分類: 產業

對於行動通訊的即時影片串流的商業需求非常龐大。儘管我們通常是透過社群媒體考慮消費者產生的影片，但在幾乎每個垂直領域都存在對高品質、即時影片串流的快速增長需求，從交通管理到零售安全再到公用事業基礎設施監控。

然而，要實現行動網路上的可靠、健壯和彈性的影片，仍有幾個障礙。Digital Barriers 的人工智慧技術和解決方案提供商技術資深副總裁 Kunal Shukla 表示：「行動網路本身就存在固有的限制。在頻寬、擁塞和封包遺失方面存在挑戰。」

透過軍用級影片壓縮和人工智慧技術的結合，Digital Barriers 為組織賦予行動網路上即時影片的全部潛力。Shukla 說：「我們希望確保從點 A 到點 B 的影片串流穩健可靠，而不會犧牲畫質，並且以具有顛覆性的成本實現這一目標。」該公司的技術可以將影片壓縮高達 90%，提供了巨大的頻寬節省，降低了客戶的整體擁有成本。

遠端路口攝影機串流影像

數位屏障平台實際應用的一個例子是美國運輸部（DoT），該部門需要從偏遠地點的道路攝影機串流影片，而光纖連接是不可行。在某一地區，運輸部希望使用可以透過 4G 和 LTE 傳輸至營運中心的行動通訊技術來引入影片，以便無間斷地監控所有即時影像串流。Shukla 表示：「像我們的技術一樣，為這種案例帶來了可靠性、穩健性和彈性。」「無論您的無線電狀況或行動通訊環境如何，您都將能夠將攝影機的串流傳送至營運中心，而不會失去畫質。」

該公司的 EdgeVis 軟體讓部門在影片編碼和串流之上運行人工智慧分析，應用邏輯，如物體、人員和逆行檢測。例如，如果攝影機檢測到一輛停滯的車輛或碰撞事件，系統將向控制中心發送警報。Shukla 解釋：「遠端監控和交通監視是運輸領域的重要應用案例，我們的解決方案可以幫助降低營運成本，節省頻寬和資料方面的資金成本。」「利用這個解決方案，運輸部門在資料成本上節省了 70-80%，同時提高了可靠性，減少了昂貴的卡車運輸需求。」

施工現場監控與監視

該解決方案獨特的壓縮和人工智慧能力，以及透過衛星連接的靈活性，使其他案例成為可能，例如施工現場的安全和安防。舉例來說，一家位於英國的建設公司希望使用行動通訊影片來遠程監控和監視工地，以確保工人的安全和夜間的安全防衛。營運團隊引入了連接到 Digital Barriers 的 IoVT 邊緣運算平台的攝影機，該平台執行即時分析並將壓縮的影片串流返回影片管理系統。

Shukla 表示：「因此，他們看到營運效率的提升，保險和其他成本的降低，減少竊盜和損失，以及更好的工人安全。」

建立一個具有多行業吸引力的安全生態系統

自十年前成立以來，Digital Barriers 已與聯邦機構合作，例如美國國防部、英國國防部，以及其他要求高安全性的政府機構。Shukla 表示：「在建立過程中，我們的平台將安全性、隱私和保密性置於核心地位是至關重要的。」然而，人工智慧的快速發展帶來了新的挑戰。Shukla 解釋：「有幾種方法可以應對影片分析應用的安全性，包括加密、存取控制，以及用於臉部辨識的匿名化工具。我們的解決方案使用這三者來確保在所有層面上的安全性。」

該解決方案的邊緣處理設備也充當防火牆，防止較不安全的硬體（例如攝影機）向不良行為者傳輸資料。Shukla 表示：「在預設情況下，我們的硬體僅會單向傳輸資訊。」「這是一個重大的優勢，因為這意味著我們可以控制不受授權的裝置。」

Digital Barriers 依賴於與系統整合商的寶貴合作來進行實施。Shukla 表示：「我們與主要的系統整合商合作，但也與特定垂直領域（例如石油和天然氣或聯邦領域）的專業參與者合作，這些領域只有少數人持有認證。」「當我們引入最佳的生態系統公司時，我們可以加速實現價值的時間。」

該公司與 Intel 的合作對於其在防衛市場以外的發展至關重要。Shukla 表示：「我們正在從一個客製化解決方案轉變為基於 Intel 的平台，可以應用於製造業、零售、醫療保健、智慧城市等多個領域。」「這已經開啟了更多垂直領域，我們可以以有競爭力的成本進入，並引入能夠推動業務成果的技術。」

影像作為感測器，將在未來繼續推動行動網路影像的成長，並與邊緣分析和人工智慧合作，在各產業的數位轉型中扮演關鍵角色。Shukla 表示：「行動通訊影片將改變我們個人的生活方式，以及我們作為一個社會的生活、工作和運作方式。」「它已經在做這些事情，我認為隨著未來的展開，它將變得更加重要。」

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

識別幾千英里道路上的坑洞。處理補貨並重新安排庫存。發現工廠檢查檢查司可能遺漏的微小產品缺陷。這些僅僅是現今 AI 和電腦視覺系統可以做的幾件事。隨著功能增強和成本降低，各行業也迅速普及採用。

電腦視覺系統一旦安裝到位，就能節省人類無數小時的勞動，減少錯誤並改善安全性。但開發解決方案可能十分艱鉅且耗時。在訓練 AI 演算法區分可樂罐和水瓶，或者陰影和柏油裂縫的過程中，人類經常扮演著重要的角色。但隨著技術的發展，解決方案供應商正在尋找新的方法提高訓練效率，並讓非技術背景的使用者建立更容易操作的系統。

解決電腦視覺和邊緣人工智慧技術的問題

電腦視覺應用程式因其所服務的產業和組織而有所不同，但有兩個共同目標。第一個目標是透過機器學習自動執行費時的人工作業，進而節省時間和金錢。第二個目標便是利用大量資料建立持續成長的知識資料庫，這將會闡述運作，並隨著時間進一步改善。

ICURO 的首席 AI 架構師 Paul Baclace 表示：「我們會從基礎系統開始，與客戶合作並根據需求使其專業化。」該公司組件在機器人、無人機及雲端上部署的 AI 和電腦視覺解決方案。

例如，ICURO 為美國交通部建立了一款成功的概念性驗證無人機，這款無人機採用電腦視覺攝影機，即時偵測和轉送道路裂縫和其他高速公路缺陷的相關資訊。無人機的攝影機影像通常會在飛行後才會處理。

