即時自動轉錄,在邊緣儲存資料

在現今混合式工作場所的模式中,員工耗費在開會的時間遽增。在現實生活中,員工與同事皆身處不同地點,因此就需要進行更多會議,來確保每個人的資訊保持同步,並能順利完成工作。雖然遠端會議能解決一部分的問題,但同時也會造成許多意想不到的後果。

舉例來說,會議參與者如今必須花更多的時間投入開會和作筆記等繁瑣的工作,而無法將時間花在更有價值的日常工作中。雖然有自動轉錄的解決方案可用,但這些解決方案也伴隨著自身資料隱私、連線能力與時間等方面的挑戰。

這就是為什麼整合技術與服務供應商 Cedat85 著手打造尖端解決方案,滿足當代 AI 驅動解決方案的所有需求,還具有企業目前所需的最高的安全性與離線功能。CABOLO One 是一款語音轉文字裝置,提供即時錄音、自動轉錄、翻譯、歸檔與編製索引的邊緣解決方案等一系列服務。

自動轉錄機密會議

我們在收到來自 Cedat85 全球客戶的關鍵意見反應後,就萌生出開發 CABOLO One 的想法。終端使用者表示,在轉錄與翻譯敏感性會議時,需要增強隱私權與安全性,以離線作業,符合歐盟《一般資料保護法規》(GDPR)的規定。

考慮到這些緊急情況,Cedat85 的工程團隊精心打造了 CABOLO 套件。

解決方案利用邊緣來確保只有資料擁有者才能存取資料。無論會議參與者是否共處一室還是遠端連線,都可以透過 WiFi 熱點連接到 CABOLO One。使用者可以使用電腦、手機或平板電腦,並利用安全密碼連接裝置的 WiFi 熱點。

將資料保存在邊緣,也能確保沒有任何雲端供應商能存取這些資料,即使是 Cedat85 也無法存取。自動轉錄下載項目均採用 AES-256 加密,這是目前市面上最強大的加密標準。

機密性的需求推動了解決方案的發展,而 Cedat85 也發現了提供包容性與可存取性等進階功能的機會。在 COVID-19 疫情期間,在家工作與遠端學習需求大幅提升,因此讓所有使用者都能夠適當存取成為首要任務。遠端連線進行工作會議與員工間合作成為常態,但並非所有人都能參與。

「當時我們在義大利遭遇首次封城的時候,一位多年來持續使用我們解決方案的客戶表示:「我們無法協助聽力障礙的員工。我們無法派遣翻譯或手語翻譯到他們的住處協助溝通。」Cedat85 行銷總監 Selena Gray 表示。「那些員工在那段時期均無法參與會議,但現在有了這項技術,他們便能夠像往常一樣參加所有會議。」

由於 CABOLO 在邊緣運作,因此可排除因網路連線不良所造成的延遲。由於是自動化運作,因此可節省組織轉錄會議記錄的時間與成本。

「它就像是一位會議助理。您只需在背景中執行,它就能在離線模式下協助您進行逐字記錄、編制索引和歸檔。」Gray 表示。

實現不同產業中的數位化

CABOLO One 的客戶名單處於穩定成長中,因為不同產業的組織均希望能實施數位化,作為其業務策略的一部分。目前已有數間銀行與金融跨國公司、製藥公司、義大利眾議院與數間大學採用這項技術。

除了錄製與轉錄服務之外,Cedat85 也確保 CABOLO 能夠轉錄 30 多種語言,以及翻譯多達 60 種語言。

歐洲議會也有使用此核心技術,該組織使用 CABOLO One 進行歐盟境內 24 種語言之間的即時轉錄與翻譯。

這項技術對聽力障礙的學生與非母語學生尤其有所幫助。在大學課堂中,無論學生人在教室或是以遠端連線,只要利用此技術,即可即時將字幕傳送到螢幕上。也可以翻譯成學生的母語。在英國等國家,外國學生佔校園人口比例相當高,因此翻譯功能尤其受到青睞。

Gray 表示:「在說話當下,就會即時進行轉錄、生成字幕,在某些情況下也能進行翻譯。」

米蘭博科尼大學部署了裝置,在校園舉辦的活動中活用字幕功能,不僅達到包容性,也讓所有人皆可參與在活動中。一開始,該大學僅使用義大利語的工具,但隨後又提出其他語言工具的需求。他們最終採用了多合一系統,可立即生成多種語言字幕。

此技術也適用於製藥公司與大學等研究機構。CABOLO One 能保留談話記錄,讓會議參與者可以在會後自行回顧,並跟進下一步行動。「這項技術能幫助記錄所有會議環節,包含腦力激盪、技術討論,或是共同開發全新項目的話題。可以掌握討論過程中的所有細節,進行回顧,甚至可以在會議記錄中搜尋特定術語與詞彙。」Gray 表示。

