個案研究：NASCAR 引擎與 AI 和 ML 一同奔馳
在 NASCAR 賽車世界中，分秒必爭。不只比賽分秒必爭，高效能引擎的開發與測試也不例外。
思考工業資產維護應用所需要的精確度時，不妨向 NASCAR 工程師借鏡。對於為這類應用提供服務的製造商與系統整合商（SI）來說，將昂貴機器的操作與維護自動化，不僅能大幅提高生產力，還能大量縮短工廠的停機時間。
NASCAR 針對合法賽車引擎的尺寸與規格制定嚴格的規定。儘管如此，為了在發力區域、扭力等方面締造些許優勢，幾乎每具引擎都是從頭打造。這項工程講求時間與資源，一具引擎動輒要價 250,000 美元。
有鑑於費用高昂，加上引擎故障的危險不容小覷，NASCAR 團隊在引擎上賽道前無不竭盡全力測試。測試工程師為了偵查零件退化、微小的結構損壞，以及其他可能的故障原因，會盡量讓這些系統展現物理極限。
借助這種「鑑識證據」，賽車團隊能夠了解如何運作引擎最能減少故障，並在必要時採用更耐用的零件重新打造部分引擎。然而，為了擷取這類資料，意味著必須以毫秒之差搶在災難性故障發生前停止測試程序。
多年來，這類程序幾乎完全仰賴人工。不過，有個賽車團隊正在利用 IoT 邊緣演算擷取資料、分析資料，並盡可能在最後一刻結束測試，助測試工程師一臂之力。
真實世界模擬
這個團隊採用某個名為動力計或測力計的系統測試引擎。動力計會同時測量引擎 RPM 和扭力，深入分析引擎的動力、引擎管理控制器的校準，或就此案例來說，則是燃燒行為（影片 1）。
1000 匹馬力的電動馬達連接至引擎與測力計測試台。這個馬達可用於運轉整具引擎，也可以在閥門組件這類元件執行個別單元測試。
接著便可用取自 Daytona 500 這類比賽的真實世界遙測資料來控制測試。又或者，可以在某段期間將 RPM 調高、調低或設定在某個預先定義的層級，讓引擎或零件運轉到極限。
充分測試電池後，賽車團隊的工程師往往會刻意將引擎測試到毀壞邊緣。針對燃燒行為及其產生的鑑識證據進行測試時，測試台會置於附防彈玻璃的爆炸室中，以免工程師在引擎爆炸時受傷。
在傳統測試環境中，技術高超的工程師會監控這些數位樣本，同時傾聽引擎噪音的細微變化，因為這可能代表即將爆炸。測試工程師通常只有 1.5 秒的時間能識別並回應這類變化，也就是按下停止開關，避免引擎毀於一旦。
測試中的引擎若依舊保持原樣，工程師便可解構引擎、尋找證據並嘗試修正問題。如果他們無法及時停下引擎，這類資訊絕大多數將付之一炬。
AI 與 ML 自動化
自動化狀態監測 (CM) 因為能即時蒐集並分析龐大的資料，因此在這類情況下最能發揮效用。CM 系統會混合各種來源的測試台資料，例如流量、壓力、溫度、振動和聲響感應器。此外，系統只要清除噪音或插入缺少的數值，也可以清除感應器資料。
不過，NASCAR 工程師這類領域專家使用自動化的 CM 系統開發人工智慧 (AI) 和機器學習模型時，情況就更有意思了。這類模型經過訓練，能夠了解感應器讀數在機器性能及潛在故障方面的預測。如果符合若干因素，CM 系統便能以更準確一致的方式警告工程師，進而立即關閉引擎或甚至是觸發自動化的關閉開關。
為了協助測試程序自動化，NASCAR 工程師需要高效能的平台。不過，最終解決方案必須精簡耐用，才能在車庫環境中完好如初。
該團隊選用 ADLINK Technology 出品的 MCM-100 Machine Condition Monitoring Edge Platform (圖 1)。這套系統不僅符合團隊嚴苛的環境要求，且能在一小時內於賽車團隊車庫安裝妥當並開始採樣資料。
MCM 結合了智慧型攝影機和 ADLINK Edge 軟體，團隊得以運用機器學習並可靠地診斷問題、瞭解失效模式，進而避免引擎受損。舉例來說，解決方案讓裝置得以從監測振動與音洩的裝置和感測器，以即時安全的方式串流資料。接著資料會在邊緣彙整。
它搭載 Intel Atom® x7-E3950 處理器，支援四個通道的 24 位元 128 kS/s 同步資料採樣，符合機器振動測量的規格。它提供了邊緣式的資料擷取、分析及特定領域演算法的執行，可即時監控引擎測試台。
在全新的設置中，乙太網路纜線從爆炸室的測試台拉出來、接上另一個系統，然後連接到 MCM-100。這個中間系統也連接賽車團隊的 Wi-Fi 網路，如此一來便能將測試資料匯入雲端以供儲存及回顧分析之用。
不過真實的數值位於邊緣，在邊緣即時產生和分析資料，能加快分析與行動速度。預先安裝於 MCM-100 的 ADLINK Edge 軟體是實現這項成果的推手。
在 MCM-100 之前，團隊監控感應器使用的是 SCADA 系統。不過舊設備絲毫沒有拆卸和汰換的必要。ADLINK Edge 軟體會整合現有和新裝置的資料。這套系統採用資料分散式服務 (DDS) 網路中介軟體，有助於釋放互不相通架構中的資料，這樣一來資料就能即時用於高效引擎測試這類的應用程式。
工欲善其事，必先利其器
請注意，本文介紹的解決方案無法取代測試工程師，反倒是得仰賴工程師的專業知識才能獲得最佳結果。因此，這套系統可偵測警告信號，並且以勝過人類的速度回應，進而協助保護投資，將更優異的引擎推向賽道。
ADLINK 全球事業夥伴的現場技術長 Joe Speed 表示：「我們的工作主要著眼於增強人類的能力，帶給他們更強大的工具。」
另外，這些工具還能拓展系統整合商的業務。有了 MCM-100 這類解決方案，精明的系統整合商便能用「機器維護即服務」的商業模式，透過新方式接洽客戶，並且拉長接洽期間。
提高解決方案集合商可締造的價值，包括物聯網教育、技術本身，以及可靠的合作夥伴網路，而系統整合商則可獲得充分利用此等重要商機所需要的一切資源。
以這個 NASCAR 賽車團隊來說，結合領域專家、AI 和機器學習，有助於引擎創造前所未見的速度。這個作法也有助於系統整合商成為贏家。