「當您後續檢查影像時，有些影像可能很模糊，或對比度可能會很糟。然後您就必須重新製作，且要價不斐。即時處理即可減少錯誤。」Baclace 表示。

為了節省倉儲和零售從業員的時間和人力，ICURO 開發了行動機器人 AI 平台。它會導覽至指定物體、抓取並將其載入至運輸機器人包裝及運送，全程無需人力干預即可達成。機器人也可以與工廠機器和感應器整合，偵測並解決生產問題。Baclace 解釋道：「機器人的錯誤率比人類低，因為人類可能會感到疲倦和受傷。」

機器人使用 Intel^® 實感^™ 攝影機和 LiDAR（燈光偵測與測距) 導覽。另一個 RealSense 攝影機安裝在它的「手」中，使其能夠抓住正確的項目並裝入籃子中，再開始執行下一項工作 (影片 1)。

影片 1。ICURO 行動撿拾機器人採用 Intel^® 實感^™ 攝影機與 LiDAR 導覽至指定物品，抓取並將其交付給運輸機器人包裝及運送。(來源：ICURO)

隨著企業越來越習慣使用自動化，電腦視覺解決方案也持續擴大且越來越普及。例如，ICURO 為無人零售店打造一款撿拾機器人，可從儲藏室收集客戶的購物清單物品，並將其交付至前方櫃檯。

打造尖端電腦視覺解決方案

為了開發機器人控制電腦視覺應用程式，ICURO 在 Intel^® 開發者雲端中為其設計程式、進行測試，並採用 Intel^® OpenVINO^™ 工具組進行最佳化，以取得最佳效能。

「如果沒有 Intel 的工具，我們可以查看所需的規格並預估，但會牽涉到一些猜測。這樣一來，我們就可以檢查效能並說聲：『好的，這就是我們必須在這個機器人上安裝的。』」Baclace 表示。

ICURO 不製造硬體，但 Intel 軟體工具會協助該公司確定哪些裝置最適合其行動軟體應用程式。大多數裝置均可在輕巧又輕盈的邊緣 CPU (例如 Intel^® NUC) 上執行。

更快地部署與無程式碼作業運作

實作電腦視覺解決方案前，必須訓練演算法識別客戶影像 (包含停車標誌、車輛和行人，甚至是具有相似尺寸包裝的不同商品)。人類通常會完成大部分的訓練，他們會使用線上工具 勾勒並標記機器人可能遇到之所有物件的影像。所有影像均經過標註後，會傳入演算法中，且演算法的效能會在部署前經過測試、修正及驗證。

為了加速此艱鉅過程，ICURO 嘗試了稱為主動學習的新方法，其中每張影像都會標註並立即傳入演算法。如果正確解讀，領域專家可將影像標記為已經驗證，這會新增到持續成長的資料庫，並指導演算法做出未來的決策。邊經歷邊學的方法可加速訓練，並避免人員執行可能不必要的註解。「只需按一下按鈕，即可增加資料集。訓練與意見回饋的時間會從幾天到幾分鐘不等。」Baclace 表示。

此外，ICURO 正在開發解決方案，可讓客戶變更其電腦視覺模型、訓練軟體識別新產品或新位置，而無需編寫程式碼。該公司也定期磨練演算法，在快速發展的 AI 與電腦視覺領域保持競爭優勢。

Baclace 表示：「神經網路每六個月至一年就會持續變化並改善準確度，且我們喜歡使用最新的神經網路。」「對深度學習系統而言，這是個振奮人心的時刻。」

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

醫療設備革命正在持續進行中，主要原因來自於全球人口老化、慢性疾病的激增，以及對診斷醫療解決方案需求的日益增加。因此，各解決方案供應商急切地希望能滿足這項新需求，並積極尋求途徑，獲得競爭優勢，加速進行開發。

因著對於這項技術進步的狂熱追求，促使醫療設備製造商不斷尋求卓越的硬體元件。這個趨勢的一個明顯例子是供應商開始更加重視實作增強型嵌入式儲存裝置選項。舉例來說，許多製造商正逐漸淘汰過時的傳統硬碟（HDD）和消費性卸載式多媒體記憶卡，轉而使用固態硬碟（SSD），尤其是外型規格小巧的單晶片 SSD。

身為 Silicon Motion 嵌入式產品行銷總監以及 NAND 固態硬碟快閃主控晶片和其他固態儲存裝置的開發者 Jason Chien 解釋說：「SSD 比 HDD 或 SD 和 CF 卡更快速，且儲存功能更可靠。」「在醫療設備製造流程中，單晶片固態硬碟因小巧的外型規格而更勝一籌。」

在採購最佳醫療設備元件的過程中，卻充滿了嚴峻的挑戰。鑑於醫療產業設備普遍高昂，因此硬體的可靠性、效能與資料安全性是最值得關注的嚴格標準。這些設備的操作環境也可能十分嚴苛，往往需要量身打造個別的配置。因此，識別合適的固態硬碟解決方案，並不像從目錄上訂購一般產品那樣簡單。

鑑於這些複雜的原因，硬體專家與醫療設備製造商進行密切合作，提供量身打造的固態硬碟解決方案，來滿足醫療產業的需要。這些策略性合作不僅縮短了進階醫療設備的上市時間、減少開支，且克服了最嚴峻的技術障礙。重要的是，也為即將問世的醫療 AI 應用技術奠定了基礎。

提供進階醫療設備中所使用的固態硬碟

要理解這些合作的重要性，就必須瞭解現成固態硬碟固有的侷限性。NAND 快閃記憶體是推動各產業採用固態硬碟的主要催化劑，是現代固態硬碟中重要的非揮發性儲存裝置元件，且價格日益降低。因價格日益降低，讓眾多產業得以從傳統硬碟轉為使用固態硬碟。

儘管如此，NAND 快閃記憶體供應商卻努力追求更高的記憶體單元密度以降低成本，導致 NAND 固態硬碟的品質與耐用性下降，令人十分擔心。雖然這對消費者或特定工業應用環境而言，可能不是重大問題，但在醫療環境中卻是需要正視的嚴重問題。

對此，Silicon Motion 等固態硬碟專家開發出了創新的解決方案，例如 FerriSSD 單晶片嵌入式儲存裝置系列產品。此系列產品採用專有技術，能夠密切監控固態硬碟 NAND 快閃元件的健康狀況，並在必要時採取修正措施。因此，固態硬碟的使用壽命可以遠遠超出 NAND 元件，能滿足醫療設備製造商對於資料完整性的要求。

