透過私有 5G 加速數位轉型的工作

到目前為止,我們所體驗到的每個「G」都顛覆了一切,不是嗎?因此,對 5G 而言,這將是真正意義非凡的一步,尤其是針對物聯網而言。對於私有 5G 網路而言更是如此。工業環境絕對受當中的高速與低延遲而受惠。

CCS Insight 為一間行動與無線網路研究機構,其網路基礎架構總監 Richard Webb 談到 5G 在組織數位轉型中扮演的角色、5G 和 Wi-Fi 的關係,以及在這個產業鏈中所具有的強大 5G 合作夥伴。

是什麼在推動最近朝向私有 5G 網路的趨勢?

5G 真的改變了遊戲規則,因為它帶來了新的功能,而不只是更快速的頻寬。我想在消費者市場上很可能呈現出來的是速度,但是對其他的市場來說,它具有不同的意義,尤其是對企業與工業產業而言。

5G 的部分功能的確與更好的容量有關,但也具有更低的延遲。而這些功能伴隨著其他數位科技的發展一起出現,例如多點存取的邊緣運算、大數據分析、AI 與機器學習等。5G 是這些技術真正的基礎架構與服務環境,然而也的確是透過與其他數位技術的結合,才讓 5G 變得更加強大。而這也是我們可以真正看到業界受益的地方。

我們看到的是已經開始自身產生轉變的工業環境,也就是將越來越多的流程放到雲端,並在這些流程中,進行更多的資料導向、以 IT 與運算為中心的工作。5G 出現的正是時候,因為它的確可以在如此的數位轉型中,發揮出支援與加速的角色。企業和工業界有各種以 5G 連線的全新使用案例出現,尤其是在邊緣運算方面。

我們有了各種不同的資料流,這些資料流只需傳輸少量的資料,就可以在一個組織中,擴充為成千上萬的資料點或是連線點。舉例來說,也可能只是用來轉送單一資訊、不過以非常固定的方式轉送的感測器,以作為高度複雜產線中的一小部分。另一個例子,或者是在一個智慧醫療設施中,具有許多搭載不同處理器的不同類型機器,一個極為複雜的組合。不同的裝置和它們所截取到的資料流,提供了非常、非常有趣卻精細,且通常十分複雜的使用案例。

因此充滿著非常多的可能,但是也存在著許多的需求,而這正是 5G 可以真正發揮優勢的地方。因為它明顯具有在容量和延遲上的功能。而這也是它帶給工業環境的行動能力,例如以前是固定在有線網路上的機器。這就是 5G 帶給一個地方機器得以移動的彈性。這就是它與其他網路技術之間的連結,例如 Wi-Fi。這就是涵蓋全國的基礎架構,一個超越單一企業內部的行動網路。

5G 與 Wi-Fi 之間的不同是什麼?

我不認為這是一場零和的競賽,也不是 Wi-Fi 和 5G 兩者之間的對峙。Wi-Fi 在企業中大量的被部署;我不認為它會消失,而且我也不認為 5G 選擇的出現就應該讓它消失。Wi-Fi 研發陣營和行動研發之間有非常積極與合作的對話,因此 Wi-Fi 和 4G、5G 彼此之間並不陌生。現在具有彼此對話的技術;它們可整合在同一個網路中,也可以以兩個獨立並存的網路運作。這正是為什麼我認為我們會看到企業場所將會讓兩者同時存在。

Wi-Fi 部署的非常完善,而且的確擴充的很好。但是它不一定適用於重要工作的連線。5G 會更為適合重要的工作,因為一連上裝置後,通常可以在效能的參數範圍內,達到更好且更一致的程度。5G 不見得比 Wi-Fi 好,不過 5G 在一些東西或特定的情境下比較優異。將它們視為互補;如果可以讓兩者同時運作,它們將可以協助彼此的效能表現。

組織應如何執行私有的 5G 網路?

5G 可說是電信公司為企業和工業界重新佈局的好時機—以不同的方式思考如何定位他們,不只是服務,而是他們如何將 5G 定位成企業中的技術平台,用在邊緣運算與 AI 分析等數位技術。

電信公司真的需要對於他們的能力保持開放的心態,並且坦承他們無法為每個人做到每件事情,尤其是在企業環境中。因此,他們必須建立一個解決方案產業鏈,當中具有網路硬體與軟體、雲端服務功能,或許也要有系統整合商,或者具有一些電信商想要解決的深入、特定業界知識的相關組織。

這真的會依客戶而定,或者說,一定會依產業而不同。有一個產業,也就是醫療照護,也許會有很好的顧客基礎。電信商也許對醫療照護產業的技術需求十分瞭解,因此可能會認為,特定的醫療照護轉型環境會是直接的潛在客戶。

請找一個電信公司可能不那麼有把握的不同產業。方法可能會有所不同,而更像是個批發商,在這特定的環境中,直接與顧客對接的是雲端的合作夥伴。所以當中有技術的成分,但是也有更多商業的成分。

雲端供應商(例如 Amazon、Google 和 Microsoft)在私有 5G 中扮演了什麼角色?

我認為這些供應商,如 Amazon Wavelength、Microsoft Azure、Google Cloud 等,扮演著非常重要的角色,在私有 5G 網路環境中也有很龐大的機會。他們當中許多已經與企業存在著既有的關係,部分是因為這些企業已經在進行自己的數位轉型,而其中很多是圍繞著將自有的流程雲端化。

我也認為,比起電信營運商所能夠提供的服務,這些雲端供應商應該具有更大的規模與影響。別忘了在許多情況下這些都是全球性的組織,而雖然營運商具有 5G 的基礎架構,雲端供應商也在自有的伺服器與資料中心基礎架構上投入了大量資金,並且擁有強大的技術能力組合。

這並非雲端供應商搶奪營運商的例子,至少我不這麼認為。但是在其規模與影響下,我的確從一些營運商那聽到他們對於雲端供應商的角色究竟是什麼有所顧慮。所以究竟電信公司會如何與這些雲端供應商互動,仍有很多需要釐清的議題。不過我的確認為這是個正在成長的市場,而且可說是商機仍在擴大,當中大家都有機會並存、並且分到一杯羹。

那麼企業解決方案供應商呢,例如 IBM、Dell 及 HP?

我認為他們極為重要。這些公司當中,許多將會在企業當中抱持著非常長遠的關係與名聲。他們當中有許多公司(尤其是 HP),利用其軟體能力活躍於以 5G 為核心的環境中。他們已經朝著這個方向在轉變,私有 5G 網路其實只是成為電信一部分這個策略的延伸,是以網路的意義而言,而不僅僅是在設備上。

範圍仍是在於存取運算與處理的功能,但與網路的虛擬化更為相關。我覺得這些公司與 5G 網路營運商和雲端供應商一樣,在市場上舉足輕重。這些 IT 供應商具有行動方面的傳統,而這意味著他們通常對於不同產業的進展十分了解,這對於整合出解決方案來說十分重要。

企業網路技術供應商(如 Cisco)的定位會是什麼?

對 Cisco 而言,這方面可說是甘之如飴。這只是找出其策略與定位為何的問題。我想這是很多不同的廠商仍在思考的一點。它不僅止於:「我們是否具備了對的技術?」而是:「我們在這個價值鏈中應該居於什麼位置,以提供最大的價值?我們能夠為自己打造出什麼生意機會?」他們在這個市場中可以採取多種不同的定位。

但是說真的,我不認為有必要把私有 5G 視為一個獨立的市場。我認為這會是一個非常多樣化的市場,也許會依產業而定。然而一家公司可能在一個市場是如此,在另一個市場則另當別論。這要視你的通路、機會、客群、夥伴關係而定,並依情況找出:「我們最好的機會點是什麼?我們可以與誰合作?我們要如何整合出解決方案,並依專案的需求執行?」

您能否更詳細地告訴我們技術製造商 EXOR International 是如何部署 5G?

