即時資料結合邊緣人工智慧
製造商發現人工智慧已不再是自動化營運與提升產品品質的答案。這僅回答了一半。雖然人工智慧的缺陷偵測率可比人工檢查高達 90%，但是如果製造商無法在必要時取得所需資訊，那麼提高偵測率也無濟於事。如果無法提高流程速度，製造商仍將面臨意外停機和生產錯誤的風險。
數位與物聯網解決方案領導品牌 Hitachi 的資深工程師 Shunichi Kagaya 表示：「製造商在人工智慧方面的挑戰其實是驗證及確認投資報酬率。製造商瞭解資料的價值，也希望使用資料，但他們不知道方法。」
工業人工智慧的轉型
大多數的製造業都已藉由人工智慧而轉型，但是仍有許多尚未開發的機會。
儘管已使用人工智慧來確保設備的可用性和可靠性，但是製造商發現，他們未必能以夠快的速度掌握機器的健康狀況或狀態。
從這些機器收集的資料通常會傳送至雲端以進行分析，這可能會造成延誤並太晚取得結果。雲端也未必能提供必要的安全性，或是高速且低延遲的回應，以便做出可行動的決定。
由於舊型機器使用不相容的通訊協定與孤立的系統，因此也可能更難取得資料。傳統上，製造商必須經過複雜的預先處理或資料清理程序才能理解資訊。同樣地，這也會延誤採取立即行動的能力，並導致生產及出貨延遲，甚至可能出現有缺陷的產品。
Kagaya 表示：「雖然客戶可理解取得資料的必要性，但他們受到了限制。他們所做的任何改變都無法影響現有的生產計劃。通常他們必須在所收集的資料、頻率和準確性之間進行取捨。您確實必須平衡所有活動。」
其實大可不必如此。
邊緣人工智慧的演進
Hitachi 與 Intel® 合作打造了 Hitachi 工業邊緣電腦 CE 系列嵌入式人工智慧模型，其內建影像分析執行平台，可充分運用 Intel 的人工智慧和深度學習技術。
該平台採用 Intel® OpenVINO™ 工具組，可直接在廠房設備上執行影像分析，以便在出現產品缺陷或故障時迅速提醒工人。該平台還可同時監控多個生產線和設備，並具有遠端監控功能。
除了邊緣處理之外，對於即時分析而言非必要的資料也可以傳送至雲端，以提供進一步的深入分析（圖 1）。
Kagaya 表示：「無論是 ERP 或其他系統，此解決方案都會連接裝置、擷取並格式化資料，然後上傳資料以作為寶貴資訊。如果需要更多的處理效能和資料處理能力，我們便會將其連接到雲端，讓其他人工智慧模型處理並執行這些合併的資料。客戶一定要瞭解自己想要解決什麼類型的挑戰，以及達成目的所需的架構。」
系統整合商（SI）可以開發及安裝容器化應用程式，以擴充並加入新的特色或功能。從硬體和網路的角度來看，工業邊緣電腦 CE 系列可以連接各種各樣的設備來收集資料。SI 可依照欲解決的使用案例來自訂解決方案。
Kagaya 認為，SI 必須對網路通訊協定有基本的瞭解，並熟悉 Python 或 C++ 程式設計語言，才能在 Hitachi 解決方案的基礎上成功開發自己的人工智慧模型。
無論何時，只要製造商決定投資、升級或更新設備，Hitachi 便會協助客戶確保人工智慧模型不受影響。Kagaya 表示：「我們將與客戶合作，以真正確保模型維持不變，如有必要進行調整以適應新的資料集，我們也會提供協助。」
接下來，Hitachi 正設法在後續系列中加入 5G 或 Wi-Fi 6 等無線技術，以利在邊緣級別執行更多處理作業。Kagaya 表示：「現在，如果將資料傳送到雲端、讓人工智慧模型進行推斷，再返回採取行動，這種作法目前還無法真正滿足設備的需求。」
Kagaya 認為，若要使這個領域發展起來，真正的挑戰將是如何衡量人工智慧模型的準確性。他解釋道，製造商通常沒有耐心，並期望立即看到人工智慧模型帶來的影響。但是，如果製造商能夠花時間等待這項技術帶來的成果與效益，其將為業界帶來劃時代的改變。
Kagaya 表示：「當人工智慧模型的使用量提升後，實際上它會提供更高的準確性。隨著模型不斷處理資料，它會自動進行微調，並提供更準確的結果。」