尋找合適的夥伴,將資料移轉至邊緣

團隊在 CABOLO One 計劃開始階段就有明確的目標,若要成功部署這項技術,就必須找到具全球影響力、可靠、創新與可相互協作的夥伴。經過大規模的嚴密評估流程,工程團隊確定 Intel 是符合以上所有基本特質的理想合作夥伴。認同 Intel 作為共同努力的關鍵夥伴,我們相信必能實現我們的願景,為客戶提供極致的卓越技術。

多虧 Intel 技術,該公司得以提供獨立邊緣裝置的解決方案,並持續改善功能。Cedat85 已開發出該功能的影片版本,包括轉錄字幕、翻譯與關鍵字搜尋功能。使用 Intel® 發行版 OpenVINO 工具組,Cedat85 能確保其語音轉文字裝置效能突出、高效率又準確。

Gray 表示:「成為 Intel 的夥伴代表我們擁有平台,可以持續打造不同的解決方案、滿足不同需求,並且發展我們的研發計畫。」

該公司計劃透過 AI 驅動自動生成條列式重點,進一步拓展 CABOLO One 的進階功能,例如總結事件、合成語音等功能,並可即時支援會議。

「這項技術可以幫助到所有人。這個裝置並不會造成任何裁員,而是一個能夠盡可能幫助及支援每個人的裝置。」Gray 表示。

 

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

OEM 利用低程式碼軟體擴充收益模型

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 ExositeCOO 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。」

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。」

 

insight.tech 編輯副總監 Georganne Benesch 編輯。

在邊緣進行預測性維護,維持裝置執行狀態

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。

在醫療保健中提升 AI 資料安全和協作

Mary Beth Chalk 覺得自己很幸運。

Chalk 是乳腺癌一期的倖存者,她說她很幸運,因為她在乳房 X 光機上的位置很好,也很幸運,因為放射科醫生能夠發現針頭大小的腫瘤緊貼胸壁。

但她不想把這樣的改變人生的診斷留給運氣。相反的,Chalk 熱衷於在醫療保健中使用 AI 來改善所有患者的結果。因此,她共同創立了 BeeKeeperAI,是一家初創公司,旨在促進演算法開發人員和醫療機構之間的安全協作。BeeKeeperAI 是 Chalk 在加州大學舊金山分校 (UCSF) 的前一份工作成果,她當時專注於需要存取和處理現實世界、受保護的健康資訊 (PHI) 的產業合作。

在 UCSF,AI 開發和實施的障礙顯露無遺。在那裡,Chalk 注意到創新取決於醫療機構和演算法開發人員之間的合作。然而,即使合作是可能的,也需要極長的時間,因為擔心知識產權 (IP) 和保護 PHI 的隱私法規。

Chalk 說,這種瓶頸是令人遺憾的,因為人工智慧在醫療保健領域具有巨大的創新潛力 — 能在早期階段檢測出乳腺癌的演算法只是其中的一小部分。

機密計算確保 AI 資料安全

Chalk,BeeKeeperAI 的聯合創始人兼首席商務官,共同創立了該公司,透過利用機密計算,一種以硬體為先的安全方法,來幫助減少 AI 開發的資 料存取障礙。

BeeKeeperAI 的嵌入式機密計算軟體提供一種解決方案,在儲存、傳輸和計算期間,資料和知識產權都得到了完全保護。機密計算的運作原理是建立一個完全認證的可信執行環境 (TEE)。TEE 將處理器和記憶體中的資料和演算法隔離,並使用硬體加密金鑰來維持總記憶體加密。在這些機密環境中進行計算,保護資料和知識產權。

為人工智慧合作鋪平道路

EscrowAI 是 BeeKeeperAI 的零信任協作平台。它解決了該產業常面臨的兩個痛點:安全處理病患健康資料和保護知識產權。Chalk 表示:EscrowAI 讓資料持有者和演算法開發人員可以「一鍵輕鬆」地合作。平台的另一個優點是提供全面的稽核合規文件。Chalk 補充:「平台上的每個動作都會被記錄和存檔,以便完整追溯」。

如此資料安全的證明,對於證明遵守各國隱私保護法規,以及收集支援醫療器材、數位療法和藥物上市許可申請的證據,是至關重要的。在內部,該解決方案整合了 Fortanix 的政策和密碼金鑰管理功能。

Intel® 軟體保護擴充(Intel® SGX)直接內建於 Intel® Xeon 可擴充處理器,可讓您建立稱為「飛地」的隔離可信執行環境。Chalk 表示:「我們從一開始就是 Intel SGX 的使用者,因為它在執行期間可以確保演算法和資料的保護。而且,這對我們來說是一個競爭優勢。」「飛地可以消除虛擬機作業系統、虛擬機管理員甚至 BeeKeeperAI 的任何存取。這樣就可以防止任何外部干擾。」