EXOR 在位於義大利維羅納的智慧生產設施內,與義大利行動網路營運商 TIM 與 JMA Wireless 及 Intel® 合作,實行了 5G 作為私有行動網路環境的一部分。而它不僅止於以私有 5G 網路作為自有的製程功能;它建立的是一個 5G 智慧實驗室的環境。在這個實驗室中,它測試了在自有的網路內部署的全新使用案例,不過它也可以作為解決方案套件的一部分呈現給客戶。而且它也開放給其他公司,提供其探討可以如何在 5G 的基礎上,也與工業 4.0 的無線應用進行互動。

EXOR 不只是一個部署 5G 的範例,也是真正可以從中學習的分享夥伴。那是一個十分強大的環境,不僅可以瞭解在智慧製造環境中如何部署的使用案例,還可以實驗還能做些什麼,尤其是在工業電腦與人類機器之間的介面等。這當中存在著極為豐富的潛力,而我也非常有興趣想瞭解隨著時間事情會如何演變。

關於私有 5G,還有什麼其他值得留意的?

私有 5G 不是一個單獨存在的孤島。在許多情況下,這會是組織在數位轉型的過程中,這是一個很自然會達到的境界。它就是透過具有彈性的靈活網路,以更好的方式,將不同區塊的資料功能與處理及運算功能連結起來。

我談到 5G 可以如何成為結合數位科技的平台。這聽起來很棒,但是這個環境很複雜,需要將技術整合起來。我認為可以某種程度降低複雜度的解決方案,對於加速私有 5G 行動網路來說十分重要,而我認為我們已經開始看到有些解決方案已經有所成果。這其實攸關於在技術端的合作環境,以及可以支援該環境的商業架構。

相關內容

若要進一步瞭解私有 5G 的未來,請聆聽我們的與 CCS Insight 對於私有 5G 的預測播客,並閱讀私有 5G 網路市場的挑戰與需求。關於 CCS Insight 的最新創新內容,請在 Twitter 上 @CCSInsight 和 LinkedIn 上關注 CCS-Insight

 

本文由 insight.tech 資深編輯 Christina Cardoza 編輯。

深入了解 Intel® Core™ 處理器與工業使用案例

技術日新月異,每一項都聲稱較前者更具突破性。不過要提出如此強烈的主張,必須具備足以支持這個說法的功能。就以最近發表的第 12 代 Intel® Core 處理器(代號 Alder Lake)為例,就已在所有產業掀起話題。

該處理器具有一種新的混合式架構,Intel 表示該架構讓處理器的效能達到多年來最大的進步。它可同時提供高效能與效率,因此解決方案不須為了達到高效能而犧牲功率表現,反之亦然。

此外,這個版本具有大幅升級的 GPU、即時性和全新的硬體功能。因此可達到更快的單執行緒、多執行緒、顯示卡以及 GPU 在圖像分類推論上的效能。

「最讓人驚豔的是這個混合式架構,它結合了效能與效率的核心。我們可以依據每個核心負責的工作做調整,」ASRock Industrial 系統產品事業部副總 Kenny Chang 表示,該公司為一間頂尖的工業用電腦供應商。

製造業中的 Alder Lake

Chang 解釋到,AsRock Industrial 近期正開始朝向微服務架構前進,在邊緣的平台上同時執行多個容器。有了第 12 代 Intel® Core 處理器與其靈活的架構,ASRock Industrial 不僅可以管理所有的微服務與任務,還可以將其移到雲端、移到邊緣並且在之間來回,將使用的頻寬與延遲降至最低。

混合式架構也在此發揮了作用,因為 ASRock Industrial 現在可以視其微服務的需求,自行配置其系統是以效率核心或效能核心來執行。

藉由與 Intel 的密切關係,ASRock Industrial 得以在產品發表前先行預覽這些新處理器,為客戶做好改變的準備。

「Intel 帶來了更多解決顧客需求以及如何協助顧客的深入看法,尤其可為系統整合商縮短研發時間,」Chang 表示。

舉例來說,ASRock Industrial 近期與一家領先製造商合作,將其自動光學偵測(AOI)系統的工作負載進行整合。該製造商希望透過機器視覺技術的協助,提升產品品質與顧客滿意度。然而它當時是利用搭載 Windows 作業系統的工業用控制電腦來執行機器自動化,以另外的 Linux 系統執行模型檢查。由於使用不同的作業系統,他們難以妥善地傳送資料。

「要將資料從電腦 A 傳送至電腦 B 費時過久,」Chang 表示。

透過將 ASRock Industrial 的 iEPF-9010S 系列(搭載了第 12 代 Intel® Core 處理器)運用到 AOI 解決方案中,即可利用共用記憶體的技術,解決資料傳輸的問題。

iEPF-9010S 系列是一個邊緣 AIoT 平台,充分運用了 Intel Thread Director 超級運算的威力。它同時具有充裕的 I/O 與靈活的擴充性,可將多個裝置連結到 AOI 系統。

與原有的方法相比,如此的工作負載整合,讓該公司的資料傳輸速度提高了 100 倍。Chang 也指出,該製造商現在需要管理的裝置變少、系統整合的複雜度降低、使用到的系統設備空間也更小。

他提到,切換到 iEPF-9010S 系列是個無縫的過程。「如果客戶想要使用這個解決方案,只需購買我們的機殼,我們就可以在系統裡安裝這些裝置。他們只需要開箱,放在他們的軟體應用程式上即可。就可以開機快速運作了。」Chang 表示。

Alder Lake 的硬體整合

ASRock Industrial 也受益於這些處理器的全新硬體安全功能。「科技的網路安全是全球的熱門話題。當我們將工業物聯網導入工業自動化時,許多 OT 裝置變得非常脆弱,」Chang 表示。

公司在 5G 智慧桿/智慧城市的實作中親眼目睹了這一點,當中智慧桿與許多用於燈號、空氣品質監測與交通監控的裝置整合在一起。搭載 Alder Lake 的平台,可以讓這些裝置的所有資料傳送到邊緣進行影像分類。Intel 最新的軟體監控與 PTP 技術,也有助於確保資料在硬體中的安全。

除此之外,Alder Lake 的全新即時功能,可提供城市狀況的即時影像,讓操作人員可以在必要時作出快速與明智的決策。

展望未來,ASRock Industrial 十分期待看到其他的顧客如何運用這些新功能,並將持續協助將解決方案發揮至極致。

「ASRock Industrial 不僅是間硬體供應商。我們也同步在思考並與 Intel 的各部門合作,以協助顧客取得更優質的解決方案。這就是我們對我們終端客戶的目標。同時,我們也讓這個世界變得更加美好。」Chang 表示。

相關內容

若想要進一步瞭解第 12 代 Intel® Core 桌上型與筆記型處理器,請閱讀 CES 2022:Intel® 推出革命性的 CPU 架構,並聆聽與 ASRock Industrial 一起深入了解最新的 Intel® 處理器。如需瞭解 ASRock Industrial 的最新創新,請在 LinkedIN 上追蹤 ASRock-Industrial

 

