真正的“工业智能”该如何实现？

实现“真”智能第四步：漫步云端

数据可视化、传输接口及电子组件、周边装置搭配等问题一一解决并逐渐到位后，接下来的重点即是将数据送到云端进行AI分析与机器学习，少了云端这一段，“工业智能”将缺少一大片拼图。目前许多因特网大厂如Google、亚马逊(Amazon)、微软(Microsoft)或工业计算机相关业者…等，都架设了云端管理平台与AI/机器学习平台，供智能工厂业者建构符合所需的系统。不过，若是将所有的数据都上传云端处理，对于云端数据中心服务器来说将是很大的负担，因此边缘运算概念被提出。

边缘运算辅助

如同上述，透过边缘运算可将应用程序、数据数据与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点处理；且由于边缘节点更接近终端装置，可减少网络的延迟，降低云端运算负载，因此也被导入工业智能的框架中。高义达表示，除了机器与作业现场大量的信息外，目前工业应用中AI与机器学习最主要的工作是透过大量的影像，实现更精确的机器视觉，或是利用扩增实境(AR)/虚拟现实(VR)进行远程作业。此时，大量的影像数据若是都送往云端分析，将会“卡住”，这时就需要边缘运算协助。

而这也是促使工业终端装置内部的微控制器、传感器或是电源解决方案开始逐渐添加简单AI运算功能的契机。

5G可望成为重要战力

对云端数据中心、服务器来说，数据的传输速度越快，越能够实现大范围管理，甚至统筹分散在各地的工厂，而5G技术的高传输速率与低延迟，正巧符合智能制造相关应用的需求。萧世杰表示，5G提供快更的连接速度、更大的带宽、更低的延迟，且传输速度比4G快100倍。在工业上应用，尤其是智能工厂来说，未来面对大量机台设备及传感器所产生的数据数据，透过5G可更快速的进行数据采集，低延迟的进行信息传达、回馈，以提升制造效率，降低维运成本。

瀚达指出，由于用户需求改变，产品规格将从标准化批量制造，走到“多样化、个性化小量生产”的新规模，而工厂也需要更弹性的因应模式。

因此，未来工厂也需要新反应速度与新型态网络，其中工厂低延迟的部分可由5G网络取代实体讯号线，使机器人与人力之间更流畅的协作。除4G网络实现连网，5G可补充运用，让远地带宽和本地达到相近的效率，实现时间与空间的无接缝整合。

虽然5G可成为建构工业智能的新战力，但由于目前全球5G基础建设部署正开始，仅小量商用，而台湾5G频谱第一波竞标将于2019年12月开始，2020年1月完成释照作业；再加上成本考虑，因此，智能制造相关业者皆认为，目前工厂仍是以4G为主，5G技术需要一段时间之后才可能进驻。

杨正廉指出，对智能造业者而言，目前5G可谓“牛刀”，因为工厂传输的感测数据仍算“小量”，若是工厂有更多涉及影像的应用，则业者可以既有的无线传输基础，加上5G技术，以达成本与经济上的平衡。陈建成则认为，未来智能工厂必定朝透过便携设备控制的趋势发展，因此5G要全面进入工业市场，需待5G智能型手机、平板计算机…等行动装置普及。

实现“真”智能第五步：团体战

要进入工业智能AI殿堂，确实不是件简单的事，光是上述提到的四项步骤所衍生的各种挑战，就可能让业者却步。艾讯认为，要建置具工业智能的工厂需要庞大完整的整合能力，除软硬件整合、机电整合，还需要网络整合与数据管理…等能力，挑战在于如何快速的选取适当的零件与机器，以利于缩短软件、AI算法及应用程序…等开发时程。

杨家玮强调，面对未来使用者需求多样的碎片化市场，每一家智能工厂要做的事情完全不同，不可能用一套标准通用架构就能完全满足需求。无论是智能工厂企业主或是意欲进军智能制造市场的业者，都需要寻找垂直市场的伙伴，才有可能成功。

因此，单打独斗绝对不是最佳的方式，众志成城、结合众多不同领域合作伙伴的经验及技术，将可缩短实现工业智能的道路。

2012~2019年全球智能制造市场规模与预估。(数据源：资策MIC)

步步到位　实现工厂“真”智能

若是上述几个步骤都能一一戮力实践，最后，再将智能工厂连网安全性进一步补齐、强化，AI工业智能将不会是遥不可及的梦想，智能造迈向AI殿堂的道路也将不再困难重重。

本文同步刊登于EE Times Taiwan 12月刊杂志

责编：Yvonne Geng