利用AI边缘运算 学习侦测设备异常

SAS赛仕电脑软件资深顾问分析师林育宏。

随着工业物联网(IIoT)的导入，制造业将迈向数码化转型，进而发展智能制造。SAS赛仕电脑软件资深顾问分析师林育宏指出，工厂数码化会衍生三种情境：数据的高度整合、设备对设备的沟通协作及大量定制化产品。再进一步，大量的数码化数据及串流数据，可透过大规模且多维度的AI分析技术为数码化工厂或制造业服务更添智能。达到智能化将助益工厂完成自动最佳化设备参数、制品缺陷实时侦测及设备预测保修，这体现的就是物联网与人工智能的结合，即AIOT。

林育宏指出，机器学习是目前人工智能领域内最强的分析技术，模型可从大量数据中迭代组合出各式强解释力特徵，超越传统分析人员能力，来理解IIoT大数据的特定模式，达到制造业AI的应用目的。而根据IDC报告指出，2019年储存、处理及分析的大数据，将有超过40%是由物联网产生，甚至在边缘装置被有效处理。边缘运算是指数据分析发生在近乎于数据产生的终端装置内，可大幅降低往返云端的流量及储存成本、数据不落地以确报网安，以及更实时地回馈数据价值于终端装置，展现人工智能面貌。

目前国外已有不少业者开始发展边缘运算应用。像是芬兰铁路的1,500辆火车，各搭载30,000个轮轴组，加以夏冬季温度剧变，定期性保修为其带来巨额成本。为此SAS协助其以AI机器学习模型，实时分析轮轴组及车门上的IoT传感器数据，估计最大可能损坏时间做到预测性保修，降低33%的保修及零件库存成本。而日本多功能事务机Konica Minolta也与SAS携手，打造串连各类事务机的物联网，以传感数据建立超过60个进阶模型，最佳化各种机型的预测维修与零件替换，降低客户原先定期就要取走零件或停机维修的困扰。