本文由 insight.tech 總編輯 Kenton Williston編輯。

人工智慧機器人利用視覺與觸覺包裝農產品

機器人掌控視覺和聽覺的能力已臻純熟,還有新技術協助機器人微調觸覺,支援令人意想不到的使用案例。Atif Syed 博士在電子學、工程和生物奈米技術方面皆有涉獵,而且他對於能夠對製程造成重大影響的奈米級裝置深感興趣。英國機器人公司 Wootzano 的執行長 Syed 在這項興趣的驅策之下,為機器人打造出電子皮膚,實現壓敏接觸的感知能力。

他表示:「我知道讓機器人擁有類似人類的真正觸覺是最棘手的問題之一。」「電子皮膚感測器能夠感覺出施加了多少力道,以及確切的運動方向。這項功能應用於完全可拉伸的材料,是其中最有意思的一環。」

Syed 希望將這項創新技術應用於醫學,不過他卻另闢蹊徑,在食品配送業發現了一項寶貴用途,而且有機會帶動供應鏈數位轉型。

物聯網機器學習帶動產業轉型

傳統採收、修剪及包裝產品的方法容易發生人為錯誤,進而影響品質和作業效率。

Syed 表示:「我親眼目睹,為了尋找勝任這些工作的勞工有多難,而如今幾乎全面都自主或自動化了。」「然而,採收產品時不碰傷及損及產品所需的細膩運動技巧,無法完全自動化,因為機器人的觸覺不夠細膩。」由於這項工作乏味且費力,因此這個產業還面臨人員流動率及聘僱費用高的難題。

Wootzano 機器學習工程師 Joel Budu 表示:「包裝廠與仲介合作,員工往往到職不久後就轉任其他工作。」「無論您為這個人提供何種訓練,或多或少都化為泡影,因此他們的工作成果品質也各不相同。」

配備 Syed 電子皮膚的機器人系統,例如 Wootzano 的 Avarai,可以接手這道程序,以更有效率的方式包裝農產品,協助提高毛利率,並且加速將更新鮮的食物送到餐桌上。這類機器人還能在將食物送給零售商之前察覺品質問題,減少退貨和浪費。

工業自動化與物聯網如何運作

Wootzano 的 Avarai 系統是獨立式解決方案,可加入現有的輸送帶系統。Avarai 這套完整的解決方案具備視覺、自動化與電子皮膚,與單純提供機械手的其他系統不同,透過分析軟硬度、化學感測與溫度這類資料檢查新鮮度,扮演了關鍵角色。手端的採收工具可自訂,客戶可配合農產品需求調整系統(影片 1)

影片 1. 透過 AI 與 CV 支援的機器人水果包裝機解決方案,農產品加工過程得以精簡。(資料來源:Wootzano

Avarai 機器人配備 AI 與物聯網機器學習。產品凡是通過機器人攝影機皆會加以記錄及分析。資料則是儲存至 AWS 雲端網路。舉例來說,葡萄是採收與加工過程數一數二複雜的水果,而 Avarai 提供的投資報酬率大約不到一年。

Budu 表示:「Avarai 非常容易就能整合至現有設備。」「包含機器人大腦的櫃體結構可放入 600 平方公釐的空間。我們運用 Intel® 實感 攝影機拍攝深度影像。另外,我們的解決方案採用大量的 Intel® 硬體,包括電腦的 CPU 和機器學習推論用的視覺處理器。」

包裝業者購買機器人並且繳交每月訂閱費,費用涵蓋機器學習模型、硬體更新、修理和維護,以及更換電子皮膚。

Syed 表示:「視使用情況而定,電子皮膚每四個月左右就必須更換一次。」「很遺憾,機器人皮膚與人類皮膚不同,還無法自行再生。」

Syed 表示:「我們讓客戶享有的主要優勢在於,他們無須仰賴人力,尤其是這個產業目前人力短缺,加上 COVID 全球大流行不見盡頭,人力成了一大難題。」

物聯網機器人的未來

Syed 的下一個目標,就是將機器人大眾化,讓機器人達到商用客戶和消費者心目中合理的價格點。他表示,大眾化可帶動更多的可能性。

他表示:「我們期待,未來民眾家中會出現更多機器人。」「目前消費者有機器人割草機、機器人吸塵器,甚至是自行清潔的機器人垃圾箱。我們期望之後能有廚師為您烹調最愛吃的菜!我們最大的創新之舉就是降低成本,讓客戶得以採用各項技術,而且我們也會儘速整合技術。在我們理想的世界中,大家能有更多閒暇時間做自己喜歡的事。」

 

本文由 insight.tech 內容副總監 Georganne Benesch編輯

和 CCS Insight 一起預測物聯網的未來

在商場上,誰不希望自己能預測未來?但確實有一群人試圖凝視水晶球,並且有勇氣公佈結果。分析公司 CCS Insight 就是這樣的預言家,它發布了年度物聯網預測。他們對 CCS Insight 的全體員工進行了問卷調查,內容涵蓋永續性到雲端未來,甚至也提及了持續演化的「物聯網」定義。他們為 insight.tech 的讀者準備了一份特別版 2022 年報告,以物聯網轉型空間為主題。

在與 CCS Insight 營運長兼物聯網研究負責人 Martin Garner 的對話中,我們將獲得一些真知灼見。他將回顧 2021 年,凝望水晶球中哪裡是晴天、哪裡是陰天,並且展望 2022 年及未來趨勢。

你的 2021 年預測準確率如何:哪些對了,哪些錯了?

很高興有些事情我們預測到了。一項是 COVID 會加速各領域機器人、自動化和物聯網的投入使用。一開始曾出現投資暫停的情況,但隨後人們意識到他們需要這些東西來維持營運。另一項是人工智慧和機器學習中的安全和隱私,將成為更受關注的領域。機器學習有相當大的攻擊面,一開始很難偵測到駭客的攻擊。

我們也確實做出了一些錯誤的預測。我們曾預測有人會購買 Nokia,但沒有人這麼做。我們也預測針對大型科技公司的法規將會放緩,而實際情況比我們的預期還要快。

還有一些長期預測,我們仍在等待結果揭曉。例如,到了 2025 年,大型雲端廠商將提供全方位的行動網路解決方案。另一項預測則是微型人工智慧將佔所有人工智慧工作負載的 20%。人工智慧正在經歷劇烈的變化,尤其是在物聯網領域,而且仍在持續成長,但我們還沒達到預期的水準。

你對 2022 年的物聯網有何看法?

我們對 2022 年及未來有將近一百項預測,顯然我們無法在這裡全部介紹。我們所做的只是擷錄某些與物聯網社群相關的內容,並將這些內容打包在一份報告中,該報告可從 insight.tech 下載。

我只會特別介紹一些我比較在意的內容。有多項預測內容是 COVID 影響的後續行動。到了 2025 年,已開發國家對辦公空間的使用將會減少——下降約 25%。並且,將更廣泛地使用 5G 作為額外的家庭頻寬; 我們認為可能會有 10% 的家庭擁有 5G 頻寬。

我們也發現從去年開始,人們對永續性的關注度提高了許多。我們認為乾淨雲端將會是今年的一大重點。我們也認為物聯網在行銷活動中的永續性,能夠促進物聯網的發展。一般來說,物聯網是永續性的一大福音,但我們並未妥善利用。我們也認為等到技術水平許可後,永續性將會納入 6G 的規格中。

接下來,物聯網本身還有大量的發展空間。更加關注軟體和機器學習,朝向更高等級的智慧物聯網發展。智慧電網和廣域網路之間的連結也會更加緊密。實際上,我們預期在 2025 年能看到泛公用事業的出現:一間既是能源供應商又是網路供應商的公司,因為這兩種網路會變得越來越相似。

Amazon、Google 和 Microsoft 等雲端供應商的角色將如何發展?