Silicon Motion 的固態硬碟產品系列除了能保護資料完整性之外，在現今高風險威脅環境中，還具備關鍵的網路安全功能與資料隱私功能。全磁碟加密功能能確保資料機密性，符合 TCG Opal 2.0 與 AES 256 位元加密標準。此外，數位簽名技術可抵禦針對固態硬體韌體的網路攻擊，確保惡意使用者無法篡改或破壞韌體。

Chien 表示：「消費性固態硬碟能應付特定情況。」「但醫療設備、精密製造與應用環境則需要更高的效能、安全性與穩定性，因此需要更精密的解決方案。」（影片 1）

影片 1。對於醫療設備製造和其他以可靠性為首要要求的產業而言，單晶片固態硬碟是十分具有吸引力的選擇。（來源：Silicon Motion）

醫療設備製造商克服複雜的挑戰

醫療設備製造商採取精心設計的固態硬碟解決方案，滿足其特殊需求，並帶來更有利的優勢。同樣值得注意的是與硬體專家的合作，讓供應商能夠克服最複雜的技術挑戰。

舉例來說，Silicon Motion 曾與電磁輻射（EMR）領域的進階醫療設備製造商合作。EMR 在醫療環境中十分普遍，常見於 CT 掃描與 MRI 儀器檢查等醫療程序中。但這間製造商所開發的設備會引起電磁干擾（EMI），導致頻繁出現軟錯誤，危及微晶片記憶體單元的穩定性。

Silicon Motion 的工程師巧妙設計出不受 EMI 影響、量身打造的硬體與韌體，並且能夠迅速從軟錯誤中復原。結果十分顯著，成功將製造商的軟錯誤率降低 96%，確保必要的醫療設備在最需要的時刻仍能正常運作。

硬體專家與醫療設備製造商合作，能提升卓越、量身自訂解決方案的開發能力，而 Chien 強調這是關鍵的合作：「我們能夠量身打造硬體與韌體，滿足特殊的客戶需求，不僅提高可靠性，還能適應各種設計限制。」

Silicon Motion 與 Intel 的技術合作，能為此量身打造的解決方案提供支援。Chien 指出：「我們的所有產品開發均使用 Intel 平台。此平台已廣泛應用於進階醫療設備，可將相容性問題降至最低，同時提供卓越的穩定性與穩固性。」

醫療設備製造領域的光明前景

醫療設備製造商與硬體專家之間的合作已成功創造巨大價值。在未來幾年，製造商將能從這樣的共生合作關係中獲得更多優勢。

Silicon Motion 預計未來將持續改良現場環境的進階醫療設備，已積極配備固態硬碟與韌體，以支援特斯拉空中下載技術（OTA）更新。此外，該公司也正在為醫療 AI 與物聯網的興起做準備。

而且 Silicon Motion 正為了取得物聯網領域中醫療 AI 的先進技術優勢做好準備。Chien 聲稱：「我們正在積極探索自訂硬體與韌體的方法，目標希望能以最佳方式投入 AI 應用。隨著技術的發展，醫療設備需求也隨之變化。AI 與物聯網代表醫療應用的未來，我們正在與我們的醫療設備合作夥伴共同形塑未來。」

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

為了賺更多錢而擠壓現有資本資產，相當於在沙發墊上找地方住。而使用 IIoT 技術提供創收服務較為理想，因為能提供更可靠的收入來源。IIoT 解決方案元件供應商 Exosite 的 COO Steve VanderSanden 表示，因為是無程式碼或低程式碼物聯網專屬軟體，所以各種規模的基礎型企業皆可進行存取。

Exosite 提供現成可用的產品，可協助企業縮短上市時間，並且以最低的工作量完成開發。Exosite 基本上實現了 VanderSanden 所謂的「資料管道」。他說：「所有資料流通時，無論您是使用自己的分析資料、利用 AI 或是機器學習工具，都能提高業務效率。」VanderSanden 表示：「OEM 現在可以越來越轉向服務提供模型，進行設備維護或持續授權資料並收取經常性費用。」「這是經常性的收益來源，而非一次性。」

在低程式碼軟體平台 ExoSense 狀態監控解決方案協助加速處理 IIoT 資料的情況下，業界領先的海上防禦技術供應商 Fairbanks Morse Defense（FMD） 成功開發出這個全新商機。FMD 使用 Exosite 產品，銷售機器資料存取權等附加服務，並擴增實境設備逐步教學，讓用戶端可以用作訓練模組。

遠端監控與各式各樣的 IIoT 解決方案

FMD 方法可善用機器的遠端監控資料，是應用 IIoT 技術的一種方式。此外，也適用於各種工業作業，包括遠端診斷、追蹤環境狀況，以及預測性維護。然而，若要讓 IIoT 技術發揮作用，從營運中收集的資料必須整合至解決方案，才能夠消化資訊並呈現結果，讓用戶端可以輕鬆進行視覺化並採取行動。

Exosite 的遠端監控解決方案包含兩個獨立元件：

• Exosite 的物聯網平台 Murano，可以從應用程式專用感應器、閘道、PLC 與許多其他資料來源收集資料。還可以進行資料儲存裝置整合與應用程式託管。
• ExoSense 是提供解決方案的軟體，具有使用者介面，企業可透過此介面管理流通的資產、裝置以及資料。簡單的規則型引擎可以在指定條件下運作。「如果水位達到一定高度，即向待命員工發送文字訊息」是規則型警報的一種範例。

企業可以選擇在哪裡託管 ExoSense：Exosite 雲端型基礎架構中的託管解決方案：內部部署模型或專用雲端。資料主權規則。安全性問題以及往返雲端資料傳輸的成本，都可能決定解決方案託管的位置。VanderSanden 表示：「我們特別將 ExoSense 設計為可接納各種硬體，並且可用於任何雲端服務供應商的運算資源。」

ExoSense 可根據終端使用者需求增加功能。例如，數位分身模型可代表複雜的資產，協助企業計算各種流程的假設情況，同時從多個資料流輸入 IIoT 資料。

從基本監控到新的收益來源

VanderSanden 表示，無論公司選擇使用基本的監控作業，或是更複雜的應用程式進行操作，都能實現更高的營運效率。

FMD 不僅透過封裝及銷售資產資料來獲得收益，還能夠減少服務呼叫次數，因為用戶端可以存取機器行為資料，並且可以主動解決問題。

行動電話供應商 Telecom Argentina 也希望能將完整的解決方案封裝並銷售給關鍵的垂直市場，包括硬體、軟體與連線能力。該公司使用 Exosite 的遠端監控解決方案來開發這些服務型產品。Telecom Argentina 打造的數種套件產品，主要針對獨立農民販售，並專精於監控穀倉的功能。VanderSanden 表示：「從農業的角度來看，這類型的感應設備與連線能力是關鍵。」因此，Telecom Argentina 不僅能提供連線能力，也因使用 Exosite 的 IIoT 監控解決方案而得以向終端使用者展示如何利用連線能力獲得淨效益。