Chalk 很感激Intel 提供的資助,讓公司在團隊仍在加州大學舊金山分校時,就能進行設計驗證。Chalk 表示:「Intel 一直以來都是我們早期和重要合作夥伴。」

機密運算使用案例

醫療產業對 AI 實施的障礙非常熟悉,因此解決方案已經被討論了一段時間。例如,人工合成資料,具有與現實世界資料相同的特徵,且不會泄露任何資訊,已被吹捧為解決隱私和安全挑戰的一種方法。

但 Chalk 表示,合成資料完全不足。她指出,舉例來說,當你打亂病人資料時,你會引入與現實世界資料不一致的雜訊。Chalk 又說:「此外,在關鍵應用中,你需要一個經過驗證和在現實世界資料上測試的演算法。」「我們不會信任一個主要基於合成資料的癌症檢測演算法能夠準確地完成其工作。」

Chalk 並不相信,在沒有保密計算的情況下,我們會看到醫療保健領域大規模採用 AI。但是隨著保密計算的發展,新的可能性也隨之出現,例如 BeeKeeperAI 幫助 Novartis 解決了與一種罕見的兒童疾病相關的挑戰。醫療保健公司開發了一種演算法,但需要在現實世界資料集上驗證它。除了熟悉的隱私問題外,Novartis 還面臨另一個問題:資料集僅限於 27 名完全獨特的患者,因此任何程度的去識別化都會破壞演算法的測試能力。

BeeKeeperAI 的 EscrowAI 解決方案幫助 Novartis 解決了這些挑戰,並確保資料永遠不會被看到,相關的智慧財產權也得到了保護。諾華在該領域的研究取得了進展。Chalk 表示:「這是一個非常強大的示範,展示了未來的可能性。」

Chalk 也對保密計算在緩解 HIPAA 合規性相關的擔憂方面的潛力感到興奮,因為患者資訊永遠不會被暴露、永遠不會被看到,並且始終在資料管理員的控制之下。Chalk 希望這樣的保密計算能夠在未來說服立法者修改 HIPAA。

醫療保健中保密計算的未來

至於未來,Chalk 認為保密計算也將在邊緣端發揮作用。她表示:「那些還不準備將所有資料推送到雲端的機構,可以利用保密計算在邊緣端進行 AI 分析。」「它還允許演算法開發者在具有嚴格資料控管的地區安全地部署。」

一直以來,醫療保健都必須使用不完整的資料。Chalk 指出:「我們的醫療保健治療系統是建立在可用資訊的一小部分之上。」但是隨著保密計算讓 AI 在醫療領域發揮其全部潛力,這一切都將改變。

而癌症倖存者對於精準醫療時代的光明前景感到無比喜悅。Chalk 表示:「對你有效地治療,對我可能無效。因此,我們將不再像以前一樣被平均對待,而是能夠被視為獨一無二的個體。」「這讓我感到非常欣慰,也對醫療保健的未來充滿希望。」

和 Chalk 不一樣,我們的醫療結果不必完全取決於運氣。

 

insight.tech 編輯副總監 Georganne Benesch 編輯。

堅固型邊緣嵌入式裝置的COM-HPC標準

我們不再使用傳真機傳送商業訊息是有原因的。雖然它可以完成工作,但它無法跟上當今商業的高速發展。

PICMG COM-HPC 主席、嵌入式電腦主機板和模組供應商 congatec 市場總監兼創始人之一 Christian Eder 認為,當今的電腦計算領域也存在類似的問題。

隨著資料以空前的速度產生,傳輸和儲存資料的能力正在成為我們利用資料能力的主要瓶頸。通常,資料會被傳輸到雲端或資料中心進行分析,但這種基礎設施無法總是跟上我們今天手邊的資料量。

邊緣運算和嵌入式裝置的發展

為了克服雲端傳輸大量資料的延遲和成本,AI 推論在邊緣的應用越來越多。因此,過去只有溫控資料中心的伺服器才能提供強大的計算能力,而現在人們期待的是體積更小、更堅固耐用、能在更寬的溫度範圍內承受高資料輸送量的伺服器。

直到最近,這些嵌入式邊緣裝置還在利用 COM Express 計算機模組標準,為零售、運輸和機器人等領域提供中端邊緣處理和網路功能。但是,隨著最近技術的進步,這一標準在邊緣計算能力和資料輸送量不斷提高的需求下開始出現問題。

Eder 說:「對於 COM Express,我們已經達到極限,不能再擴充了」。「對更高資料輸送量、更高頻寬、低延遲和更高計算能力的需求促使我們定義了一個新標準,而不必擔心向後相容性問題。我們需要新的連接器和新的尺寸來提供新的性能和功能。」