他們同時在努力推動的領域之一就是電信網路。他們在 5G 世界中付出了更多的努力,尤其是隨著 5G 從目前的消費者階段逐漸步入工業階段。這麼說吧,如果您是一間全球汽車製造商,並且希望在全球所有製造基地都擁有 5G 專用網路,那麼誰最適合提供該網路?我不認為答案會是當地的電信公司,因為他們並不夠全球化。你的網路供應商更有可能是你的大型雲端供應商。因此,我們認為這些公司將成為某些電信產品真正的關鍵分銷通路。
我認為這是一個很好的例子,說明在未來幾年,雲端供應商和電信公司的工作之間,分界會變得非常模糊。

內部類雲端體驗適合應用在哪裡?

我們現在看到的是,像 Dell、HP 和其他運算供應商等公司正在提供類雲端的體驗,而且重要的是,他們會將這些體驗作為內部運算的商業服務模式提供。你不必為了啟動一個大規模的運算程式而付出龐大的資本成本,這一切全都可以在 OpEx 上完成。我們也發現大型雲端供應商在內部裝置(AWS Greengrass、Azure Stack 等)中提供本地雲端容器,並且提供了即服務硬體。

我們的預期是,內部部署可能會稍微復甦(如有),這往往會減緩公共雲端的成長。因為物聯網在邊緣運算上的優勢,我們也認為物聯網是其中非常重要的一環。我們在工業物聯網系統中生成了非常大量的資訊,而且經常需要對資料快速採取行動。我們無法只在雲端處理所有事情,我們仍然需要內部端。隨著物聯網不斷發展茁壯,我們認為這樣的趨勢會持續增強,回頭朝向更強大的內部套件發展。

你認為人工智慧、機器學習和電腦視覺等技術將如何發展?

未來的重點將著重於智慧功能,而非物聯網本身。我們目前發現,機器學習和人工智慧工具受到非常高度的關注,這能讓世界各地一般公司的一般工程師更輕鬆地選擇演算法、設置演算法以供使用,並將演算法建置在開發過程中。對於普通人來說,在這個領域選擇和使用此系統其實極具挑戰性,因此我們也期待能更著重於為機器學習和人工智慧提供完善的系統。我們甚至可能會看到越來越多完善的人工智慧綁定到市場就緒解決方案之類的產品中。

我們也期待小型或專業系統整合商的重要性能在這裡大幅成長。他們可以為您進行大量訓練和配置,因為您在工廠中製造的小工具與其他人使用的小工具截然不同,您必須根據自己的工作內容訓練模型。

在這裡,我也有一個小小的提醒。要讓成千上萬的專業系統整合商跟上此領域的發展腳步,是一項艱鉅的任務。一開始他們可能是作為監控系統的安裝程式接受訓練,且可能不太熟悉機器學習。我們在多年前曾做出的預測之一,就是隨著時間推移,我們將轉向更加分散式的訓練,而非集中式訓練。然後,訓練完成後,您必須給予充足的信任讓它執行您的作業。

您認為人工智慧變得更加值得信賴和普及後,會帶來什麼影響?

我認為這是目前整個科技領域最吸引人的領域之一。但我想在這裡提出一點警告。我們認為,人工智慧是一項特殊的技術,設計師或工程師在設計階段引入的小假設或偏見,會在社會中造成極大的困難。因此,我們需要更多層次的支援和調整,才能放心地妥善利用人工智慧。

另一項重點是,與任何特定公司無關的道德團體的形成。我認為我們需要擺脫對商業性營利的關注,純粹審視道德面。我們也很清楚,為了建立強大的使用者信心,我們必須結合其他元素,例如外部監管。但我們也需要業界的最佳做法和標準,需要人工智慧系統的部門級認證。

然後,我們需要對從業人員進行認證。人工智慧演算法的開發者必須具備專業資格。這些層級的監控仍待開發和推出,我們尚未實現。因此,我們對此領域的預測是,到了 2024 年,80% 的大型企業將正式對他們的人工智慧系統進行人工監督。在鬆綁開放前,我們將以人工監督實施品質控管層級。

請您分享更多關於物聯網轉變為智慧物聯網的預測。

實際上,購買物聯網的人並不多。他們購買的是業務問題的解決方案。解決方案中就包含了物聯網,也就是讓解決方案運作的技術。物聯網的真正價值不在於您與事物建立的連接,而在於您如何使用目前可存取的資料。有了生產線上的電腦視覺,您就不用太在意攝影機了,只要關心電腦告訴您的資訊就好。

問題是,我們正持續生成巨量資料,導致我們越來越需要大量的機器學習和人工智慧進行分析。然後,必須在邊緣完成才能真正實現快速完成分析。因此,從這些系統中獲得的最大值將完全取決於可運用到資料的人工智慧。

監控固然有用,但您仍然需要良好的分析來協助您專注在正確的資料上,才不會分心。控制更加有用,您可以透過妥善控制來節省大量成本。最後,透過適合的人工智慧,就能以前所未有的方式最佳化機器、系統或整個供應鏈。

我們認為 #IoT 將逐漸演變成單純的詞彙。人們會更專注在人工智慧上,像是使用方式,以及從所擁有資料中取得的價值。然後,您將需要適合的系統來彙總和分析資料、數據湖分析、數位分身、機器學習、人工智慧等等。已經有許多公司走上了這條道路,但我們還有很多需要學習的內容。

我認為生態系統角度是非常值得在這裡提出討論的主題。鮮少有公司能夠獨力做到。對於許多物聯網供應商來說,這裡還有一個有趣的組織觀點。據我所知,大多數物聯網供應商是 80% 的產品工程師和 20% 的其他人員,包括人力資源、行營、銷售等等。我認為應該要反過來。他們需要擁有龐大的客戶互動團隊。如果您從事的是醫療保健行業,您會僱用前護士和前醫生,因為他們了解客戶組織內部的真實情況,並將其反饋到產品中。

假設您完成了這些工作,那麼您獲得的大部分價值實際上來自於在整個組織中的應用。這是關於人的問題,而不是技術的問題。這又要談回數位轉型的真理之一:成功取決於與你同行的人,而不是使一切順利進行的技術。

相關內容

若要了解更多物聯網未來的相關資訊,請收聽物聯網預測:2022 年與未來,並閱讀 CCS Insight 的 2022 年 IoT 預測。關於 CCS Insight 的最新創新內容,請在 Twitter 上 @ccsinsight 和 LinkedIn 上關注 CCS-Insight

 

本文由 insight.tech 資深編輯 Christina Cardoza 編輯。

工業物聯網即服務讓數位轉型得以簡化

工業機器產生了過量的資料。然而,製造商絕大多數都仰賴這類寶貴資訊控制生產流產,而非推動自動化或是支援預測性維護這類有遠見的活動。

不過大數據卻漸漸地在製造業導致嚴重中斷的問題。數位轉型以及物聯網和邊緣運算,最終可能主宰產業。q.beyond 這個 IT 服務供應商龍頭,採行了「數位化即服務」的方式,正在實現這項願景。該公司正透過這個方式,協助中型製造客戶駕馭企業資料的強大威力。

製造業為什麼現在數位轉型?