VanderSanden 表示：「我們的解決方案全面採用了 Intel 技術。」ExoSense 使用 Intel^® Xeon^® 處理器來收集、處理及儲存從 IIoT 感應器收集而來的資料。VanderSanden 指出，Intel 處理器也加速了內部部署伺服器、工業電腦與雲端基礎架構。

Exosite 仰賴互惠互利的系統整合（SI）合作夥伴，SI 可以在與需要 IIoT 解決方案的用戶端合作時引進 Exosite。同樣地，Exosite 也會呼叫世平興業等解決方案集合商，為客戶尋找符合各種需求的安裝服務，或識別正確的閘道與硬體解決方案。

IIoT 技術的未來

VanderSanden 表示，隨著機器資料越來越多，預計對本地化資料處理與分析的需求會日益增加。將大量資料傳輸至雲端並回傳，不僅耗時，而且成本高昂。邊緣運算或內部部署可解決這些問題。隨著邊緣 AI 推斷需求的增加，邊緣運算可能會有更大幅的成長。

VanderSanden 預測道，未來將會有更多的中小型企業採用 IIoT 解決方案。「這些組織不是軟體公司，沒有內部專業知識，無法自行打造完整的解決方案。但他們認為，為客戶提供新的服務產品，並且收取高額費用，是一龐大商機。當這類型的組織踏入此領域時，Exosite 等公司能提供服務與解決方案，協助彌補差距。」VanderSanden 表示。即使是具有穩健開發團隊的公司，也可以專注於公司的軟體與產品，建立垂直解決方案，而不必每次都從頭開始建置，因為成本高昂。

VanderSanden 指出，公司可以利用進階技術實現高營運效率，從銷售小工具轉而銷售服務，這將會是一項重大的轉變。「這是靠著我們的 IIoT 軟體所實現的數位業務轉型。」

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

壓縮機是許多工業環境中的關鍵要素。壓縮機會加壓於氣體，然後將氣體注入管道、便攜式罐體，以及在全球運輸液化天然氣（LNG）的船隻，用於生產能源。

「壓縮機是相當昂貴的裝置。要價數百萬，且通常都是生產過程的核心。」TTTech Industrial 的產品管理總監 Alexander Bergner 表示，而TTTech Industrial 是專攻工業工作流程中即時資料收集的公司。「在 LNG 船隻中，若不進行壓縮，則必須燃燒氣體，避免汽缸承受太大壓力。在化學工業領域中，如果沒有壓縮機運轉，系統就會被堵塞，您必須將其全部拆解清潔，再重新進行處理。」

因此，保持壓縮機運作順暢無礙，與其執行的基本功能一樣關鍵。這就是為什麼在採用壓縮機的生產流程中，使用資料收集與分析來追蹤壓縮機元件狀況的預測性維護愈來愈常見。

並非所有預測性維護解決方案皆相同

預測性維護不僅有助於防止壓縮機損耗，延長設備壽命，更重要的是能讓操作員可以善加規劃更換零件的時機，尤其是在壓縮機長時間位於海上，無法輕易更換零件的情況下。

舉例來說，在 LNG 船隻上進行預測性維護的物流可能十分複雜。當船隻從一個港口航行至另一個港口時，我們都必須確保元件千萬不得在途中發生故障。有了預測性維護，操作員便可以在下一個需要進行維護的港口上派遣技術人員以及零件，因此當船隻停泊時，一切皆已準備就緒。相反地，預測性維護也可防止過早更換零件的情形，避免提高成本的可能性。

Bergner 表示：「壓縮機對於妥善規劃的維護之敏感度特別高。」「備用零件必須於適當的時間到位，並且必須是適合使用。」

要做到這一點，預測性維護需要建立在效能與即時監控之上，這說起來容易，但做起來難。

HOERBIGER 是一家領先業界的壓縮機元件供應商，在尋求如何更妥善追蹤壓縮元件狀況時遇到了困難。HOERBIGER 希望為石油、天然氣、汽車與加工產業的客戶提供預測性維護解決方案，在這些產業中會大量使用到壓縮機汽缸、活塞、汽缸蓋與活塞環，而這樣的壓縮機大多需在邊緣位置運作。

該公司利用客製化設計的硬體來建置內部預測性維護解決方案。然而，Bergner 解釋道，他們需要新一代具備運算能力與靈活性的系統，以適應未來的需求。

這就是為什麼 HOERBIGER 向 TTTech Industrial 尋求協助的原因，TTTech Industrial 是 TTTech Group 的子公司，致力於原型設計，以滿足公司的特定需求。「他們提出了技術挑戰，而我們負責勾勒出解決方案。我們甚至還曾提供過工作流程的草圖。」Bergner 表示。

HOERBIGER 需要具有邊緣功能的物聯網解決方案，因為在許多情況中，壓縮機需全天候運作，無論是否進行雲端連線。TTTech Industrial 採用其 Nerve 邊緣運算平台來提供解決方案，可在 100 小時左右開發出概念驗證，且只有不到 150 行程式碼。

HOERBIGER 也迅速核准了設計，並繼續與 TTTech Industrial 合作完成安裝與整合。「TTTech Industrial 負責提供符合特定需求的資料擷取架構以及儲存裝置與視覺化架構。他們的軟體工程師專注於開發演算法，實際上就是在進行預測性維護。」Bergner 表示。

用於預測性維護的即時邊緣平台

Nerve 是一個開放、安全且模組化的邊緣平台，為無數使用案例提供基礎架構，例如冷鍛造工具的維護、在製造流程中實作數位分身模型，以及工業生產軟體的遠端管理。

針對 HOERBIGER 的案例，TTTech Industrial 提供了 Nerve 整合服務套件。這個套件包含架構基礎與邊緣管理軟體，因此在此基礎上，HOERBIGER 得以打造預測性維護的應用。

