智能制造融合了數(shù)字化、物聯(lián)網(wǎng)(IoT)、大數(shù)據(jù)和機(jī)器人等多種技術(shù)。同時(shí)，為了提升制造系統(tǒng)中的信息可見(jiàn)度和系統(tǒng)控制，制造商正著手部署具有人工智能(AI)算法的先進(jìn)傳感器和控制系統(tǒng)。
根據(jù)TrendForce的數(shù)據(jù)預(yù)估，2022年全球智能制造的市場(chǎng)規(guī)模將會(huì)逼近3,700億美元，年均復(fù)合增長(zhǎng)率(CAGR)達(dá)10.7%(見(jiàn)圖)。催生這個(gè)巨大市場(chǎng)的，是智能制造的廣泛應(yīng)用，涵蓋智能工廠、智能供應(yīng)鏈、自動(dòng)送貨車以及機(jī)械手臂等多元化的應(yīng)用領(lǐng)域。
另外，根據(jù)Tractica LLC的資料顯示，全球支持AI的邊緣設(shè)備數(shù)量預(yù)計(jì)將從2018年的1.614億臺(tái)迅速增長(zhǎng)，到2025年可望達(dá)到26億臺(tái)。支持AI的邊緣設(shè)備主要包括智能手機(jī)、智能揚(yáng)聲器、PC/平板電腦、頭戴式顯示器、汽車、無(wú)人機(jī)、機(jī)器人以及安防攝像頭等。
過(guò)去幾年來(lái)，德國(guó)漢諾威工業(yè)展(Hannover Fair)一直被視為“工業(yè)4.0”的風(fēng)向標(biāo)——讓我們預(yù)見(jiàn)智能制造正以協(xié)作機(jī)器人(cobot)、數(shù)字孿生(digital twin)、混合現(xiàn)實(shí)(MR)、預(yù)測(cè)性維護(hù)(PdM)、無(wú)人機(jī)和AI應(yīng)用作為發(fā)展焦點(diǎn)。TrendForce的調(diào)查顯示，Universal Robots、西門子、意法半導(dǎo)體、賽靈思和通用電氣等主要廠商正持續(xù)推陳出新強(qiáng)化布局。
圖：2019-2022年全球智能制造市場(chǎng)規(guī)模。（圖片來(lái)源：TrendForce）
TrendForce分析師曾伯楷說(shuō)，在智能制造中，隨著處理海量數(shù)據(jù)、延遲性和頻寬成本的解決方案不斷出現(xiàn)，邊緣計(jì)算預(yù)計(jì)將成為預(yù)測(cè)性維護(hù)的基礎(chǔ)。“大數(shù)據(jù)、精準(zhǔn)度分析以及高性能硬件等三大驅(qū)動(dòng)力正使AI從云端往終端設(shè)備邁進(jìn)，同時(shí)促進(jìn)了邊緣計(jì)算與AI的結(jié)合。”
Tractica首席分析師Keith Kirkpatrick指出，隨著在制造過(guò)程中不斷融入AI，收集的數(shù)據(jù)、監(jiān)控的流程，以及協(xié)助系統(tǒng)確定異常、缺陷或其它任何問(wèn)題的模式識(shí)別，都變得更加精密。
“在集中式平臺(tái)上部署AI解決方案的最大問(wèn)題是特定機(jī)器與系統(tǒng)之間產(chǎn)生的延遲，在邊緣融合AI就是為了消除這種延遲。如果檢測(cè)到某種異常情況，邊緣AI幾乎可以即時(shí)糾正錯(cuò)誤，這在要求極精密容差的制造時(shí)代尤為重要。”
除了延遲，網(wǎng)絡(luò)流量也是制造或生產(chǎn)系統(tǒng)中的一大問(wèn)題。“并不是他們只有幾個(gè)傳感器和幾款邊緣設(shè)備的問(wèn)題。”Kirkpatrick說(shuō)，“在整個(gè)生產(chǎn)網(wǎng)絡(luò)中部署這項(xiàng)技術(shù)，網(wǎng)絡(luò)中會(huì)產(chǎn)生巨大的流量，這些流量不只是數(shù)據(jù)，還包括視頻流，特別是在他們通過(guò)視頻進(jìn)行最終檢查或確保最終產(chǎn)品符合一定的品質(zhì)標(biāo)準(zhǔn)時(shí)。減少網(wǎng)絡(luò)數(shù)據(jù)傳輸，并使其在邊緣就地處理，才能帶來(lái)實(shí)質(zhì)的好處。”