堅固邊緣的 COM-HPC 標準

為了滿足對新標準的需求,PCI 工業計算機製造集團(PICMG)召集了工業嵌入式市場的主要參與者,共同制定了 COM-HPC 標準。Eder 解釋說,較新的標準是為滿足當今嵌入式系統的更高要求而設計的,可以承受高溫(字面意思),提供快如閃電的計算能力。他補充說:「隨著技術的發展,COM-HPC 是未來 10-15 年的穩定標準」。

此外,COM-HPC 的更新版本,即 Mini 版,正在為目前最小的高性能標準化模組留出空間,幾乎只有信用卡大小。該標準適用於小尺寸(SFF)設計,在提供 IO 和計算能力的同時,還能滿足電源和空間限制的要求。

congatec 最近推出了首款 COM-HPC Mini 模組,為客戶空間有限地解決方案提供高性能支援。Eder 說:「這樣做的目的是使其成為使用第 13 代 Intel® Core 處理器低功耗系列的合適平臺」。「它節省了成本,節省了空間,但僅限於低功耗 CPU,然而在計算方面卻極為強大。」

堅固邊緣夥伴關係

congatec 與 Intel 等公司的合作關係對於開發符合最新計算機模組標準的解決方案至關重要,這使他們能夠更加洞察技術的發展趨勢。

Eder 說:「參與早期准入計劃使我們能夠在 Intel 公佈技術之前就設計好產品,這讓我們的客戶能夠快速獲得最新技術,縮短產品上市時間」。

透過瞭解未來的發展趨勢,congatec 能夠開發出符合標準的模組,使其更加堅固耐用。憑藉第 13 代 Intel Core 處理器,congatec 的 COM-HPC 模組獲得了性能提升、人工智慧推理能力、改進的 GPU 以及承受 -40C 至 85C 苛刻溫度的能力。這些處理器還能滿足影片串流和分析應用程式可能需要的高畫質處理要求。

遷移到 COM-HPC

考慮到 COM-HPC 標準的許多優勢,Eder 認為是時候將性能需求高的系統從 COM Express 遷移到 COM-HPC 了。他說:「模組化概念的美妙之處在於,您可以無需丟棄完整的解決方案,即可將現有應用程式升級到不同的功率範圍」。「相反,您只需更換模組。」從 COM Express 切換到 COM-HPC 時,載板必須進行修改。但升級到未來的 CPU 技術,只需更換計算模組即可。

Eder 指出,模組化概念可以避免更換完整系統,有助於減少浪費,更加環保。散熱器或冷卻介面也是模組生態系統標準的一部分,增加了額外的永續性層次。

雖然實際的更換可能不太困難,但其他組件可能需要進行調整,以充分利用新性能和更快的介面。

Eder說:「congatec 透過提供參考載板來促進採用,」以便輕鬆上手,並檢查個別應用程式所需的所有專用功能。congatec 還設立了學院,向載板開發人員傳授有關採用 COM-HPC 標準和在其生態系統內進行設計的最佳實踐。Eder 表示,該培訓專注於符合標準的載板設計,這是建構可互操作、可擴充和耐用的自定義嵌入式計算平台的關鍵。

此外,congatec 與合作夥伴網路合作,尤其是在交通、通訊和醫療保健等不同領域具有標準實施要求專業知識的合作夥伴。Eder表示:「在鐵路等行業取得預認證,可加快產品採用。由於 congatec 的電腦模組產品可以承受震動和振動,因此部分 SKU 甚至獲得了在鐵路系統上使用的認證」。預認證對尋找相容和全面的技術堆棧解決方案的系統整合商特別有用。

隨著電腦計算的未來轉向邊緣,嵌入式邊緣裝置必須能夠在惡劣環境中處理龐大的工作負載。但 COM-HPC 準備好迎接挑戰。畢竟,Eder 指出,「它是由嵌入式專家建立的,用於簡化最新嵌入式技術的使用。」

 

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

遠程醫療創新改變遠端護理

尖端技術領域中,往往是由強大的願景來推動重大突破。對於一家公司而言,它正在建構智慧城市的組成元素,促進個人福祉、更宜居的社群以及永續的環境。

透過「統一物聯網通訊」平台,beamLive 利用最新的邊緣運算與 AI 技術來打造遠端醫療創新,提供個人化遠端護理,進而實現這些目標。beamLive 執行長 Mehrdad Negahban 是這項變革性的先驅,他設想了一個透過數位解決方案增強醫療保健的未來。

beamLive 行動物聯網通訊方法的核心是 beamRx -Shahin 101 解決方案,旨在為病患與醫療保健提供者增強院外遠端醫療體驗。透過整合邊緣運算、AI 與機器學習,該系統在虛擬會診期間為醫生提供即時生物特徵辨識資料。這樣一來,醫療保健從業人員就能快速準確地回應病患的健康變化。