許多公司對於核心業務之外的創新,時間與專業皆付之闕如,因此採取轉型技術的速度緩慢。然而,數位化對於製造商的重要性卻更勝以往。製造商缺少訓練有素的人力、全球競爭日益白熱化,加上獲利能力方面的壓力,因此必須強化營運方式的靈活度。

不過,讓採行舊式程序的企業搖身一變為數位驅動的組織,其實並不簡單。創新往往必須耗費大量的時間與成本,因此有些公司才會求助於託管服務,希望能加快轉型速度。

從雲端現代化到 IT 外包,q.beyond 的平台式服務都能助製造商一臂之力,將業務數位化。該公司將邊緣運算基礎架構和硬體裝置與先進的工程軟體結合,協助製造商創新,而且過程中無須改造現有的系統,也不需要擴充 IT 能力。

「公司無須自行開發軟體,也不必自行整合軟體。這樣一來,他們既省下了時間,也避開了風險。」q.beyond 工業物聯網解決方案與策略合作部主管 Uwe Schnepf 表示。

利用邊緣徹底改變工業程序

q.beyond 的模型以 EasyEdge 平台服務為基礎,採用 Intel® 處理器型邊緣閘道,以安全的方式從廠房的工業設備收集、處理及分析資料。這個解決方案可互通且可擴充,有了它,製造商可以擴充現有系統的功能,也可連線生產時使用的任何裝置,而且過程中不會發生供應商鎖定或是資料共用方面的問題。

夥伴關係是 q.beyond 整體解決方案與服務的關鍵。該公司合作夥伴之一物聯網供應商 Advantech 提供的邊緣裝置,透過工業現場匯流排或乙太網路通訊協定,即可直接與機器連線。另一個合作夥伴 cbb software GmbH 旗下的軟體整合至邊緣裝置之後,不僅可協助 OT-IT 整合,還可收集機器資料,並且將資料儲存於裝置本機或雲端。

q.beyond 還有一款名為 Edgizer 的中介軟體解決方案,EasyEdge 利用它作為邊緣閘道的作業系統,以及提供集中化裝置管理

q.beyond 結合合作夥伴旗下的軟體和硬體,可以為客戶提供多種效益,包括能夠使資料收集脫鉤、降低資料複雜度的抽象功能,以及對 OPC UA、MQTT 和 REST API 等各類通訊協定的支援。客戶可以取用即時廠房連線功能和深入見解、多種整合介面,還可遠端存取機器。

q.beyond 透過一款隨用付費且符合成本效益的模型,為客戶提供這一切服務。Schnepf 表示,製造商起初只要有一個邊緣閘道連線至單一機器和 Edgizer 平台,即可集中管理裝置。客戶決定繼續使用服務之後,便可以連線更多機器,而且每部裝置每個月支付一次服務費即可。

為製造商推動創新

Schütte 這家位於德國的全球工具機製造商龍頭,正是 q.beyond 如何協助客戶締造更靈活營運方式的例子之一。

Schütte 採用邊緣閘道和 Edgizer 平台,搭配旗下的專屬軟體。這樣一來,他們便可即時收集資料及執行分析,以便測量機器效能,並且遠端存取和更新客戶廠房的設備。

「他們利用在邊緣閘道執行的程序分析,並且將它視覺化。接著,他們會與廠房操作機器的人員討論系統狀態。」

另外,Schütte 還利用這個平台全天候遠端監測客戶場地的機器,以及遠端存控機器與執行更新。這個作法不僅儘量減少了現場部署,還可讓全球各地機器的正常運作時間延長。

Schnepf 表示,Schütte 示範了其他製造商如何利用這項新興技術將業務數位化。

他表示:「現場無須派員進行設定。這個作法有助於提供生命週期支援,以及建立全新的智慧服務模型。」「另外,機器如何用於生產零件的相關資料,為製造商提供了大量關於如何最佳化機器的意見回饋。」

實現智慧工廠

邊緣正推進廠房的連線能力,並且將製造業企業轉型為支援數位技術的企業。然而,這一切的起點和終點都是資料。無論是 AI 驅動的預測性維護或是更智慧彈性的產品開發,資料都為多種未來的製造創新奠定了基礎。

Schnepf 表示:「我們認為,利用這類技術改善服務與產品的方式非常非常多。」有了這些邊緣驅動的服務與功能,製造業殷切期盼的數位轉型正逐漸實現。

 

本文由 insight.tech 內容副總監 Georganne Benesch 編輯。

智慧工廠彌補了 OT 與 IT 之間的鴻溝

工業 4.0 深具扭轉競爭態勢的潛力。製造商克服資料方面的重重難關之際,不僅更為靈活彈性,作業方式也大幅改善。製造業數位轉型的前景,端看製造業是否能夠讓資料「透露訊息」,並且提供可據以行動的洞見。然而,挑戰依舊存在。

儘管資料導向的製造業並非全新的概念,但真正的新概念則是在背景中運用資料,以及大規模善用經驗傳承。透過工業 4.0,配備物聯網感測器機器這類新來源的資料,讓情況的全貌得以呈現,並且提供了背景。

製造商能夠見樹見林,並且做出相應的計畫。他們得以解除一部分面對的諸多壓力,包括達成永續性目標、因應人才短缺的問題,以及越來越需要遠端監測製程。

彌補 OT 與 IT 之間的鴻溝

物聯網平台供應商 azeti策略暨銷售部副總裁 Florian Hoenigschmid 表示:「很可惜,數位轉型的遠大抱負,往往在見真章的關鍵時刻戛然而止。

其一,過去幾十年來,機器都是以漸進的方式引進,因此機器產生的資料未必一致。Hoenigschmid 表示:「廠房必須使用大量不同的機器介面、不同的通訊協定,以及不同的標準時,無法採用一體適用的解決方案。」異質資料是一大挑戰,因為難以處理。

拼湊式解決方案大量湧現。您很快就會開始見樹不見林。

其二,即使您以一種格式處理所有資料,精細度依舊是問題。Hoenigschmid 表示:「另一項挑戰則是,為機器學習這類應用取得特定品質和規模的實用資料。」低解析度的模糊資料,無法呈現精確的樣貌。

營運技術(OT)與資訊技術(IT)整合之間的鴻溝,讓提供深入洞見的過程更趨複雜。Hoenigschmid 表示:「包括軟體環節、網路環節、如何在遵守企業安全原則的情況下取得資料,外加在廠房操作控制器與機器的營運技術環節。」讓這些封閉環境的資料以同一種語言彼此溝通絕非易事。

製造業的數位轉型

資料難題或許令人氣餒,但卻並非難以克服。

最佳例證:azeti 物聯網平台將廠房的異質通訊協定和機器連接至中央物聯網軟體平台,一口氣解決了諸多難題。Hoenigschmid 表示:「生產線既有的機器,我們多半都能連接至軟體堆疊。在軟體方面,我們用可理解的方式轉換原始資料,並且提供客戶使用。」

azeti 用來彌補資料鴻溝的工業強固型電腦,全部都是搭載採用 Intel® 處理器的硬體。Hoenigschmid 表示:「Intel 技術協助我們連接機器以及與機器溝通、瞭解不同的通訊協定,並且將它們轉換為平台能夠理解的資訊。」

真實世界的工業 4.0 範例

除了建立穩健的資料基礎,azeti 還在深入洞見的部分助客戶一臂之力。

舉例來說,面對以下挑戰的大型金屬製造商:如何根據熔煉過程的不同條件,以最佳方式操作通風系統。雖然為了控制工業通風機採用了傳統的 SCADA 與 PLC 系統,但是兩者在維護規劃方面卻不盡人意。漸進式劣化不易察覺、SCADA 資料必須以人工方式評估,而且暫時性異常的發現延誤。

azeti 解決方案透過收集資料、分析和視覺化的彈性平台支援製造商。取得資料之後,相關測量資料累積的時間更長,並且會在儀表板建立圖表和衍生的指標。這個作法為維護人員提供了一種工具,可以定量方式比較劣化效應、即時偵測異常,並且輕輕鬆鬆找出持續的模式,締造可靠的維護規劃。