“在制造中采用AI有助于提升工業(yè)4.0中的邊緣計(jì)算能力，主要體現(xiàn)在實(shí)時(shí)決策、降低成本、營(yíng)運(yùn)可靠性以及提高安全性這四個(gè)方面，并將得到更廣泛的應(yīng)用。”曾伯楷表示，“目前的主要挑戰(zhàn)在于AI算法是否將持續(xù)發(fā)展并提高精度，以及企業(yè)能否負(fù)荷軟硬件升級(jí)帶來(lái)的成本壓力。”
“邊緣AI允許終端設(shè)備保留一定的決策能力，無(wú)需一直連網(wǎng)就能實(shí)現(xiàn)即時(shí)響應(yīng)，避免了將所有數(shù)據(jù)傳送到云端的麻煩。”曾伯楷認(rèn)為，“因此，它確實(shí)節(jié)省了一些帶寬成本與功耗。”
曾伯楷指出，融合邊緣AI的智能制造，其最大優(yōu)勢(shì)在于增強(qiáng)了運(yùn)營(yíng)的可靠性。
AI供應(yīng)商
在邊緣計(jì)算領(lǐng)域，芯片制造商和云服務(wù)提供商均扮演著重要角色。目前涉足邊緣計(jì)算領(lǐng)域的公司主要包括英偉達(dá)、英特爾、高通和恩智浦等芯片巨擘，以及AWS、Google和微軟等云服務(wù)龍頭。此外，根據(jù)TrendForce的報(bào)告，得益于政府提供的資源，臺(tái)灣芯片供應(yīng)商在邊緣AI市場(chǎng)中也占據(jù)重要位置。
“AI芯片可以粗略劃分為各種不同的結(jié)構(gòu)，如CPU、GPU、FPGA和ASIC。相較已被芯片巨擎壟斷的CPU和GPU，用于AI邊緣計(jì)算的邏輯芯片，以及主要用于成像、可視化或定制化的FPGA和ASIC芯片，可望為臺(tái)灣廠商提供更好的發(fā)展契機(jī)。”曾伯楷表示。
Tractica預(yù)測(cè)業(yè)界將開(kāi)始使用更多的ASIC芯片，它是一種獨(dú)立式芯片，可根據(jù)非常具體的任務(wù)進(jìn)行編程。Kirkpatrick說(shuō)：“它的功耗相對(duì)較低，可以處理特定的任務(wù)，而不像GPU那樣集大成地處理所有任務(wù)，因?yàn)镚PU這種集中式的處理器是能耗相當(dāng)密集。”
Kirkpatrick解釋說(shuō)：“邊緣處理面臨的挑戰(zhàn)在于處理器必須功能強(qiáng)大，卻又不能產(chǎn)生過(guò)多的熱或消耗過(guò)多功率，否則會(huì)影響系統(tǒng)的整體溫度。如果溫度過(guò)高，可能會(huì)導(dǎo)致生產(chǎn)出錯(cuò)，實(shí)現(xiàn)低功耗也需要額外的成本。單臺(tái)機(jī)器或傳感器也許花費(fèi)不多，但若是成百上千個(gè)傳感器，制造商就不得不考慮成本問(wèn)題了。”
曾伯楷表示，工業(yè)4.0的浪潮推動(dòng)著企業(yè)數(shù)字轉(zhuǎn)型，通過(guò)物聯(lián)網(wǎng)、大數(shù)據(jù)和機(jī)器人等技術(shù)，持續(xù)朝向智能制造之路挺進(jìn)。但對(duì)企業(yè)而言，無(wú)論是部署工業(yè)物聯(lián)網(wǎng)，還是引入智能制造或建設(shè)智能工廠，都是一個(gè)耗時(shí)又燒錢的過(guò)程。
曾伯楷認(rèn)為，那些缺乏數(shù)字技術(shù)基礎(chǔ)的傳統(tǒng)制造業(yè)可以引入數(shù)字工具并整合不同的產(chǎn)業(yè)領(lǐng)域，借此轉(zhuǎn)型至智能制造，并進(jìn)入業(yè)界巨擘的供應(yīng)鏈或與他們合作。
他并表示，“許多公司正在進(jìn)行數(shù)字化轉(zhuǎn)型，他們必須引入云端或工業(yè)物聯(lián)網(wǎng)平臺(tái)、數(shù)據(jù)分析和管理、軟硬件整合以及其它技術(shù)，從而實(shí)現(xiàn)與云服務(wù)提供商、系統(tǒng)集成商和電信業(yè)者的合作。”
曾伯楷進(jìn)一步補(bǔ)充道：“此外，無(wú)論處于供應(yīng)鏈的上游或下游，供應(yīng)商都應(yīng)該進(jìn)行橫向整合。例如，機(jī)械制造商可以向公眾發(fā)布有關(guān)的流程信息，還可以提供機(jī)械手臂的設(shè)計(jì)與原型，而工業(yè)電腦供應(yīng)商可以據(jù)此提出集成解決方案，將所有的元素連接在一起。異質(zhì)產(chǎn)業(yè)之間的這種聯(lián)盟合作，最終將建構(gòu)一個(gè)完整的智能制造流程。”
