軟體定義的流程：製造業的未來

工業 4.0 正透過開放式軟體定義的流程，迅速推動製造業的發展，也就是釋放過去封閉的資料，迎接更靈活彈性的作業方式。

專為解決特定問題及最佳化製造成果設計的技術是這項轉型的推手，其中又以工業邊緣 AI 最為關鍵。Scalers.ai 為各行各業提供這類解決方案，該公司執行長 Steen Graham 表示，邊緣人工智慧創造了「製造業更上層樓絕佳機會」。

這項技術在很多方面對製造業而言都是一大福音：AI 是資料需求量大的企業，因此在邊緣進行 AI 推論，製造業便能捨棄大量不相關的資料。Graham 表示：「從經濟角度來看，不將該資料傳送至雲端極富價值。」此外，製造商可針對各式各樣的使用案例，善用邊緣 AI 近乎即時的特點，包括即時偵測缺陷和監測生產線數量。

Scalers.ai 在負責為各種製造效率自訂 AI 軟體的同時，與 Dell Technologies 建立合作夥伴關係，讓該公司獲得了可靠快速部署邊緣 AI 所需的效能。Power Edge XR 平台經過強化，符合所有需要的規格，Dell Technologies 技術行銷工程師 Manya Rastogi 表示。Power Edge XR 採用短身外型規格，已經通過嚴格的衝擊、振動和防塵測試。Rastogi 指出：「它可承受惡劣的製造條件。」

提高邊緣部署的速度

雖然承受得起各式各樣的製造條件是好事一件，但這個產業無法大費周章針對每個使用案例反覆量身打造 AI 模型，而且這種作法也無法讓邊緣 AI 發揮效果。反之，移轉學習結果或應用型 AI，皆有助於讓開發人員現有的方法和範本更豐富。

利用透過過成千上百萬個（若不及數十億個）參數訓練過的強大機器學習模型，未必是務實的作法。您不妨想像一下快速休閒餐廳排隊選擇配料的隊伍，製造商可以先從「米飯和豆類」計畫這個基準線著手，然後再增加自訂層，「並且執行移轉學習工作流程或重新訓練練習，增加該自訂功能」Graham 表示。「我們建置於現有的優異模型基礎，使用者可以針對他們的領域、使用案例及執行方式自訂這些模型。」

這類捷徑不僅可節省工程設計與開發人員資源，還有助於企業加速部署邊緣 AI 模型。面對有迫切需求的客戶，快速推出新的邊緣 AI 部署可能產生重大影響。

Graham 表示：「軟體定義的製造方式賦予企業『因應客戶瞬息萬變需求改變環境的能力』。」

製造業的未來：近乎即時的監測方式

企業不僅能透過搶先滿足消費者需求增加收益，將時間、金錢和原物料的支出方式最佳化，也能締造相同的成果。

Rastogi 表示，強化的邊緣 AI 運算也有異曲同工之妙。以諸多工業程序使用之旋轉元件葉輪的製造過程為例。在電腦視覺堆疊，便能在邊緣以近乎即時的速度偵測缺陷，而且這個零件製程的任何階段皆適用這項程序。舉例來說，在製模階段加入 AI 驅動的缺陷偵測，有助於及早發現缺陷，避免再將任何材料或資源浪費在不良成品。由於這個程式能即時發現問題，因此可以立即採取修正行動，減少耗時又昂貴的生產後檢查評估過程。

利用邊緣 AI 還有助於透過遙測資料，以及透過 OPC 統一架構（OPC-UA）這類機器對機器的通訊協定，縮短製造停機時間。OPC-UA 以解鎖的資料取代人為干預，獲得關鍵的深入解析，透過傳遞生產線機器實際運作情況展現效果。在現有機器傳送的這類資料應用邊緣 AI 工作負載，是製造商如何讓過去不透明的機器和生產線更透明化的絕佳例証。

舉例而言，如果生產線上的塔燈持續閃爍紅燈，就表示必須立即檢查某個問題。由於邊緣 AI 能在問題發生當下辨識問題，因此廠房管理人員更有機會解決問題，達成每日生產配額。

Dell 的 Power Edge XR 平台搭載第 4 代 Intel^® Xeon^® 可擴充處理器，不需要額外加速器就能進行 CPU 推論，Rastogi 表示。Graham 表示：「Intel 第 4 代 Xeon 處理器有別於現成的通用處理器，其獨一無二之處在於，它內含 AI 的指令集最佳化。」

Graham 表示：「近年來，透過應用 AI 實現深度學習的能力，讓開發人員更容易在製造過程部署深度學習，即使是利用小型資料集也不例外。」他補充道：「這一點改變了競爭態勢。讓需要的硬體在強化的小外型規格執行這些模型，也有助於簡化部署過程。」這為製造業自訂 AI 驅動的未來奠定了基礎。

這對製造商及其要求嚴苛的消費者而言都是好消息。
 

由 insight.tech 編輯副總監 Georganne Benesch 編輯。