机器学习理论核心 决定人工智能成败

  • 魏淑芳
元智大学工业工程系副教授锺云恭。

DIGITIMES企划

自Google AlphaGo于2016年击败韩国知名棋士李世乭之后,顿时间让所有人感受人工智能不在仅是在好莱坞电影出现,又或者仅只于研究单位的专案之中。

然而在工业4.0议题中使用的人工智能技术,与前述技术有很大差别,偏向于可提高生产质量、制造流程的Simga Go,该技术使用机器学习理论须符合6 Sigma规范,得以让智能设备透过自我学习的方式,达到优化前台原料检测率、降低商品不良率目标,达成有99.99966%产品没有任何质量问题。

机器学习是一门为达成人工智能的科学,全球科学家投入该领域领域已长达30多年,主要为经验学习中改善具体算法的效能。简单来说,人工智能可藉由机器学习理论协助,运用宝贵资料或以往经验,获得足够判别能力,达成辅佐人类进行决策或改善生产线运行流程,同时达成降低对人力的依赖。

元智大学工业工程学系副教授锺云恭指出,传统自动化设备并不具备学习功能,只能够依照内建的指令,在指定时间执行指定动作。因此,一旦出现超过传统控制模式的突发性状况,设备不是没办法实时反映,就会出现无法避免的错误。

然而融入人工智能的智能设备,可从多元管道收集来的信息,进行深入广泛分析与研究,再运用机器学习理论自我学习,最终达成可依照生产条件的改变,自动规划出一套合适的生产流程,这即是工业4.0中的智能工厂愿景。

一套符合智能工厂需求设计的机器算法,应该要将整体设备效率(OEE)纳入核心,该评估标准多半应用于工厂的生产线之中,内容包含集成可靠度 (Availability)、产能效率 (Performance)、良率 (Quality)等三大项,藉此测量生产线运行的效率高低。

此外,机器学习理论需让设备具备处理6V(Volume数量、Variety差异、Velocity速率、Volatility 存量、Veracity本质、Value价值)的资料专家,才能从不同类型的资料结构中,归类出一套有用的生产理论,达到改善生产线运行流程,可主动排除突如其来异常状况。

更多关键字报导: 元智大学 机器学习 人工智能(AI)