起一個(gè)高度仿真的數字雙生(Digital Twin，Twin Model)，第三個(gè)趨勢則是網(wǎng)宇實(shí)體系統(Cyber-Physical System，CPS)，在此系統中，產(chǎn)品信息都將被輸入到產(chǎn)品零組件本身，它們會(huì )根據自身生產(chǎn)需求，直接與生產(chǎn)系統和設備溝通，發(fā)出下一道生產(chǎn)工序指令，指揮設備自行組織生產(chǎn)，這種自主生產(chǎn)模式能夠滿(mǎn)足每位用戶(hù)的訂制化需求。

  以大數據建立運算模式

  上述的三大趨勢，未來(lái)都會(huì )與AI有一定程度的整合，例如在產(chǎn)線(xiàn)監控、機器人、無(wú)人搬運車(chē)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(chǎng)需要面對的產(chǎn)品類(lèi)型、產(chǎn)線(xiàn)調動(dòng)等各種生產(chǎn)情境的難度也會(huì )大增，雖然透過(guò)傳感器及大數據分析，管理者已經(jīng)可以掌握更多用來(lái)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(chǎng)變化愈來(lái)愈快速，人類(lèi)的分析速度恐怕已經(jīng)愈來(lái)愈難跟上提供速度愈來(lái)愈快的前端數據，自然也就更難讓制造現場(chǎng)的機臺能夠迅速反應客戶(hù)需求，AI應用于制造業(yè)，將可讓系統從大數據分析找出規律性建立模式，進(jìn)而學(xué)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(lǐng)域，不僅可以縮短停機時(shí)間，更可適時(shí)做出產(chǎn)線(xiàn)調整，減少呆料及廢料的發(fā)生頻率。

  對工業(yè)物聯(lián)網(wǎng)來(lái)說(shuō)，取得數據和分析數據是核心任務(wù)，而來(lái)自傳感器的數據點(diǎn)經(jīng)過(guò)多個(gè)階段才能轉化為可操作的見(jiàn)解，工業(yè)物聯(lián)網(wǎng)平臺包括可擴展的數據處理流程，能夠處理需要立即關(guān)注的實(shí)時(shí)數據以及僅在一段時(shí)間內有意義的數據，當檢測到壓力和溫度閾值的異常組合之后，物聯(lián)網(wǎng)平臺關(guān)閉液化石油氣灌裝機可能已經(jīng)太晚了，應該在毫秒之內檢測到異常，然后依規則觸發(fā)立即反應。

  就目前發(fā)展來(lái)看，AI有幾種算法，例如熱點(diǎn)路徑分析的核心是負責檢測異常的規則引擎，物聯(lián)網(wǎng)平臺嵌入復雜的規則引擎，可以從傳感器數據流動(dòng)態(tài)評估復雜的模式，由了解模式和數據格式的領(lǐng)域專(zhuān)家來(lái)定義規則引擎的基準閾值和路由邏輯，這種邏輯作為規則引擎在編排訊息流中的關(guān)鍵輸入，在數據點(diǎn)移動(dòng)到數據處理流程下一個(gè)階段之前，為每個(gè)數據點(diǎn)定義嵌套的語(yǔ)句條件，規則引擎已經(jīng)成為物聯(lián)網(wǎng)平臺的核心，而機器學(xué)習的關(guān)鍵領(lǐng)域之一是從現有數據集中找到模式，將類(lèi)似的數據點(diǎn)分組，并預測未來(lái)數據點(diǎn)的價(jià)值。

  機器學(xué)習有關(guān)的高階算法可用于分類(lèi)和預測分析，由于這些算法可以從現有數據中學(xué)習，且大多數物聯(lián)網(wǎng)數據都是基于時(shí)間序列，因此這些算法可以根據歷史數據預測傳感器的未來(lái)值，這些多種機器學(xué)習算法的組合，將可替代工業(yè)物聯(lián)網(wǎng)平臺中的傳統規則引擎，雖然領(lǐng)域專(zhuān)家仍然需要根據條件定義采取行動(dòng)，但這些智能算法提供更高的準確性和精準度。

  AI + HI大幅提升效益

  工業(yè)物聯(lián)網(wǎng)中的機器學(xué)習最大應用之一是設備的預測性維護，透過(guò)關(guān)聯(lián)性和分析模式變化來(lái)預測設備故障，并報告如設備的剩余使用壽命等關(guān)鍵指標，預測維護未來(lái)也可應用在航空航天、制造、汽車(chē)、運輸、物流和供應鏈等領(lǐng)域，例如預測模型安排至汽車(chē)服務(wù)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(xiàn)訊息等相關(guān)數據來(lái)預測航班延遲或取消的可能性。

觀(guān)察物聯(lián)網(wǎng)的發(fā)展態(tài)勢，目前工業(yè)物聯(lián)網(wǎng)是所有垂直應用中，發(fā)展最快的類(lèi)別之一，AI在工業(yè)物聯(lián)網(wǎng)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據，并做出判斷，但是目前的AI并無(wú)法做出具有邏輯性的決策，因此在制造領(lǐng)域，AI必須與人類(lèi)智慧結合，才會(huì )是系統的最佳效益。