此解決方案的品牌本身以一名同事的名字命名,背後有一個感人的故事。「其中一位合作夥伴 Shahin Arefzadeh 給我們帶來莫大的協助與靈感,不過他已逝世了,」Negahban 表示。「因此,我們以他之名推出這個產品系列。」

數位醫療保健解決方案翻轉療養院和社群護理

一個知名客戶即將推出的使用案例涉及紐約市的一家療養院,體現了邊緣運算在醫療保健領域的重要性與潛力。由於院內有 200 多名住戶,確保為每個人提供優質且及時的護理是一項複雜的工作。Beam 的創新遠端醫療平台可為該機構未來的醫療保健交付帶來顯著的改變。

透過部署 Shahin 101 解決方案,療養院的護理提供者將可存取即時生物特徵辨識資料與病患檔案的關鍵存取權。AI 驅動的解決方案結合了醫療物聯網感應器中重要資料,例如心跳、體溫、呼吸速率、血壓,以及全面的健康史。這些即時分析的豐富資訊可讓醫生和護士通盤瞭解每位住戶的健康狀況。這套解決方案可高效地在邊緣處理大量資料、減少延遲,並確保裝置與醫療保健提供者之間順暢溝通。成果是及時介入、早期偵測,以及更加個人化的護理。

Negahban 解釋道:「我們可以無縫連接所有的這些感應器,讓醫療從業人員透過影片與患者溝通時,可以即時檢視資料。我們的平台彌合了虛擬與實際造訪之間的差距,提供類似於親臨會診的體驗。」

Beam 會使用患者的個人資訊,並將其與廣大的公共醫療資料(如美國國家衛生院(NIH))串連起來,建構全方位的檔案。透過將歷史和公開可用的資料與個人獨特的生物特徵辨識、健康史和活動相互串連,醫療保健專業人士可以獲得完整的全貌,在虛擬患者就診期間做出更明智的決策。

透過這種完整的全貌,提供者可以徹底瞭解個人在過去 24 小時、一週或一個月的活動。

「您可以將其與大量 NIH 資料結合,並與個人簡歷配對,例如年齡、性別、身高與體重,」Negahban 表示。「我們使用即時或封存的資料,以及個人簡歷和身體活動。」

從物聯網邊緣到雲端的遠程醫療創新

beamRX 架構結合了一套軟硬體與雲端服務。醫療物聯網感應器可測量患者的統計資料:心跳、體溫、呼吸速率、血氧含量、血壓、血糖值和 EKG。收集的資料在 Intel 外形規格小巧的電腦和邊緣運算上進行處理,相關的訊息與警示會擷取出來,然後透過寬頻、Wi-Fi 或 LTE 傳輸至雲端。這些即時警示是患者護理的關鍵因素,顏色代碼為綠色代表健康,琥珀色代表需要注意,紅色代表危急,可直接向指定的醫生或急救中心發出警示。

事實上,Intel 技術對 beamRX 解決方案至關重要。Intel® OpenVINO 工具組與 Intel® Movidius VPU 加速器是其 AI 平台開發與效能的支柱。資料一經處理,就會在符合 HIPAA 標準的用戶端控制下在雲端進行模擬。一般來說,這些客戶要嘛是醫院,要嘛是醫生。

利用邊緣運算與 AI 塑造未來

除了遠端醫療,beamLive 也將技術影響力的觸角伸及智慧城市的需要。邊緣運算與 AI 技術可讓城市基礎設施、交通運輸與市民服務方面的創新成為可能。「我們所做的工作涵蓋各行各業,包括公共安全、物流、智慧運輸與醫療保健,」Negahban 表示。「這些市場區隔也仰賴多個來源的即時資訊,無論人們身在何處,所有裝置都會動態更新,實現更佳的社群體驗。」

 

insight.tech 編輯副總監 Georganne Benesch 編輯。

邊緣 IPC:適用於智慧交通管理的強大平台

智慧交通管理解決方案可協助改善交通流量、保障通勤族的安全,並實現永續發展目標。現在,將這些解決方案與邊緣 AI 與電腦視覺整合,可解鎖更多優勢。

電腦視覺與邊緣分析可讓交通管理系統執行眾多功能:高速車輛識別、即時交通分析、改善交通流量與安全性的路邊裝置管理,以及消除延滯的自動化交通控制流程。

儘管這些解決方案具有多種優勢,但要實作這些解決方案並不容易。

工業運算專家 Shenzhen Jhc Technology Development Company Co., Ltd (JHCTECH) 的產品經理 Colin Cheng 表示:「很難找到能在邊緣處理複雜電腦視覺工作負載,且能在惡劣的環境條件下正常運作的運算平台。」「此外,那些為明確特定使用案例所設計的解決方案,也無法適用全新或經修改的每一種部署後解決方案。如此一來,政府就需花費高昂的基礎架構投資與持續維護成本。」