Nerve 平台安裝在 MOXA 的工業電腦上，並採用 Intel^® Core^™ i7 處理器。我們必須在 HOERBIGER 使用 Intel 處理器與硬體，因為 Intel 處理器與硬體具有在危險環境中運作的必要認證。

該平台的 Soft PLC 模組也能進行高速資料收集，這對於計算活塞環與閥門等元件損耗是必不可少的。以 50 KHz 的取樣率，根據曲軸位置值來測量汽缸壓力，即可達到預測性維護的目標。每秒必須處理多達 600,000 個樣本。

Nerve 的資料服務模組利用 Nerve 的閘道應用程式來處理資料，然後將資料發送至 Timescale 時間序列資料庫進行後期處理，可預估壓縮機損耗。然後，透過整合於 Nerve 的 Grafana 系統進行資料視覺化。

無論是對於 HOERBIGER 還是其他客戶而言，使用 Nerve 的另一重點優勢在於，平台是在雲端連線系統以及實體隔離的邊緣環境中執行。Bergner 認為，在部分環境中，實體隔離是必要之舉。

「想像一下，您執行一個機群。部分機群為實體隔離，因為其位於關鍵性的基礎架構中，無法輕易或合法地將實體隔離的機群橋接起來。」Bergner 表示。「您仍想要以同質的方式處理所有機器，因此您的解決方案必須能夠線上、離線或實體隔離操作。」

Nerve 的邊緣功能可在未建立連線的情況下安全收集及分析資料，讓這一切成為可能。但客戶可以透過連結至本機或雲端執行的中央管理系統之入口網站，存取預先處理的邊緣資料。

預測性維護即服務

Bergner 估計，HOERBIGER 的預測性維護解決方案最終可以應用至數千個據點，具體取決於有多少名客戶註冊。他解釋道，客戶可以購買預測性維護即服務，或者可以在內部使用自己的維護技術人員。

預測性維護對於 HOERBIGER 及其客戶而言都是關鍵，讓公司能夠準時交付關鍵的壓縮機零件。Bergner 表示：「這讓公司能夠以正確的方式規劃物流，進行零件更換。」「這些層面都非常關鍵，您不希望壓縮機發生故障。」

展望未來，Bergner 預計將在 Nerve 的基礎上為不同產業打造更多預測性維護使用案例。由於其邊緣功能，Nerve 讓公司可以提供網路安全性更新，並根據需要為其邊緣裝置增加功能。Bergner 解釋道，這將有助於公司維持前瞻性的營運模式，以持續適應新的技術發展。

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

曾經如同科幻小說般的幻想，現已於現實生活中實現。自主移動機器人 AMR 現今已在製造領域日益普及。而這些機器人也可望能大量應用在其他情境中，包括餐旅服務業和醫療保健業，且這些機器人將更具智慧、更加獨立。這個構想是為了減輕人類工作者的負擔，取代人類工作者來執行特定重複或危險工作，並且和人類一起工作。

不出所料，為了讓這些機器人系統能夠感知環境、執行作業及命令，需付上許多代價。在技術方面需要實現高強度運算，以及在設計師設計方面需達到靈活性和可擴充性。嵌入式電腦模組供應商 Congatec 的產品行銷經理 Claire Liu；以及嵌入式和即時解決方案供應商 Real-Time Systems 的系統架構師兼產品經理 Timo Kuehn，為我們說明這個瞬息萬變的工業趨勢（影片 1）。

影片 1。Congatec 的 Claire Liu 與 Real-Time Systems 的 Timo Kuehn，探討了自主移動機器人成功開發與部署所需的關鍵元件。（資料來源：insight.tech）

自主移動機器人究竟是什麼？

Claire Liu：自主移動機器人是能夠獨立操作的系統，無需直接的人為介入。它們配備了防禦感應器、人工智慧演算法和複雜的控制系統，可自主導航、感知環境並做出決策。

自主移動機器人需依靠各種技術整合，例如各種感應器來感知環境，像是 LiDAR、2D 或 3D 攝影機。這些感應器資料由運算平台即時處理，以分析有關該環境的資訊。接著，機器人可以使用這些資訊來建立地圖，在環境中定位和導航。

製造業對自主移動機器人越來越感興趣，因為它們可以執行材料處理等工作，即在生產線上搬運和運輸原料和加工中產品。在過去，這些重複性工作皆由人工執行，並可能會對工人的健康和安全構成風險。現在，工人不必浪費生產時間執行人工作業，可以專注於高度技術性且更具附加價值的工作。

在製造環境中使用自主移動機器人可簡化製造流程，並提高生產力、作業效率及工人的安全性。

談談 AMR 的軟體架構。

Timo Kuehn：當然，AMR 中有許多軟體。就像 Claire 提到的，有各種功能，例如感知。機器人必須感知環境，才能知道發生了什麼事；必須隨時知道其位置；需要知道要移動到何處。移動本身，也就是運動控制，非常重要：當然，要能避障；並且也需根據機器人的類型和診斷結果來與人類互動。

這些軟體功能必須依照相對應的軟體模組來對應，而且通常對時間和資源使用有非常高的要求，甚至是對競爭性的要求也是如此。舉例來說，如果一個軟體模組需要大量效能，而另一個軟體模組需要即時做出確定性回應，那麼您不能只把所有指令丟給它，並期望它正常運作。這個程序相當複雜。

尤其對於運動控制而言，可能相當具有挑戰性。需要確定性：需在預先定義的時間範圍內對感應器訊號做出反應。時間範圍取決於各種因素，例如：是否有輪子？是否有軸？必須控制多少軸？AMR 的速度多快？精確度多高？裝置是二維還是三維移動？負載是動態增加還是卸載？

一般而言，使用即時作業系統是為了能以使用者為基礎進行排程，並確保不會錯過截止時間。感知或運動控制等關鍵工作的優先順序較高，以免遭優先順序較低的工作中斷。此資源分配與最佳化是由作業系統或軟體架構所提供。

請告訴我們更多有關採取模組化方法的相關資訊。

Claire Liu：congatec 電腦模組可完美利用 Intel 處理器技術規模，包含低功耗到高運算效能，讓開發者能夠開發工時更持久、更智慧的機器人，能以優良能力和效率來執行複雜的工作。

Intel^® 第 13 代 Core^™ 處理器搭載 congatec 電腦模組，是理想的解決方案，因為它結合了強大效能、效率、靈活性和效能。MrCoM 現在受益於這些最新的 Intel 處理器，可同時執行更多應用程式，並執行更多工作負載和更多連線裝置。

