德勤發佈2020技術趨勢報告:五個新趨勢可引發顛覆性變革
北京新浪網 10-26 18:12
來源:產業智能官
「2020 年的趨勢將顛覆整個行業,並在未來十年重新定義業務,即使數字創新已成為各種規模企業的常規行為。」德勤管理諮詢新興技術研究總監兼政府及公共服務首席技術官 Scott Buchholz 在一份報告中如是說。
近日,《德勤 2020 技術趨勢報告》(中文版)正式發佈(以下簡稱《報告》),報告指出了五個可能在短期內引發顛覆性變革的關鍵新興趨勢:「數字孿生:連結現實與數字世界」;「架構覺醒」;「技術道德與信任」;「人感體驗平台」;「財務與 IT 的未來」。
值得注意的是,這是德勤第十一年發佈技術趨勢年度報告。今年的技術趨勢報告繼續在開篇回顧了 11 年來的技術趨勢發展,展示了技術趨勢隨時間推移的演進全過程以及最新宏觀科技力量作為業務轉型基礎帶來的共生效益和不久的未來的新興科技力量。與此同時,《報告》還指出,未來三大顛覆性技術(即環境體驗、指數智能和量子技術)正蓄勢待發,我們將在本世紀20年代末開始感受到它們的影響。
一、九大宏觀科技力量
隨著以技術為驅動的創新的空前擴張,一場高風險的「打地鼠」的競爭遊戲由此展開,企業利用技術保持先進的能力將決定其生死存亡。
過去十年內,數字化體驗、分析技術和雲技術為各項技術賦能,展現了他們自身的價值,已然成為眾多企業有效地推進戰略和新商業模式的核心基礎。接下來十年中,數字現實、認知技術和區塊鏈將成為企業變革的顛覆性驅動力。它們的應用範圍將越來越廣,各行各業的案例成倍增加。技術業務、 風險和核心系統現代化是驅動企業變革和創新的基礎技術,它們需要保持穩定、強勁、可持續發展。
基於此框架下討論新興技術,可以簡化技術進步對企業所造成的顛覆性影響。同時,圍繞九大宏觀科技力量衍生更多細分領域和更加細化的技術創新點和趨勢點。
十年前我們首次探索數字化體驗、分析技術和雲技術之時,只能看到其中的可能性,並不能確切地估測 它們的影響。現如今,這些技術已經為大家所熟知,並在對業務、運營模式和市場造成了顛覆性影響之 后,發展勢頭依舊迅猛。
(1)數字化體驗
數字化體驗依然是企業變革的重要驅動因素。實際上,在德勤 2018 年全球 CIO 調查報告 中,64% 的參與者表示接下來的三年裡,數字化技術將對他們的業務造成影響。在去年的超越營銷:體驗重塑中,我們已經審視了這一趨勢,企業正逐漸摒棄傳統意義上以獲客為核心的營銷模式,轉而致力於創造更多以人為本的互動——包括與其員工和商業夥伴的互動。
(2)分析技術
分析技術包括能夠提供深刻洞察的基本技術和工具。數據管理、數據治理以及數據運營體系這些重要因素不僅僅是人工智慧項目的核心基礎。同時,鑒於企業內對數據儲存、數據隱私和數據使用的嚴格要求,這些重要因素也是必須面對和考慮的重大策略點。
60%的首席信息官(CIO)表示,在未來的三年內, 數據和分析技術將對他們業務帶來影響。但這個問題正變得更具挑戰性。「靜止的數據」 和「使用的數據」這兩個久經考驗的概念被「動態數據」所連接,藉助工具和平台動態數據進而支持數據流、數據攝取、數據分類、儲存和訪問。值得欣喜的是,雲技術、核心系統重塑、認知技術和其它技術正在為異常複雜的挑戰帶來全新的解決方案。
(3)雲技術
雲技術已經全面深入企業。90% 的企業在使用基於雲技術的服務,並且這一比例有增無減。實際上,就信息技術領域的投資預算來看,接下來三年內對雲技術的投資會翻倍。正如我們 2017 年所預計的那樣,雲技術已經不僅僅只是作為基礎應用,它帶來了 「一切即服務」 的藍海,使任何 IT 能力都可以變成基於雲的服務供企業使用。在眾多企業當中,少數超大規模企業主宰了公有雲和雲技術服務市場,在雲技術的賦能下,為其它宏觀力量的進一步創新提供基礎和平台,例如分析技術、雲技術、區塊鏈、數字現實,以及未來的量子技術。