幸運的是,新一代工業電腦(IPC)開闢了未來可行的發展方向。邊緣 IPC 具有專為邊緣效能打造、堅固耐用的硬體,並可利用強大的遠端管理工具,為現實生活中的智慧交通管理解決方案提供彈性靈活的電腦視覺平台。

電腦視覺與邊緣 IPC 可讓電子收費智慧化

邊緣 IPC 可執行複雜的電腦視覺處理,進而解決交通管理問題,其中一個範例便是將其用作電子收費(ETC)系統的平台。

通勤族都知道,高速公路、橋樑上和隧道口的收費亭是交通延滯常見的原因。這樣的情況經常會造成駕駛的麻煩與煩惱,且因車輛閒置,也導致有害 CO2 排放增加。收費亭是最適合升級至電腦視覺自動化 ETC 解決方案的選擇,升級後,將不再需要進行耗時的人工收費(圖 1)。

三個收費亭的影像,從正面、側面和車牌識別角度顯示車輛偵測畫面。
圖 1. 採用邊緣 IPC 的 ETC 使用電腦視覺,可將國界邊境與檢查站的收費流程自動化。(來源:JHCTECH

若有足夠強大的運算平台,即可利用電腦視覺與 AI 實現收費完全自動化。JHCTECH 的 ETC 解決方案是此技術運作方式的絕佳範例:

  • 攝影機與感應器收集即時車輛資料,即使在車輛高速行駛時也能進行視訊處理。
  • 車輛特定費率資料會在邊緣計算,然後轉送到集中式交通部後端伺服器進行計費。
  • 收費地點的裝置控制可實現完全自動化。IP 攝影機與路邊裝置可與移動車輛、交通與警告標示以及柵欄機建立無線連結。
  • 遠端管理技術可支援簡單且高成本效益的系統維護。

此解決方案的主要優勢在於搭載了耐用且彈性靈活的工業用個人電腦。因此,此解決方案的 IPC 本身可帶來許多重要的益處,原因如下:

  • 可設定滿足各種使用案例需求,包括邊境起重台架、非門架收費站的入口與出口點等。
  • 採用硬體元件打造,可以承受暴露於各種環境中,並確保可在廣大的溫度範圍內穩定作業。
  • 能支援多個 I/O 介面,可輕鬆設定系統,以適應新型的車道裝置與感應器。

最終研發出全方位的 ETC 解決方案,強大、穩定且堅固耐用,可在遠端執行複雜的視覺處理工作負載,且彈性靈活,可適應多種使用案例,並在需要時與其他技術整合。

Intel 技術在打造高效能、可自訂的解決方案方面功不可沒。

Cheng 表示:「Intel 處理器擅長處理邊緣電腦視覺工作負載,且處理器系列豐富多樣,因此您永遠找得到適合您所需任何效能需求的選擇。」「Intel vPro® 平台的遠端管理功能與硬體型 Intel® 主動管理技術(Intel® AMT)對於智慧交通管理解決方案的上市也很有幫助。」

從長遠來看,可帶來直接優勢與基礎架構

從 JHCTECH 在中國交通部的部署可見,政府與企業是如何有效利用邊緣分析與電腦視覺,來協助克服交通管理的挑戰。

該公司與中國交通部合作,使用採用 IPC 的 ETC 解決方案,取代了數個傳統的省邊防實體收費站。結果引人矚目。省邊防邊境站升級後,客車平均通過時間從 15 秒縮短至 2 秒。貨車的改善幅度更為顯著,平均通過時間從 29 秒縮短至 3 秒。

最棒的是,這些解決方案的靈活性代表可帶來直接效益,並且在長期開發交通管理基礎架構方面奠定了良好的基礎。

「ETC 只是個開始。目前部署的解決方案提供了基礎架構,可支援未來的其他升級。」Cheng 表示。「我們已經開始研究車輛基礎架構整合系統等功能,可向駕駛員發出道路危險警告,以及資料分析工具,可協助交通工程師進一步瞭解及控制交通流量。」

也就是說,現今部署這些系統的交通管理機構,不僅解決了最緊迫的交通管理挑戰,而且還能應對未來更複雜的各種挑戰。

 

insight.tech 編輯副總監 Georganne Benesch 編輯。

在廠房中應用自主移動機器人

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 congatecReal-Time Systems GmbH 的 LinkedIn。

 