Hoenigschmid 表示:「客戶現在能以全方位的整合性方式瞭解生產關鍵資產,有助於他們提高規劃資源的效率。」「這個作法為日後從預防性維護轉變為預測性維護奠定了基礎。這個過程已經展開,但是尚未結束。生產力提高和資產使用率最大化,是大家樂見的解決方案結果。

物聯網平台也有助於金屬公司提高資源使用效率。工作人員在配料熔爐裝入金屬開始生產時,許多人雖然依照填充線觀察材料量,但是卻未能達成目標。熔爐最終會使用浪費的能源。

平台連接了屬於熔爐一部分的感測器與控制器,這樣一來工作人員就能看到裝入的量,以及展開熔煉過程的時間。Hoenigschmid 表示:「儘量提高熔爐的使用率,並且有效利用天然氣這類資源,有助於提高效率。」「此外,獲利也因此增加了數百萬美元。」

迎接資料革命

製造業的數位轉型可釋放多種其他的可能性。數位轉型可推動模擬製程的數位分身,讓製造商能夠採用節約資源的方式,並且達成永續性目標。

產品品質評估可以微調。資料本身變成了可以當成服務交易的寶貴貨幣,讓公司可以將設施租給專業製造商。

廠房數位化還可讓製造商協商降低保險費率。Hoenigschmid 預知。他對於智慧製造的未來振奮不已:「我們可以用非常精確的方式預測未來,極為優質且大量的精細資料則是這項目標的推手。」

這樣一來,製造商的數位轉型兵工廠,終於就有了合適的工具組。

 

本文由 insight.tech 內容副總監 Georganne Benesch 編輯。

物聯網虛擬化快速實現協作機器人

製造自動化的下一次變革,正在圍繞協作機器人慢慢成形。協作機器人(一種自主機器人)能夠與人類工人一起安全工作。雖然機器人似乎有明顯的優勢,但這些複雜系統的設計卻並非如此。

沒錯,打造協作機器人所需的大多數促使科技現在都已經問世。許多甚至已廣泛通用,從利用機器人看世界的高解析度攝影機,到具有本地管理物聯網連接功能、邊緣機器學習和控制任務功能的多核處理器。

其中的挑戰並不在於是否有技術,而在於將所有技術整合在一起的過程:並在單一平台上以降低耗電、成本和設計複雜性的方式進行。實現這一目標的合理起點,可以從使用一個高階模組替代多個單一功能機器人控制器開始。但即使是這步驟也相當不容易。

「協作機器人必須同時執行多項任務,」嵌入式系統工程服務和產品的領先供應商 Real-Time Systems GmbH銷售和行銷主管 Michael Reichlin 表示。「從即時運動控制開始,到高效能運算。」

「隨著協作機器人的感應器、互動能力和通訊功能的數量不斷增加,會需要能夠執行具有不同要求的各種工作負載的多功能控制器,」Reichlin 接著表示。「我們需要讓這些工作負載同時執行,並且不能相互干擾。」

直到這一步,才是最麻煩的部分。

製造業中的物聯網虛擬化和協作機器人

多核心處理技術的好處之一,就是軟體和應用程式可以將每個核心,視為具有專屬執行緒和記憶體的獨立系統。因此單個控制器可以同時管理多個應用程式。

從歷史角度來看,這種架構在機器人科技中的缺點是,將核心視為離散系統並不代表真正是離散系統。舉例來說,核心之間通常會共享記憶體資源,但資源是有限的。如果任務沒有得到適當的安排和優先排序,共享很快就會變成一種增加延遲的資源競爭,這顯然不適合像協作機器人這樣的安全關鍵型機器。

即使多核心處理器上,有足夠的記憶體和運算資源來同時支援多個應用程式,您仍然無法僅為每個核心分配一個工作負載,然後置之不理。由於複雜協作機器人設計中的許多應用程式,必須互相傳輸資料(舉例來說,一個感應器輸入會為通知控制功能的人工智慧演算法提供資訊),因此核心和軟體通常確實需要共享記憶體。

這讓我們回到了分區問題,或者正如 Reichlin 之前所稱的,一個工作負載並列運行且不會相互干擾的能力。要如何在同一個硬體上構建一個多功能系統,可以安全地分享運算資源卻不犧牲效能呢?

答案是即時 hypervisor。Hypervisor 能夠管理不同的作業系統、共享記憶體和系統事件,以確保裝置上的所有工作負載保持隔離狀態,同時仍能接收所需的資源(圖1)。

圖表解釋 Real-Time Hypervisor 的多核心和多作業系統。
圖 1. Real-Time(裸機)Hypervisor 能夠提供硬體分離和嚴格的確定性。(來源:Real-Time Systems GmbH )

一些 hypervisor 是能夠區分不同應用程式的軟體層。但為了滿足協作機器人的確定性要求,Real-Time Hypervisor 等裸機版本,與第 6 Intel® Atom 和第 11 Intel® Core 處理器等物聯網導向晶片緊密整合在一起。

Atom x6000E 和第 11 Core 系列支援 Intel ® 虛擬化技術 (Intel® VT-x),一種運算、記憶體和其他資源的硬體輔助抽象化,可為裸機 hypervisor 提供即時性能。

「為了保持系統的確定性,我們不能在即時應用程式和硬體之間多一個軟體層。我們去掉了這個軟體層,」Reichlin 解釋道。「客戶只需設置好他們的即時應用程式即可直接存取硬體。

「我們會從啟動程式開始,分離硬體以隔離不同的工作負載,並提供您絕對的確定性。」他繼續說道。「我們不會加入任何的干擾。根據我們分離不同的核心的方法,我們也不會為即時應用程式增加任何延遲。」

在 RTS Hypervisor 分區的核心之間,資料傳輸可以根據需求以數種方式進行。舉例而言,開發人員可以透過虛擬網路或訊息中斷,在事件發生時傳送或讀取資料。

第三種選擇是透過共享記憶體,傳輸無法被其他工作負載覆寫的資料區塊。此時,RTS Hypervisor 會利用了 Intel® 處理器的原生功能,如支援 Intel® Time-Coordinated Computing (Intel® TCC) 的裝置,裡面提供的軟體 SRAM。這項新功能會將延遲敏感的資料和代碼放入高速緩衝記憶體中,以改善時間隔離。

Real-Time Hypervisor 會自動利用軟體 SRAM 等功能,且不需要開發人員對其進行配置。這要歸功於 Real-Time Systems 和 Intel® 的多年共同開發。

Hypervisor 將處理器拆分,以利協作機器人共享工作

裸機即時 hypervisor 具備的剛性,為協作機器人等系統在設計上提供了靈活性。現在,系統整合商能夠從不同來源提取具有不同時序、安全性和安全性要求的應用程式,並無縫整合至同一個機器人控制器上。

無需擔心過程之間會互相干擾或競爭有限資源,因為全部均由 hypervisor 進行管理。Real-Time Systems 也正在為其 hypervisor 開發一款安全認證版本,將能進一步簡化混合式關鍵協作機器人系統的開發和整合。

據 Reichlin 預測,從桌上型個人助理到協助人類操作重型機械的工業協作機器人,將在未來幾年成為主流。而大多數機器人都將有一個 hypervisor,允許單個處理器共享工作負載,以便協作機器人共享工作。

本文由 insight.tech 內容副總監 Georganne Benesch 編輯。

普及化人工智慧:不再侷限科技巨擘

人工智能與電腦視覺在製造業已司空見慣。在製造業中,只要資料可供查看,你就能運用資料加以發揮。但並非每個產業都抱持相同的心態,或請得起資料科學家在現場坐鎮。但許多別開生面、振奮人心的人工智慧使用案例,從醫療到交通乃至於農業,應該持續利用這些工具。

我們與 AIoT 平台機器學習生命週期管理供應商 Plainsight(前身為 Sixgill)的共同創始人暨產品長 Elizabeth Spears 和 Intel® 物聯網事業群的工業人工智慧和分析總監 Bridget Martin 論及人工智慧的易用可達和普及性,以及對於公司且最終對於消費者而言,這些因素如何成為充分利用這一重要技術的關鍵。

人工智慧在現今的製造業中有何新用途?

