挥洒深度学习技术 建构智能制造的工业大脑

2021/11/11 - DIGITIMES企划

接连缔造「亚洲最早开发混合云管理平台」、「台湾第一个GPU云建置者」及「台湾市占率最高AI PaaS」等成就的数码无限软件，由总经理陈文裕现身说法，讲述智能制造组织如何轻松导入AI深度学习。

陈文裕表示，综观近年AI发展趋势，显而易见GPU已成为最重要的算力来源。拜GPU推波助澜所赐，使AI浪潮迅速壮大，冲击所有产业，制造业堪称是受影响较深的族群之一。尽管这些年来受到的冲击越来越大，但许多制造业者都认同，唯有尽早排除障碍采用AI才能提升竞争优势。

AI采用的关键障碍为何？首先是技术难度太新太高；其次是人才明显不足；再者是系统整合难度偏高。导致AI的需求与现实之间的差距始终庞大。

若从智能制造视角，AI主要能创造几个价值，包括提升品质、优化效率、降低成本及节省能源。欲实现这些效益价值，制造业者得具备「工业大脑」，此大脑必须蕴含AI机器学习、大数据分析、计算力及产业知识等脑力，并需要融合人员、机构、材料、工法与环境等多类数据，借此练就设备智能、产线智能、良率智能和供应链智能，顺势打好智能制造发展基底。

更进一步来说，只要企业建立工业大脑，便能消化与吸收产品、制程、设备、物流、管理、经营、排班、能耗等数据养分，内化为基础功力，后续即可藉由精准的图像质检、参数推荐、异常预警，促进供应链、调度与排产的最佳化，同时制定出最理想的销售计划、故障计划。

「深度学习是未来！」陈文裕强调，唯有善用深度学习(DL)技术，才能形塑类似人类大脑的神经网络，能听得懂、看得懂四周环境变化，从而采取适当移动，甚至做一些思考。

企业想要推动DL，须先考虑好6件事，包含目标、成果指标、人员、自动化、扩展性、治理(演算法)，做足准备后，便可开始进入DL模型训练阶段。

此时企业应有所认知，随着科技演进、实用工具越来越多，以致现今有些事并不需要从零开始做，可先行确认DL解决过的类似问题，作为范本。接着收集所需数据，继而预处理这些数据，再选择网络模型、设置训练超参数、着手训练模型并利用检查点，在完成训练任务后评估选择最适合模型、正式投入推论。假使后续发现推论精准度下滑，则需启动再一次训练，依序从收集数据、预处理数据、选择网络模型...等步骤重来一遍。

至于如何选择初次导入的AI专案？陈文裕认为，宜从小型专案开始，先行练功、不急着追求效益，过程中必须结合懂AI的工程师和领域专家，选择对的应用场景与目标问题，即可产生初步成果，再滚动复制成功经验、持续扩大AI综效。

[video=www.youtube.com/watch?v=engm45QywJE]


图说：数码无限软件总经理陈文裕表示，制造业者必须尽早排除障碍采用AI才能提升竞争优势。DIGITIMES


图说：数码无限软件总经理陈文裕认为，企业要推动深度学习须先考虑好6件事，包含目标、成果指标、人员、自动化、扩展性与治理(演算法)。DIGITIMES