本文由 Erin Noble 編審。

機器視覺解決方案:偵測及預防瑕疵

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。

資料驅動文化的商業價值

對於物聯網領域的任何人來說,資料是業務成功的關鍵,這點不足為奇。電腦視覺為業務營運開闢了一個全新的視角,因此需要收集、管理及分析所有資料,進而為 AI 打開大門,提供深入解析且可以引領寶貴的變革。如今,許多我們稱為資料驅動文化的元素已經到位,不僅適用於一個產業,而是舉凡製造業、智慧城市乃至於餐飲業無所不包。

然而,「資料驅動文化」究竟是什麼意思?它是否只是為試圖實施它的企業與組織帶來更多複雜性和額外的挑戰?我們採訪了兩位瞭解如何充分利用資料驅動文化的達人:AI 與自動化零售解決方案供應商 Vistry 創辦人 Atif Kureishy,以及影片 AI 作業系統與市場公司 Awiros 工程主管 Saransh Karira(影片 1)。他們討論資料驅動文化的優勢與挑戰,以及它能如何將業務的各個層面相互串連,創造真正的價值。

影片 1。Awiros 與 Vistry 說明建立資料驅動文化的價值,以及成功實施這些文化的策略。(資料來源:insight.tech

我們談論資料驅動文化時,它究竟代表什麼?

Atif Kureishy:資料驅動文化實際上是指基於證據做出決策,而決策基於對您企業資料的理解,並且能夠信任資料、分析資料,並從中得到關鍵的理解。然後最終做出推動策略進展與策略舉措的決策。

第一代資料驅動文化實際上關乎資料採集與資料理解。這段旅程的第二階段在過去持續了十年左右,此外也開始進行預測,引進了機器學習領域的許多概念。依我看,如今已進入第三代,推出大型語言模型(LLM)。

現在我們不再進行非常人性化的資料科學或資料工程密集型活動,而是轉向往往比我們更聰明的 AI 型系統。那麼我們如何以值得信賴的方式與那些 LLM 分享大量企業資料,並在企業中做出明智的決策。

Saransh Karira:早先,資料政策就像是任何資料的總稱。然而,在過去的三四年間,我們目睹了情勢的巨大變化,現在人們開始意識到,您提供給系統的資料量,就是您從系統獲得的精確度。

電腦視覺 AI 應用如何讓資料更有價值?

Saransh Karira:資料政策的這些變更,使資料容易存取得多。原始資料是第一步,然後一旦擁有這些原始資料,即可套用智慧。然而,假設您擁有數千小時的資料好了,即使您有資料存取權,實際上也無法存取、無法篩選。這就是系統的用武之處,包括智慧系統、機器學習系統。所有的一切都瞬息萬變。

正因為如此,人們正在建構的許多基礎架構都是為了整合大量資料。我認為資料的價值在於您可以連接大量不同類型的資料。因此,如果將每個資料視為一個點,然後串連在一起,整體的價值就超過了各個部分的價值。許多客戶正透過不同的基礎架構或不同的部門串連資料。

在一個延伸至許多不同組織的使用案例中,我們廣泛與政府合作,比方說,目前我們看到的是,他們將車輛預先登記與攝影機、然後再與護照串連起來。互連的資料比孤立的單一系統要有價值得多。

與您合作的企業面臨哪些挑戰?

Atif Kureishy:Vistry 致力於餐飲業。這是非常以人為本的業務,速度快且相對簡單。這些企業開始進行更多的技術投資,但從歷史上看情況並非如此。因此,在大量地點部署及擴充的任何類型的功能,都必須非常符合成本效益。

我們追蹤的許多東西都是廚房裡的物品,因此創造了獨特的環境。當然,我們的訓練基礎架構必須強大穩健,才能偵測、追蹤及理解在該環境中發生的活動。

我認為 Intel 尤其在這方面帶來獨特的價值主張,因為您可以在餐廳內就地執行商品運算。或者可能部署新一代運算,並擁有可以在邊緣有效執行的機器學習與深度學習模型。Intel 集團提供的一些以 OpenVINO 深度學習工具為核心的技術,帶來了莫大的助益。因此,我們可以非常輕鬆地在 Intel Atom® 平板電腦、i7 TigerLakes、以及全新的 Alder Lakes 執行推斷工作負載,並有效地將執行階段最佳化。這對我們和客戶都非常實用。

您要如何為這些企業建立資料驅動文化與策略?