Bridget Martin:可從兩個不同的觀點切入。有的製造商在我們眼中較為成熟,在廠區或製造廠房的個別流程中已佈署了自動化運算機器。他們不僅自動化流程,同時也輸出了資料,這點在論及人工智慧時至關重要。那可能是傳應器的中繼資料,或者是自動化工具執行之過程的中繼資料。

這些製造商確實希望利用已經產生的資料來預測及避免這些自動化工具無預警停機。這就是為什麼預測性維護類型的用途和使用方式應運而生。

但放眼望去,世界絕大多數的產業仍仰賴大量的人工製造應用。而那些較不成熟的市場希望藉由利用運算視覺(部署攝影機以識別改善其整體工廠生產的機會)以及透過工廠內供應鏈之小工具的工作流程,來跳過一些自動化階段。

可以介紹幾種使用此技術的新用途嗎?

Elizabeth Spears:有個很酷而且即將成真的用途,稱為超解析度。研究顯示其用途之一是在電腦斷層掃描中使用較少的輻射。試想一下 FBI 的辦案電影,探員正在尋找嫌疑人,找到了車牌或人臉的粒狀影像。辦案人員說:「增強影像。」於是影像瞬間變得清晰,他們也因此揪出幕後元兇。這種技術已不是天方夜譚。

另一個例子是用於訓練目的,在資料本身難以取得的情況下模擬環境。不妨拿車禍和槍支偵測來打個比方。在這些情況下,你希望模型準確無誤,卻又難以取得資料來訓練模型。所以就像在電玩中,你有一個模擬環境,你可以依樣畫葫蘆來建立資料。特斯拉等公司就是用它來進行車禍偵測。

這方面的應用無遠弗屆,可在各行各業中落實,你可以立竿見影,輕鬆實現目標。關於電腦視覺,我最喜愛的案例相當實用。聽起來雖是芝麻綠豆般的小事,卻能帶來極高的價值。

我們執行的實例之一是準確地計數牛隻,這項功能為該公司節省了數千萬美元。

組織要如何識別人工智慧的使用案例以及利用電腦視覺?

Elizabeth Spears:我覺得大家談論人工智慧的方式,好像組織非得徹底改頭換面才能利用 AI,又好像一定要投注大量的時間與資金才能順利推行。但我們發現其實你可以在短短數週內執行解決方案,得到立竿見影的成果。這正是開始建立價值的基礎。

對我們而言,重點在於透過易用可達性來推廣人工智慧,人工智慧不是全球前五大公司的專利。我們希望不只透過簡化的工具,也要藉由簡化的最佳做法來使人工智慧觸手可及。只要你將一些最佳做法與平台本身整合,公司自然能信心滿滿地使用這項技術。我們在與客戶進行的交談中加入了許多知識性的教育元素,也與許多不同的部門進行交流,不只是與資料科學家對話。我們想要真正探索客戶的需求,接著才能討論可以如何應用技術。

現今招聘機器學習和資料科學人才難如登天。即使擁有了這些夢幻團隊,也要打造一個端對端平台,以便建構模型,進而對其訓練、監控、部署、使其保持在最新狀態,並且提供其中許多模型保持精確所需的持續訓練,所有的一切都需要眾多不同類型的工程師。

因此,如果你無法掌握所需的工具,這會是一項浩大的工程。這也是為什麼我們打造了這個端對端平台,如此一來,組織即可更便捷輕鬆地加以採用。

普及化人工智慧的過程中有哪些挑戰,而 Intel® 又是如何因應?

Bridget Martin:複雜性絕對是採用技術的最大阻礙。一如 Elizabeth 所言,資料科學家人才稀缺,在多數情況下薪資又高得令人咋舌.使人工智慧普及化的概念,是讓農民自己建立人工智慧訓練的管道和模型,以及部署、重新訓練並使其保持最新狀態,這些都將成為這項技術的可貴之處。

我們說的是將這些工具確實交到主題專家的手中。這樣我們才能跳脫窠臼,以品質檢查使用案例來說,你有一名工廠作業員,他通常要手動檢查通過系統的每個零件。自動化這種類型的場景時,工廠作業員一般需要與正在開發模型的資料科學家持續保持溝通,以便資料科學家確保他們用來訓練模型的資料經過正確標記。

那麼試想一下,如果你能從該流程中刪除多個步驟,讓工廠作業員或主題專家自己標記資料,賦予他們能力自己建立訓練管道,會是什麼樣的光景。讓非資料科學家擁有這項功能,這個想法聽起來很天馬行空;但這正是我們需要的工具,以真正實現人工智慧的普及化。

因為從你將工具交到人們手中的那一刻起,他們會開始思考創意十足的新方法,將這些工具用來建構新事物;那時我們將真正見識人工智慧技術的大爆炸。我們將見識到我、或 Elizabeth、或眾多資料科學家以前設想不到的使用案例。

Intel 在這個領域做了許多努力,以支持部署到獨特的情境並降低複雜性。例如,透過 Intel® Edge Insights for Industrial,我們協助將端對端管道相互串連,為使用者提供了一張藍圖,讓他們得以建立屬於自己的解決方案。我們也有配置部署工具來幫助系統整合商安裝技術。例如,如果系統整合商正在安裝攝影機,我們的工具可協助確定最佳解析度和照明。這些所有的因素對訓練及部署人工智慧管道和模型的能力都有很深遠的影響。

組織可以如何展開人工智慧的旅程?

Elizabeth Spears:現今網路上資源豐富,有許多課程及網路研討會等內容可供參考。Plainsight 有一整個學習專區,我們也為初學者提供許多「電腦視覺入門」活動。

不過我們也為專家舉辦活動,讓他們瞭解如何使用平台、如何加速流程和達到更可靠的部署。我們竭誠樂於和客戶合作。因此我們研究客戶從事的工作,找到其他可能適用的產品。我們希望可以確實將客戶從構想一路領到可用於生產且真正適用於其組織的解決方案。 

Intel 如何透過其生態系統為合作夥伴、終端使用者和客戶提供支援?

Bridget Martin:我最喜歡的解決方法之一是與終端客戶真正進行合作,以了解他們最終想要實現的目標,再往回追溯研究。此外,人工智慧的好處之一是可以直接整合,而不必把整個製造過程打掉重練。部署攝影機與一些照明並將其和工具或流程整合相對容易。因此,這真的是最好的入門方法之一。

當然,我們可向終端客戶推薦各式各樣的生態系統合作夥伴和參與者,這些合作夥伴專精於客戶想要進入、或經歷某些痛點的的不同領域。

Plainsight 如何因應可擴展性問題,Intel 又是如何協助在這方面發揮影響力?