開發者只要進行簡單的模組變更，即可快速輕鬆地銜接最新的 Intel 處理器技術，並且即使在多年操作自主移動機器人後，也可以為其加入智慧功能。此外，還有 Intel OpenVINO^™ 工具組，可為開發者提供最佳化的 AI 影響力模型和全方位支援。

開發自主移動機器人時，還需要哪些其他工具和技術？

Timo Kuehn：開發 AMR 需要整合硬體、軟體與連線能力。就硬體而言，包括運算平台、機殼、馬達、感應器電源系統，當然，還有根據應用需求使用的任何感應器。軟體方面需處理感知、定位、路徑規劃、運動控制和避障。診斷以及與人類的互動也扮演著非常重要的角色。因此，要整合及管理這所有功能是相當複雜的。

AMR 是電池供電，因此增加大量控制器毫無意義。這些控制器需要連線，將增加重量、大小，並提高成本和複雜性。因此，必須將多種功能整合在少量處理器上。

在單一處理器上整合多個工作負載時，嵌入式即時虛擬機器監視器可以提供大量協助。此功能有許多優勢，例如隔離與安全性。因此，舉例來說，感知與運動控制可以在自己的虛擬機器中安全地相互隔離執行，確保當一個 VM 需要大量負載或產生大量負載時不會影響到其他 VM，其他 VM 仍可在截止時間內完成工作。

這至關重要。想像有一個感應器發出了訊號，但 AMR 或控制器的反應過慢。可能會導致當機，甚至當有涉及人類參與時，可能會導致人類受傷。同時也有助於效能最佳化及負載平衡；每個 VM 都可獲得專用資源，並達到時間和效能要求。

AMR 有哪些使用案例呢？

Claire Liu：經證明，自主移動機器人在各種產業中具有多功能用途。包含我先前提到製造環境中的材料處理，甚至還有協同作業裝配。在電子商務中可協助物流與配送。在疫情期間，我們使用自主移動機器人來運送醫療用品和藥物，並協助照護病患。在農業、餐旅服務業和零售等其他領域，應用情境也越來越多。新的使用案例不斷出現。

Timo Kuehn：環境監控是不錯的 AMR 使用案例，可協助收集空氣品質、水質或土壤狀況的資料。或應用在危險環境中，例如檢查發電廠，可降低人類工作者的風險。可用於公共場所中，提供即時視訊摘要。或在大型設施中，可用於最後一哩路的包裹運輸。機器人可以協助運輸材料，也可以用於營建工程中。有許多不同的使用案例，而且我同意 Claire 的看法，未來還會有更多使用案例。

我們可以期待未來幾年這個領域的發展方向為何？

Claire Liu：在近期內，AMR 領域將有全新發展，前景一片光明、令人興奮。技術開發將在機器人領域迅速發展，並將實作軟體架構設計的模組化方法。自主移動機器人公司將適應這個瞬息萬變的環境，並運用強大的可擴充性來實現這樣的尖端解決方案。

Timo Kuehn：當然，我們很難預測，但我相信在不久的將來會有諸多進展，特別是在搭載整合式 AI 加速器的 Intel 處理器方面。如此一來可實現增強的感知與物件辨識、更智慧的路徑規劃與最佳化，以及適應性學習等功能。我們也可以想像，此技術可改善人類與機器人之間的協作，例如即時做出複雜決策的能力，僅需一點人為介入，即可瞭解情況並執行複雜的工作。

總結：全新類型的自主移動機器人可望能將虛擬化技術、即時功能與整合式 AI 加速器相互整合。它們將更具智慧、適應能力，並且能夠以高精確度與效率執行複雜的工作。

相關內容

若要進一步瞭解自主移動機器人，請收聽自主移動機器人的開發故事，並閱讀 IoT 虛擬化推動實現協作機器人。若要瞭解 congatec 與 Real-Time Systems 最新的創新技術，請在 Twitter 上跟隨 @congatecAG 並關注 congatec 和 Real-Time Systems GmbH 的 LinkedIn。

本文由 Erin Noble 編審。

減少品質瑕疵，以及其中的作業量與成本，是現今製造業面臨的最大挑戰之一。由於產品無法正常運作，或無法達到可接受的品質標準，因此必須為客戶重新設計、重新加工，甚至退款，可能會對公司收益方面產生巨大的財務影響（高達 40%）。這就是為什麼許多人想方設法希望在產品出貨前預防瑕疵。

但這可不是識別瑕疵這麼簡單而已。工業 4.0 的興起，給予製造商壓力，紛紛希望打造更具智慧的工廠。若要獲得成功並保持競爭力，您需要找出預防瑕疵的方法，且必須瞭解品質問題發生的原因與地點。

許多人已轉向機器視覺解決方案尋求解方，這些解決方案可進行瑕疵偵測，但時至今日，這些系統仍難以部署、維持長期規模，而且偵測異常的能力也難以超越目前技術。

所幸，視覺解決方案供應商 Eigen Innovations 所提供的軟體與服務，設計旨在讓使用者能盡可能實現零瑕疵製造。

Eigen Innovations 的營收長 Jonathan Weiss 表示：「我們的軟體與服務希望改善偵測及預防瑕疵，同時也利用流程資料協助製造商瞭解流程中發生的情況。」

為製造商配備智慧視覺

為實現此目標，Eigen 首先且最為重視互通性。該公司開發的解決方案可直接整合至 PLC，並支援任何業界標準的攝影機或感應器硬體，讓製造商可以輕鬆啟用並執行機器視覺系統。

其直覺化的使用者介面讓製造公司可以設計並管理客製化的視覺系統，可即時線上執行品質檢測、確保是否有零件與元件、將流程最佳化，並簡化瑕疵的根本原因分析。

舉例來說，當一家大型的全球紙漿和造紙製造商在光面紙捲與防水塗層的品質控制方面遇到困難時，他們可以轉向尋求 Eigen Innovations 協助實作機器視覺系統。

Weiss 表示：「他們遇到了塗層堆積的問題，導致其特色產品光面紙材上出現皺紋」。該公司無法驗證塗層是否均勻。Weiss 補充：「若非如此，即使只有 8 到 10 秒，也因此造成了意外停機，設備無法正常運作。」

在 Eigen 的幫助下，應用了智慧視覺系統後，紙張製造商就能發現塗層流程中的特性，並識別出塗層堆積的範圍。Weiss 說明，由於能夠瞭解塗層堆積的根本原因，並在問題發生時收到即時警示，讓製造商每年可節省 100 多萬美元。