Atif Kureishy:讓我們以生產控制為例,餐廳本質上就是一個迷你製造場所。從製造的角度來看,您可以測量庫存,並對工作產品進行品管與監督。因此,如果您將這套做法套用於餐廳,試想您是透過數位化、得來速以及內用的顧客接受訂單。得到訂單後,會整合至需要正確製作訂單的廚房。

現在,AI 與 ML 發揮作用的領域之一,就是您可在速食店或快餐店建立生產時間表,其中某些產品是預先製作然後保存的。這是理想的情況,因為這樣可以讓食物盡快送出去。因此,透過即將得多少什麼類型的訂單,您可以最高效地建置及製造這些菜單品項。這樣無論從勞動角度還是從食物浪費的角度來看,廚房都更有效率。

我們使用電腦視覺的另一原因是庫存管理,擁有可以查看碗或鍋的攝影機,估計鍋中產品的體積,協助制訂生產時間表。從精益製造的角度來看,這有點像及時生產的概念。因此,對需求進行建模,然後使用 AI 確保供應充足。這就是餐廳最佳化變得更加資料驅動的原因。

如果回想一下 20 年前的餐廳文化,就會發現它實際仰賴人,也就是經理,運用直覺:「我估計今天午餐時間人會很多。除了平常的客人之外,還有一個實地考察團,這就是我配置人員的方式。」順帶一提,還有許多餐廳,尤其是小型餐廳和當地餐廳,仍然如此經營。但如果觀察較大的品牌,他們絕對朝著更多資料驅動的文化邁進。

我想強調餐廳的歷史文化,因為我認為瞭解這一點很重要,進而瞭解我們使用資料更有效地為客戶提供服務是有意義的。

Saransh,您在 Awiros 經歷的使用案例是什麼?

Saransh Karira:其中一個使用案例是部署多個不同校園,每個校園都有多個不同的存取點。最初的實施只是為了瞭解有多少人進來,其中多少人是訪客;基本上,有多少人可以存取該站點,以及有多少人是第一次存取。這是最初的使用案例。

但客戶隨後使用該資訊,根據人們的位置變更安全人員的配置,即哪裡人多,就增加安全性,並從其他存取點減少安全性。這個現象很有趣。

我們也看到了許多所謂的中繼分析使用案例,特別是在零售業。舉例來說,客戶可以透過查看人流量的模式,改善商店佈局與營運。中繼分析的基本原理是產生熱度圖,以視覺方式呈現哪裡的人流量較多,哪裡的人流量較少,並且根據這些資料,客戶可以變更產品的配置與佈局。

與 Intel 這樣的夥伴合作,推廣資料驅動文化的價值是什麼?

Atif Kureishy:我們非常感謝能與 Intel 合作。需要所有單位同心協力,或整個生態系統通力合作,這一切才能順利運作。我認為,ODM 和 OEM 提供 Intel 基礎運算,並且與系統整合團隊合作,最終需要將邊緣裝置和感應器放置在適當的位置,以便進行處理。

當然,由於擁有雲端基礎架構,我們與 AWS 密切合作。因此,Intel 是促進與更大社群對話與互動的關鍵。

當然,還有以 OpenVINO 為中心提供的強大工具與基礎架構。對我們來說是一大福音。這樣,我們就可以最佳化在 CPU 或 iGPU(整合式 GPU)執行的處理類型。與開源社群以及各種深度學習架構合作,也能得到良好的支援。這真的很棒。

Saransh Karira:憑藉 Awiros 平台,我們正在嘗試建立一個影片智慧應用程式生態系統。基本上,從硬體開始,進入使用案例,然後投入市場。硬體就是 Intel 的用武之地。除此之外,不同研究人員或任何第三方開發者正在開發不同的使用案例。此外還有一層市場是終端客戶可以看見的。

我認為,首先,Intel 在邊緣,對我們而言成本效益很高。它的資料庫在最佳化方面為我們提供了諸多協助,包括推斷(AI 執行的實際部分)以及影片的解碼部分,還有其他許多方面。此外,支援極其廣泛。

最後還有什麼要和大家分享的嗎?對於企業來說,什麼是資料驅動文化的未來?

Atif Kureishy:我們和其他所有人一樣加入了 GenAI 的行列,在過去幾個月裡,也確實與 GPT-4 等模型進行了廣泛的合作。我頭前幾年的焦點在於產生所謂的暗資料。我們如何在邊緣應用電腦視覺工作負載,建立實際觀察的資料流?

然後,需要將這些資料整合至更大的基準或基礎資料,這些資料來自銷售點,來自庫存管理系統,來自時間報告系統。因此,我們一直在研究 LLM,以便與更大、更廣的資料集真正地互動並理解。能夠快速做到這一點,確實令人著迷和了不起。

所以,如果有什麼話要跟觀眾說的,那就是除了 ChatGPT 以外,還可以找食譜、找旅遊行程,以及創作詩歌,這是我和孩子會做的事,而且從中得到莫大的樂趣:這是新的 AI 浪潮確實能對企業產生的重大影響,我們很高興能參與這趟旅程。

相關內容

若要進一步瞭解建立資料驅動的文化,請收聽「利用資料驅動決策改變組織」

若要瞭解 Awiros 與 Vistry 的最新創新,敬請:

 

本文由 Erin Noble 編審。