Elizabeth Spears:我們打從一開始就關注規模,因為我們的客戶擁有大量資料的大型使用案例。但看待它的另一種方式是透過組織擴大規模,這實際上又回到了向更多人推廣知識的問題上。我們會與公司內部的特定部門交談,有人會說:「我有的同事在別的部門,他遇到的問題不一樣。如果套用在他的狀況,行得通嗎?」

關於 Intel:由於我們是一個軟體解決方案,Intel 的硬體絕對是我們與之合作的一大原因。但他們與合作夥伴的關係也相當密切:將合作夥伴相互結合,為企業提供優異的解決方案。 

你們兩位一致認為電腦視覺最令人興奮的新興機會是什麼?

Bridget Martin:我認為其中之一是可擴充性的概念。不僅可以擴展到不同的使用案例,也可以擴展到不同的硬體:現實情境中不可能只涉及一種類型的運算裝置。我認為這會帶來非常深遠的影響力,並真正有助於改變即將利用人工智慧的各行各業。

但真正令人興奮的是人工智慧普及化的趨勢:讓那些未必在人工智慧或機器學習領域擁有博士學位或受過專業教育的人能夠利用這項技術。

Elizabeth Spears:我同意。將易用可達的工具交到主題專家和終端使用者手中,讓快速實施解決方案變得輕而易舉,然後在此基礎上向外擴展。與其說是人工智慧的巨大轉型,不如說是識別所有你能快速著手進行的小型使用案例或基石,只要假以時日,這些小螺絲釘也能對企業發揮重大影響。

相關內容

如要進一步瞭解人工智慧普及化的未來,請收聽《Plainsight 與 Intel® 為各行各業實現人工智慧的普及化》(Democratizing AI for All with Plainsight and Intel®),並閱讀《使用無代碼平台建構 ML 模型》(Build ML Models with a No-Code Platform)。如要瞭解 Plainsight 的最新創新內容,請在 Twitter 上追蹤 @PlainsightAI,並在 LinkedIn 上關注 Plainsight

 

本文由 insight.tech 資深編輯 Christina Cardoza 編輯。

邊緣人工智慧,強大的運算減少供應鏈阻塞

無論是衛生紙短缺,還是木材成本飛漲,COVID-19 幾乎立即暴露出供應鏈的弱點。這些供應鏈中斷情形已造成整個工業供應鏈中一連串的問題,包括產品延遲與價格突然上漲,以及無法在某些部門開展業務。

物流公司通常會避免備份資源不斷擴充,但隨著全球停工導致無法開採原物料與製造貨物,致使他們也無能為力。然而,當我們試圖恢復 COVID 爆發前的存貨水準時,這些組織所能控制的一件事,便是貨物從卸貨平台運輸至零售倉庫的效率。

例如,與其在材料可取得時便馬上運送,供應鏈數位轉型則透過讓運輸車輛完全裝滿貨物時才運送,藉此縮減成本並平衡存貨。

這說起來容易做起來難,因為這表示必須有人持續監控運送貨櫃與運輸卡車的可用空間,然後將任何空缺傳達給運輸與營運經理。但如今透過結合電腦視覺人工智慧與供應鏈管理,各種人力資源便可透過物聯網加以支援。

數位供應鏈管理提升效率

在世界各地的港口,運輸卡車在進入閘口時,港務局人員會在閘口處記錄運送貨櫃的來源、目的地和序號以進行追蹤。

為了消除此過程中出現交通阻塞與人為錯誤的可能性,許多港口均在閘口裝設光學字元辨識(OCR)系統,以自動化貨櫃掛運流程。然而,這些基於電腦視覺的系統的能耐卻不僅於此。

在這類基於檢查哨的作業中,經過訓練以偵測可用空間的人工智慧翻轉了整個局面。視覺人工智慧利用現有的攝影機以識別影像中的參考點、確定給定貨櫃的空間利用率,然後將這些發現結果向物流經理回報。結合序號追蹤時,作業員可快速查明其車隊中的可用容量。

電腦視覺系統還能更進一步用來識別貨物的體積特性,並協助確定棧板尺寸。顧名思義,這些解決方案可以在製造和分配鏈過程中測量貨物與包裝的實體屬性。

這些系統過去需要專門的掃描器,而現代人工智慧則可使用標準攝影機偵測物品的長度、寬度、高度和其他實體特徵,以降低實施成本並簡化整合作業。不過,其中實際的物流實力在於將這類資料結合運輸能力資訊,以便將最大量的商品裝入運送容器。

物流營運商關注邊緣

以上僅提供兩個例子,說明支援人工智慧的電腦視覺能以何種方式將物流作業效率提升至最大;然而,還有更多使用案例運用了這項技術,包括碼頭佔用量監控、錯誤位置檢測,以及可處理、裝載和卸載貨物的自動化機器人

如果沒有可以即時執行高階人工智慧演算法的邊緣運算,這些應用都將無法實現。由於現有解決方案的效能、功率和成本限制,這一直是棘手的難題。嵌入式運算與軟體解決方案的領導者 Avnet Embedded 正透過其 MSC C6C-TLU 落實先進的邊緣人工智慧,這款機型搭載的正是第 11 代 Intel® Core 處理器。

MSC C6C-TLU 是 COM Express Type 6 模組,其設計可承受運輸和其他環境中部署時的嚴苛環境,同時還支援邊緣人工智慧使用案例的效能需求。這些能力根植於主機板內建第 11 代 Intel® Core i3、i5 或 i7 處理器,其中包含雙或四核心,以及 Intel® Iris® Xe 或 Intel® UHD Graphics,配備最多 96 個執行單元。

搭配 Intel® OpenVINO 工具組的最佳化功能時,COM Express 模組在運算人工智慧視覺應用中的數字時格外有效率。然而,這種效能水準可能會有損邊緣系統,因為它意味著高耗電量與產生過多熱度,可能會損壞電子元件。

劃時代的處理器平台

某些主機 Intel® Core 處理器型號的設計旨在解決這些挑戰。

Avnet Embedded 產品行銷經理 Christian Engels 表示:「與前幾代相比,第 11 代 Intel 處理器真正成為劃時代處理器的關鍵之處,肯定在於能支援更大範圍的作業溫度,以及全天候全年無休的作業模式。您可以長時間在 CPU 上執行繁重的應用,讓您在極端的環境條件下進行這些工作負載。」

MSC C6C-TLU 採用 COM Express 系列標準,須使用輔助載板,透過應用專用的 I/O,將模組連接到更大的電腦視覺系統。建構完成後,此載板可在未來數年內支援具有相同介面的處理器模組。

Avnet Embedded 精通載板卡的設計與製造,同時也能整合完整的標準式電腦視覺系統,讓物流經理在邊緣能擁有自己的智慧之眼。

人工智慧供應鏈管理永不止息

當今全球供應鏈的複雜性已使得從 COVID-19 停工中復原,成為一項複雜的挑戰,同樣需要不同的解決方案。

例如,代理商正在從及時存貨模式轉回囤積商品,以預防任何供應波動。在洛杉磯和長灘港口,港務局正在利用 Walmart 和 Target 等物流巨頭的專業知識來擴大隔夜營運,直到積壓的運送貨櫃清除為止。

這些更為流暢、更高運作時間的物流作業,將需要各種工具加以支援,這些工具有智慧、可靠且能比人類更快速且更有效率地識別出各種供應鏈的機會。

幸運的是,人工智慧驅動的物流永不止息。

 

本文由 insight.tech 內容副總監 Georganne Benesch編輯

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)。

流程圖顯示 Hitachi 嵌入式人工智慧模型的影響
圖 1. Hitachi 嵌入式人工智慧模型可將整個生產最佳化。(資料來源:Intel®

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。」

 

本文由 insight.tech 內容副總監 Georganne Benesch編輯