《中國製造2025》:AI工廠何時實現?(下)

2017-08-07
作者 Ann R. Thryft

在科技領域以外,AI技術則仍大多數是實驗性質,只有少數例外──特別是汽車領域──很少有工廠已經開始採用,已經實施的AI技術都是小範圍應用,主要在例如庫存管理、檢驗等領域。

接續前文:《中國製造2025》:AI工廠何時實現?(上)
 

市場研究機構Lux Research研究員Dayton Horvath表示:「AI能支援像是有限元素分析(finite element analysis,FEA)等應用於建立模擬模型的運作,此外也能處理更困難的問題──例如有更大自由度或是不完整資料集的情況;」舉例來說,拓樸最佳化(topology optimization)能藉由AI打造更輕量化,但擁有相同或更高強度的零件,並能建立更具效率的熱交換器模型。

在工廠AI應用經常被提到的一種系統就是機器人,美國業者Universal Logic的AI機器人技術Neocortex,源自於由美國太空總署(NASA)贊助的太空站機器人Robonaut研發專案,該技術能讓自動化系統處理變形物體(deformable objects)、高項目變動性(high item variability)與零件更換,而且不需要固定設施(參考本文上方大圖)。

Universal Logic/Universal Robotics副總裁Hob Wubbena表示,Neocortex是該公司的Spatial Vision 3D軟體平台之AI機器學習模組,該平台能與各種致動機器共同運作,不只是機器人;該平台能感知運用於搬運、抓取等任務的機器人周遭環境,讓機器人能即時、高速地與環境互動與做出反應。賦予機器人的能力包括能恰當識別並回應混合各種形狀與紋理的物體,例如瓶罐、袋子與箱子,可靠度可達99%。

對協作型機器人來說,「人在迴路」(human-in-the-loop)的強化訓練則是讓機器人藉由機器學習變得更聰明的關鍵;PlusOne Robotics創辦人暨執行長Erik Nieves表示:「強化學習將會為工廠生產線以及配送中心(distribution center)都帶來衝擊;以後每座大型工廠之下就是配送中心,就算是經營工廠的人都沒想過這一點。隨著工廠採用AI技術,這些都會陸續進展。」

AI與工業機器人設備的結合實例

最近產業界也有兩樁專為工業(包括製造業)製程用機器人開發AI技術的合作案,其一是能協助人類作業員改善品質控制、提升速度與良率、減少停工時間(down time)的「感知工業機械」(cognitive industrial machines),這是結合了ABB Ability的雲端到邊緣裝置跨產業數位解決方案,以及IBM的Watson物聯網平台。

上述已經商業化的系統名為Cognitive Vision Inspection System,結合Watson超級電腦的AI以及透過ABB系統截取的生產線即時影像,能發現缺陷並將相關資料送往雲端以製造業專用的Watson IoT平台進行分析;IBM Watson IoT部門副總裁Bret Greenstein表示,Watson是在雲端執行,其子集(subset)則能在伺服器上執行:「我們能在邊緣裝置、閘道器上執行,通常是採用Linux或嵌入式作業系統的x86系統;在這方面我們正在與Cisco等廠商合作。」

除了支援機器視覺檢測,IBM利用Watson的感知能力與操作員在免手動的環境進行互動,或是提供擴增實境(augmented reality)工具協助診斷與維修設備。Greenstein表示:「我們正看到全球各地採用這類技術,包括美國以及其他市場;AI帶來更具競爭力的優勢,包括改善品質、安全性與生產力,還有實現更精密複雜產品的製造。」

同時Nvidia與日本業者發那科(Fanuc)也正在合作,為Fanuc的工業控制系統Field (Fanuc Intelligent Edge Link and Drive)添加AI功能,讓自動化工廠中的機器人能更快速、更有效率地運作;這種技術將應用一系列的Nvidia繪圖處理器(GPU)與深度學習軟體,讓AI能在雲端、資料中心執行,甚至嵌入於邊緣裝置中。

Field系統與CNC設備、機器人、周邊裝置以及感測器連結,藉由分析來最佳化製造業生產;Nvidia的智慧機器產品管理部門主管Murali GopalakrishnaFanuc表示,Fanuc最近示範了AI機器人的三種基礎應用,包括抓取與放置物品、在邊緣的預測性維護,以及檢測率提升了七倍的自動化光學檢測。

20170807_MIC2025AI_NT01P1

Nvidia的Volta號稱是第一個專為AI應用打造的GPU架構,也就是能支援機器學習的訓練;Volta架構Tesla V100 GPU配備了640個張量處理器(Tensor)核心,能提供120Tflops的性能,相當於100顆深度學習CPU
(來源:Nvidia)

美國大廠GE (General Electric)也正在內部開發適合自家製造需求以及其他美國垂直整合製造商的技術;GE Global Research的機器人技術部門主管John Lizzi透露,除了軟硬體平台,GE還投資了擅長自動移動機器人的Clearpath Robotics,還有以「蛇臂」(snake-arm)機器人聞名的OC Robotics。

針對某些應用案例,GE是從零開始打造機器人,例如能深入噴射機引擎進行檢測的裝置;此外該公司也同時自行打造與向外採購感測器。透過機器學習,AI在機器人領域變得非常重要,而該技術也成為在未來從三個方面提升機器人的關鍵,即感知、先進推理以及靈巧。Lizzi並指出,協作機器人也是一大趨勢,GE的願景是朝向移動、自給自足的系統發展,人類只需要在處理例外狀況時出手干預,此外還有佈署能與人類團隊合作的智慧機器人。

編譯:Judith Cheng

(參考原文: Made in China 2025: AI in U.S. Factories? Not There Yet,by Ann R. Thryft)

延伸閱讀

活動簡介
未來寬能隙半導體元件會在哪些應用成為主流?元件供應商又會開發出哪些新的應用寬能隙元件的電路架構,以協助電力系統開發商進一步簡化設計複雜度、提升系統整體效率?TechTaipei「寬能隙元件市場與技術發展研討會」將邀請寬能隙半導體的關鍵供應商一一為與會者解惑。
贊助廠商
訂閱EETT電子報