Weiss 表示：「視覺系統需要能夠識別瑕疵，並實際解決問題。」（影片 1）「由於我們的解決方案可與控制網路溝通，讓製造商獲得即時警示，並在偵測到問題時觸發自動回應。」

影片 1。Eigen Innovations 為智慧工廠提供的智慧視覺擷取資料，讓製造商可以超越品質檢測，達成更高的目標。（來源：Eigen Innovations）

除了內嵌品質檢測、即時監控與流程最佳化之外，Eigen 還可協助製造商滿足定期必要檢測的需求。

舉例來說，製造塑膠元件的汽車 OEM 每個工廠每週可生產超過 15,000 個零件。預計在每個設施中都需有 42,000 個檢測點。這樣的規模不可能由人工處理，且製造商還需找出瑕疵的類型，例如焊接完整性的問題，這是靠肉眼難以識別的。

OEM 最初打算抽取隨機樣本，並執行破壞性測試來檢查元件的完整性，但這樣一來，便會造成不必要的浪費與重工，且無法保證所有瑕疵都能在產品運送給客戶之前被發現。

Weiss 表示：「歸根結底，他們需要自動化的方式，才能保證每週的產品品質與產量。」

OEM 便與 Eigen 合作打造解決方案，即利用熱成像攝影機來擷取焊接流程的各種視圖。然後將這些影像融合在一起，建立零件的數位分身，並且將關鍵流程資料對應至檢測區域，完成非肉眼能力所及的即時洞察。

Weiss 說明：「每個零件都可即時完成驗證流程，且在秒或毫秒間即可完成。」「他們現在可達到的規模，僅靠肉眼是無法實現的。」

持續改進機器視覺解決方案

Eigen 以提供使用便利的機器視覺解決方案為傲。機器操作員可協助即時訓練及標記模型，確保解決方案可以隨著時間發展提高精確度與效能。

Weiss 表示：「這非常簡單好上手，我們的機器操作員與品質工程師甚至在還沒有頭緒的情況下就已經在進行機器學習了。」「舉例來說，如果看到表面上有不應存在的刮痕，即可標記、更新模型，則軟體將來也會識別類似的刮痕。」

該公司與 Intel 進行多方合作，讓該公司可以快速測試、驗證、採用，並最終將機器視覺引入工廠。有了 OpenVINO^™ 工具組，Eigen 不僅可以將使用者的模型開發與效能最佳化，還能根據使用案例使用各種不同的攝影機與硬體。

Weiss 表示：「我們有很多客戶已經試用了視覺系統，而且因為我們可以使用現有硬體，這一點對他們而言十分具有吸引力。」「他們不必再花費大筆資本支出。」

機器視覺的未來願景

展望未來，Eigen 認為機器視覺將持續在製造業扮演重要角色。由於製造商面臨人力短缺，找不到經驗豐富的技術工人，機器視覺解決方案將可以介入並填補人力空缺。

Weiss 表示：「視覺系統將取代操作員的肉眼，未來將不再需要操作員的人力。」「我們的解決方案可為工廠員工提供所需工具，讓員工能以最高標準有效完成工作。」

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。

專有的分散控制系統與執行很多工業廠房的硬體很快就將過氣。取代這些系統複雜且昂貴，通常還需要停機。除這些挑戰外，擁有自動化專業知識的工人正在逐漸推出勞動力市場。

自動化與數位化提供了另一種選擇。為工廠配備以軟體為中心的系統可提供靈活性、好可用性與彈性，同時還可支援永續發展目標。此類解決方案透過將控制軟體與硬體分離使用開放標準技術實現自動化。製造商可使用以軟體為中心的自動化技術應對市場需求、根據需要擴大規模、盡量降低淘汰率、避免運營診斷並最佳化能源使用。

此解決方案由 Schneider Electric、Red Hat 及 Intel 合作打造。它利用 Schneider 的 EcoStruxture Automation Expert (Soft dPAC)、Intel 的 Edge Controls for Industrial 以及 Red Hat Ansible。

Schneider 的全球分佈控制系統主管 Michael Martinez 表示：「我們正在尋求從原有嵌入式控制器架構轉向以軟體為中心的自動化技術」。

EcoStruxure Automation Expert 使用容器化與協調流程改進可用性、較低的所有權成本、並避免程序中斷。Martinez 稱：「我們可以利用這些技術讓軟體不受執行它的硬體限制。實際上，我們可以在不同的位置、在不同的伺服器、甚至使用不同的計算容量載入控制應用程式。這是一種新的自動化思路，實際上正式這種思路可以為我們提供使用者要求的彈性與靈活性。

這種方法可以確保程序連續執行，提供零生產中斷。Martinez 表示：「大多數客戶在我們稱之的連續加工設施中運作，他們不能關閉這些設施」。發電中斷可能會造成停機。如果是煉油廠或化學品生產工廠則可能引起爆炸或溢出。

連續運作所需軟體協調流程

因為需要連續運營，流程製造工廠更換技術變得複雜、及時且成本高昂。Martinez 表示：「專有系統的服務、維護及現代化經常需要大面積停機與周轉」。

Red Hat 的 Ansible 編排能力是整體解決方案的關鍵部分。這個新的自動化解決方案處理任何重複繁瑣的任務，例如將軟體載入機器或將工作負載轉移到不同的位置。Martinez 說道：「如果我們的其中一個裝置出現問題，我們使用編排器將流程控制應用程式重新部署到另一個正常的裝置上，」。這樣一來，員工可以更好地專注於更具創新性的活動。

以軟體為中心的自動化縮短學習曲線

更換專有系統需要詳細的計畫和一絲不苟的執行，以避免在生產過程中造成任何中斷。上世紀80年代的控制系統採用了專有的程式設計語言，這些語言難以翻譯且需要特殊的知識。許多公司至今仍在使用這些系統。

施耐德電氣公司的流程自動化副總裁，Tina Volkringer 表示：這是軟體中心方法所解決的一個重大痛點。「這使得工作團隊能夠更具多樣性，因為不再需要對自動化系統具有深入的專有知識；我們正在朝著以成果為基礎的解決方案邁進。我們的目標是提供即插即用的功能。」

這種即插即用的方法解決了另一個問題：找到有資格操作舊設備的人才，這種人才因工人退休而迅速減少。

Schneider電氣公司戰略計畫總監 Andre Babineau 表示：「我們所談論的是一種更開放、基於標準的語言，這是大多數自動化工程師熟知的，」。「這樣一來，他們可以立即對其流程的價值做出貢獻，而無需透過某種中介轉換到專有系統、專有語言或一套必須使用的工具來控制流程。」

