中國***元智大學工業(yè)工程學系副教授鍾云恭指出,自動化程度提高,不代表就是已經智能化,但如果生產線有問題,機器卻不能自我改善,就需要有人來處理,真正要達到減少人力的目標,其實并不容易。
自動化≠智能化,學習才是王道
工業(yè)3.0雖然因為大量導入ICT科技,發(fā)展出非常高度的自動化應用,但中國***元智大學工業(yè)工程學系副教授鍾云恭指出,自動化程度提高,不代表就是已經智能化,
但如果生產線有問題,機器卻不能自我改善,就需要有人來處理,真正要達到減少人力的目標,其實并不容易。
中國***元智大學工業(yè)工程學系副教授鍾云恭
所幸,隨著人工智能所須具備的機器學習理論(Machine Learning Theory)的基礎,目前因已發(fā)展成熟,機器自我學習的能力得以提升,德國提出的工業(yè)4.0展望于焉成形。
鍾云恭指出,機器人或視訊監(jiān)控,都是人工智能應用的具體呈現,以機器人為例,可以將視覺、聽覺及動作成為一體,如裝配需要看到位置及瑕疵,安裝時要注意力道,或是對機臺是否造成損壞等,
但機臺運行久了,難免會有故障,但到底是要停機?還是要自我改善?能不能讓機器自我調整,即使碰到困難,頂多只會發(fā)生一次,而且不需要人力維護,就能避免犯下同樣的錯誤,唯有機器能夠自動改善,才能做到無人工廠。
鍾云恭強調,人工智能跟自動化的差別,就在于有沒有「學習」或「自我改善」。機器不只要「自動」,還要「自發(fā)」。
自動化(automatic)設備與具自發(fā)性(autonomous)的設備,驅動的數學模式是不一樣的,前者是模式驅動(Model-Driven),用的是演繹法(deduction),后者是數據驅動(Data-Driven),用的是歸納法(induction或generalization),這也是為何大家得改用人工智能中的「機器學習理論」來處理大數據的原因。
但實驗室中的理論或實驗結果所得到的資料特性,鍾云恭認為,仍然不比實際上在物聯網(IoT)或工業(yè)物聯網(IIoT)中,具6V特性的大數據(Big Data)還要復雜,許多錯綜復雜且真假難辨,堆積如山又深如大海的網絡資料,目前仍無法用實驗室中的人工智能,有效率地分析與處理。
因此,在「機器學習」之前與之后,都需要資料統計分析技術。但鍾云恭指出,一般懂機器學習模式的人,卻未必通曉資料的統計分析,就像醫(yī)生沒有幕后發(fā)明藥的生化專家一樣,病不好治。
要成功的發(fā)展工業(yè)4.0,就必須具備「機器學習理論」,以建立可以處理6V大數據學習算法模式的專家,與懂得如何分析(analyze)與合判(Synthesize)各類不同特性資料的「統計技術」人才。
此外,信息系統開發(fā)的「計算機科學」人才,也不可少,專攻通訊網絡與硬件建設的工程專家,也有一定的地位。因此要發(fā)展工業(yè)4.0,需要有功夫扎實的跨領域合作團隊,才能在工業(yè)4.0崎嶇不平的道路上,披荊斬棘地前進。
從自動化經驗發(fā)展人工智能
鍾云恭指出,中國制造業(yè)的確進步很快,自政府提倡「生產力4.0」的目標后,業(yè)界都向「無人工廠」的邁進,但取代人力的設備與機器的自動化,究竟是仍屬傳統的彈性制造系統(Flexible Manufacturing System;FMS)?
或是等級更高的計算機化集成制造系統(Computerized Integrated Manufacturing System;CIM)?還是已經有學習功能,會自發(fā)性生產的制造系統?
如制程或規(guī)格監(jiān)控,自動化只能做到區(qū)隔是及不是,只要監(jiān)控結果不在不正常的范圍,系統就會以為還是正常的。但人工智能可以透過學習結果,從「不一定」的答案中找到答案,就會有能力自己調整監(jiān)控范圍。
鍾云恭認為,人工智能要像機器老鼠走迷宮,當第一個錯誤發(fā)生時,要有能力學習,甚至要有能力預測可能出現的錯誤。
但傳統的控制模式,都會有假設模式,只要超出假設模式,就很難避免錯誤發(fā)生。以影像辨識為例,在擷取訊號或影像,雖然都已經沒問題,但如果是從來沒有看過的資料,就可能會無法辨識,自然就無法避免可能發(fā)生的錯誤。
因此,只要問:「這套設備有學習的功能嗎?」就可以知道該設備是否達到工業(yè)4.0的級數,但歐美等國開始倡導工業(yè)4.0,也才不過5年的時間,中國現在還很難有真正的學習型智能機器或生產線,能以精實管理的判斷過程如6個標準差(Six Sigma)為基礎,透過機器學習來完成。
鍾云恭指出,現今的自動化制造知識,是工業(yè)4.0的學習對象之一,機器若沒有「自動」動作,爾后也不會學到「自發(fā)」行為。
能做到高度自動化,就有機會做到人工智能化,因為數學模型已經高度完整,網絡環(huán)境、中央控管系統、大數據分析相對成熟,現在的關鍵是機器本身有無學習能力,更重要的是要學習,為什么會有問題。
導入人工智能的目的,在于要做到精準預測,如誤差往往是漸進發(fā)生的,但現在的產品制造速度愈來愈快,可能等到察覺問題時,就已經制造出很多不良品,人工智能因為要走一步學一步,算法學習速度也許不夠快,但是只要學習完成了,不但不會再犯錯,而且會愈走愈快。
3盡快建立成功案例
制造業(yè)若希望能在智能工廠與工業(yè)4.0相關領域有所表現,鍾云恭認為,可能會遭遇的主要挑戰(zhàn),就是人才不足的問題。如在人工智能領域,只有投入足夠的資源,如數學教育的氛圍需要更加強化,才能培養(yǎng)能夠用機器學習算法來設計計算機的人才。
中國已經擁有自己的超級計算機,也已開始進行人工智能方面的實驗,如Travel Salesman Problem(TSP),可深入了解邏輯運算的正確性,中國的制造業(yè)的飛速崛起將指日可待。
值得注意的是,鍾云恭認為企業(yè)主本身是否真的愿意投入足夠的研發(fā)經費將是一個挑戰(zhàn)。「怕失敗,怕投資無法回收」是每個企業(yè)主一定會有的風險考量,但要搞工業(yè)革命,沒有經費,那革命恐怕也會待在「尚未成功」的階段。
政府除要持續(xù)高度對制造業(yè)施行各項輔導與補助外,也要體認工業(yè)4.0是要著重在研發(fā)與教育。政府政策必須多管齊下,除加強提升業(yè)界現有之多功能自動化的FMS或CIM系統,使之提升至再具有自發(fā)性功能外,還要建立教育機器學習理論與算法設計的環(huán)境,如研發(fā)可以學習用數據方式來呈現過去制造經驗的智能機器與設備,盡快建立成功案例,才能夠有效推動人工智能于工業(yè)4.0的應用推廣。
-
機器學習
+關注
關注
66文章
8408瀏覽量
132574 -
工業(yè)4.0
+關注
關注
48文章
2012瀏覽量
118607
原文標題:機器不只要“自動”,還要“自發(fā)”,只有會“學習”才能達到工業(yè)4.0
文章出處:【微信號:IndustryIOT,微信公眾號:工業(yè)互聯網前線】歡迎添加關注!文章轉載請注明出處。
發(fā)布評論請先 登錄
相關推薦
評論