科技产业报订阅
Advantechline
 

藉助可信赖的平台与伙伴 突破智能制造转型瓶颈

台湾IBM系统研发中心支持服务系统架构师王君伟表示,IBM透过顾问服务,不仅协助制造业建构AI软硬件环境与场景应用,更藉由专业训练,引导客户建构AI能力,自主实践AI价值。

随著少量多样成为制造业接单常态,台湾制造业者多有体认,无法沿用既有作业模式来因应变局,故积极导入人工智能(AI),期使人员、流程、设备能实时调适以优化营运、加速转型。实际应用举凡钢铁厂运用AI于制程检测,用以探知炼钢过程的影响因子以提升良率、半导体厂发展晶圆缺陷检测系统、纺织厂与染整厂发展面料质量分类系统,皆是人工智能在制造业的新轨迹。

多数企业的AI起步,不外乎是启用开源软件、派员上课,自力摸索AI发展路径,但即便勉力完成模型训练,却经常无法将模型上线到实际场域,且无内部专家有能力找问题、解问题,才惊觉AI无法快速规模化。台湾IBM系统研发中心支持服务系统架构师王君伟归纳制造业AI化的主要挑战,除了缺乏人才、缺乏软硬件平台外,还有未能针对应用场景,建置能快速导入、测试进而复制成功经验的AI环境。

人才与平台欠缺困境,如何解?

王君伟说,针对软硬件平台的缺口,他建议以深度学习技术、分析模型建置、多云架构等转型方向为基准,思考如何就硬件部份引进高效能服务器,就软件部份引进视觉化深度学习技术方案、机器学习平台及AutoML方案,加上实现公私云无缝介接的方法,搭建可信赖的AI发展平台。IBM相较其它AI供应商的差异化优势,在于完整提供各项软硬件工具,更是唯一能协助用户一路打通云端、服务器到储存的业者,这对于完善建构AI环境,是极重要的一环。

谈及人才不足、环境建构不易等问题,则可以引用外部顾问服务来化解;顾问伙伴的评估重点不外有三,端看能否帮助企业建构AI团队(含人才培训)、建置AI环境,及建立AI资产管理环境。IBM从「AI赋能」出发,期望藉由IBM Lab专业服务,协助企业养成自主开创、优化与实践AI价值的能力,首先藉由Workshop,根据特定情境主题,协助企业内部同仁进行模型训练资料准备、分析关键因子,持续提升模型准确率,为企业培养AI人才班底;其次运用完备软硬件产品、丰富实作经验,辅以全球场景应用案例分享,从Pilot Run到Production过程一路协助企业打造AI环境;再者协助建构AI资产管理环境,让训练好的模型可被重复利用,加快后续AI发展进程。

创新技术加持,带动模型训练效率激增

总括而论,IBM提出的制造业AI转型方案,独特利基在于具备架构完整性,更搭配多项自行研发的独门技术,助力加速AI转型成效。首先是SnapML技术,可藉助GPU并行加速,提升传统机器学习模型训练速度达数十倍;其次为分散式深度学习技术,能自动集成数十台服务器、上百颗GPU执行平行运算,缩短训练深度学习模型的时间。

再者,IBM Power系统支持NVLink GPU加速技术,搭配独创Large Model Support软件,可同时动用大量GPU与CPU的存储器资源,强力支撑大型模型、或高分辨率图象的训练,一来有效避免训练过程中存储器不足OOM(Out of Memory)现象的发生,二来能显著提高模型训练效率及准确率。

王君伟说,迄今已有不少台湾制造业者采用基于IBM Power Systems的PowerAI方案,扎稳智能制造的转型基础,且涵盖的应用场景甚为多元,例如高科技厂利用AI模块辅助产品外观视觉检测,不仅让质检的效率与准确度同步大增,也有效降低检验人员的负荷;或是织布厂、染整厂透过AI自动侦测与调整纺织品的染料与助剂比例,大幅提高打色成功率,实现原料组合最佳化。

更多关键字报导: 台湾IBM 智能制造 数码转型