可擴充性是另一個優勢。複製流程對操作人員來說可能是一個挑戰，需要額外的控制器和基礎設施。Martinez 說道：但是 EcoStruxure 自動化專家能夠以最小的努力簡化複製儲罐、泵或其他流程的過程。這是一種由系統方法驅動的。這個應用程式是為了最佳化產量而撰寫的，運行它的硬體則僅在最後一步才被選擇。

Schneider、Red Hat 和 Intel 之間的解決方案具有改變流程自動化的潛力，為未來的發展奠定了基礎。利用編排、開放標準和合作夥伴關係，使公司能夠建立自動化解決方案，以最小化中斷、降低擁有成本，並減少淘汰的影響。這個解決方案是發展完全自主生產設施的途徑。儘管 Martinez 在不久的將來並不預見完全自主，但他展望未來會有一個以軟體為中心的自動化系統與人類並肩合作，推動新的效率、靈活性和彈性水準。

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

新車進入組裝的最後階段時，檢查員會滴水不漏地檢查每個細節，發覺是否有任何不一致的地方。從油漆剝落到車輪缺陷，乃至於不規則的汽車發動聲音，任何事都可能損害最終產品。傳統上來說，這些檢查都是由手動執行；但現在工人可以從人工智慧獲得急需的協助。

無論檢查員有多優秀，人工檢查總有百密一疏的時候。廠房嘈雜熙攘，可能使人分心。重複相同的工作數小時也可能導致恍神出錯。但是對於 AI 而言，這不是問題，它利用攝影機、麥克風與感應器在生產線上追求完美、不遺餘力。

「視覺檢查確實是一項繁瑣的工作。在工業環境工作時，嘈雜的環境可能會使工作品質隨著時間推移而下降。利用 AI，您可以將流程自動化，」byteLAKE 共同創辦人 Marcin Rojek 說道，該公司是 Cognitive Services 的開發商，這是一套致力於工業 4.0 的 AI 模型，用於處理品質控管。

Rojek 表示，byteLAKE 的 Cognitive Services 之所以存在，是為了向營運商提供可據以行動的資訊，進而做出更完善的決策。

與大多數工業 AI 解決方案不同，byteLAKE 不僅透過電腦視覺改善視覺效果。該公司使用 AI 模型進行聲音分析與基礎架構監控。byteLAKE 的 Cognitive Services 利用麥克風和其他感應器，可偵測溫度、濕度與振動以監控設備，進而將服務交付最佳化並防止故障。

Cognitive Services 將資料轉為深入解析

Rojek 與他的朋友兼商業夥伴 Mariusz Kolanko 在 2016 年共同創辦 byteLAKE 時，想要解決如何處理工業組織擷取所有資料的問題。光是如何使用就讓許多人頭痛不已。

「我們想讓 AI 成為工業案例的實質解決方案。我們將資料合併並轉化為資訊，回答諸如「會發生什麼、可能發生什麼、為什麼發生了某事、錯誤在哪裡、錯誤是什麼，以及根本原因是什麼？」Rojek 說。

將不同來源的資料放在適當的情境，則可能實現這項目標。

在製造過程中，電腦視覺演算法分析能分析及解讀攝影機在生產線上捕捉的影像。接著可以訓練模型，瞭解某些影像，並偵測諸如刮痕、凹痕與缺失的孔等。

在汽車製造中，麥克風捕捉引擎的音調和轟鳴聲，確定是否正常運行。這是另一個人類侷限可能會阻礙的領域。Rojek 表示：「在工廠設施聆聽數十部汽車引擎，而背景噪音不斷變化，檢查品質很可能會下降，」Rojek 說。

為了所有資訊都是即時收集並保留在工廠層面，這項技術在邊緣安全運行。這樣一來，使用者可以在接近資料產生的地方處理資料，進而克服頻寬與連線斷斷續續的問題。

byteLAKE 也在餐飲服務業中使用電腦視覺，減少自助餐廳結帳的等待時間。Rojek 表示：「收銀員不必將一切手動輸入機器，因為攝影機會拍照並識別商品。」

在其他環境中，例如能源基礎架構，byteLAKE 使用感應器、攝影機與麥克風的組合，追蹤液體流動、濕度等級、壓力與溫度等狀況，這些全都能提供管道、幫浦、驅動器和其他元件的健康狀況與效能資訊。這樣有助於將營運和資源使用率最佳化，減少浪費，最終提供更完善的服務。

Rojek 表示：「我們可以預測可能會發生什麼事，並且建議整個城市的能源管理系統最佳設定，根據目前的消耗量、預測消耗量、歷史資料、天氣預測等，提前規劃下週應該訂購多少能源。」

製造業中的 AI 增補人類的不足

雖然 byteLAKE 的 Cognitive Services 旨在取代重複、單調、耗時且容易出錯的工作，但 Rojek 認為這套解決方案應該與人類工作相輔相成。他是這麼解釋的，客戶似乎並不擔心人類遭到取代，因為 AI 正在解決勞動力短缺等問題。AI 對於員工安全也有所貢獻。舉例來說，攝影機與感應器的存在，能讓人類遠離生產線上的危險設備。

byteLAKE 也與各種合作夥伴合作，提供客戶專屬的解決方案。合作夥伴將 Cognitive Services 與自己的軟硬體自動化相結合，設計工作流程。

先前實作中的現有模型，可針對新的客戶量身訂做。舉例來說，透過對不同的照明、生產線尺寸和其他規格進行調整，造紙廠模型可以在另一家工廠使用。

Intel 是實現這一切的重要夥伴。byteLAKE 參與 AI Builders 等計畫，並利用 OpenVINO^™ 工具組將解決方案最佳化及降低開發成本。

展望未來，Cognitive Services 會繼續增加功能。byteLAKE 正在開發能夠自主學習的模型，以便「隨著時間自動改善。」Rojek 希望在不久的未來，模型會即時學習「並在您進步及產生更多資料的同時改善預測品質。」

長遠來看，該公司將致力於更輕鬆地與製造軟體整合。「我們不想浪費時間無謂地重複，也不想在製造方面改變他們的流程。我們希望能為他們的營運截長補短，成為他們現有工作流程的一部分，而不是把一切搞得天翻地覆，」Rojek 解釋道。

本文由 insight.tech 編輯副總監 Christina Cardoza 編輯。