雲技術還驅動我們思考並重塑一些陳舊的企業管理和業務職能。
當今的顛覆性驅動力(即數字現實、認知技術和區塊鏈)都是由體驗、分析技術和雲技術發展而來。未 來十年,這些新的趨勢雖然不再新鮮,但它們將和過往的重大趨勢一樣,在人們持續深刻的理解和應用 中,推動重要的變革。
(4)數字現實
數字現實技術,包括 AR/VR 、混合現實、語音交互、語音識別、普適計算、360°全方位攝像和沉浸式技術等,幫助用戶突破鍵盤和屏幕的禁錮,與用戶感知無縫銜接,用戶可更加自然地參與互動。數字現實的目的是打破傳統的空間界限,讓人與底層技術進行自然、本能、甚至下意識的互動。
(5)認知技術
機器學習、神經網路、機器人流程自動化、機器人程序、自然語言處理、以及更廣泛的人工智慧領域等認知技術可能推動所有產業變革。這些技術將人機互動個性化、場景化,通過 定製化語言或圖像信息,驅動業務流程,實現無人值守。
企業對認知技術的需求大幅增長一一互聯網數據中心(IDC)預測 2022 年 企業此項支出將達 776 億美元,與此同時,信任和技術道德問題也迫在眉睫。
(6)區塊鏈
德勤 2019 年全球區塊鏈調查報告中,超過半數的參與者表示區塊鏈技術至關重要,較前一 年增長了 10% 。83% 的人能夠明確構思區塊鏈技術的實際應用,較前一年增長了 9% 。調查結果顯示,2019 年,企業已經不再討論「區塊鏈是否可行?」,轉而關注「我們該如何利用區塊鏈?」
金融服務和金融科技公司持續領航區塊鏈技術的發展,但其它領域也開始推行區塊鏈技術, 尤其是政府、生命科學與醫療健康、科技、媒體、通訊等領域。
再提技術業務、風險和核心系統重塑似乎有些枯燥無味,但不可否認,它們是業務的核心所在。企業在這些已經發展很成熟的領域,依然繼續進行著可觀的投資。綜合來看,正是因為它們不僅為數字化轉型、創新與增長提供了可靠的、可規模化的基礎,也是在分析技術、認知技術、區塊鏈等顛覆性技術成功投資的必要條件。
(7) 技術業務
隨著技術應用與業務戰略的融合,技術業務也在不斷發展。隨著企業更多地通過重塑 IT 來實現運營效率提升和與業務部門合作者一起進行價值創造,很多 IT 團隊通過實施促進跨業務協作的開發體系(如敏捷和 DevOps ),逐漸將傳統的項目制交付調整為產品化運營。
強大的技術功能讓企業更敏捷地響應技術驅動的市場和業務的變化。一隻強大的數字化技術運營團隊能夠幫助企業迅速回應技術對市場的影響以及相關業務挑戰。
(8)風險
在以創新為驅動力的時代,企業面臨的風險遠遠超越了傳統的網路風險、監管風險、運營風險及財務威。2019 年的 CEO 和風險管理調查報告指出,企業最大的風險廣泛涉及新顛覆性技術、創新、生態系統合作夥伴、企業品牌及名譽、文化等。對此,很多公司清楚地意識到他們還未對此類風險做好準備,或沒有想法在管理此類風險方面進行投資。
除合規和安全的必要要求,企業還面臨新興技術對產品、服務和商業目標的潛在影響,這些使得企業正在把更為廣泛的信任作為企業戰略。
(9)核心系統現代化
核心系統現代化體現了數字化轉型、用戶期望及數據密集型演算法給核心系統的前台、中台和後台帶來的持續性壓力。無論是在財務數字化、實時供應鏈,還是在客戶關係管理系統,核心系統都承載了關鍵業務流程。
在如今這個即時、持續和定製交互的時代,企業需要降低整體的技術負債。實現核心系統 現代化的成熟舉措,比如重塑現有的遺留系統,更新 ERP 系統及重寫其他系統,這些目前來講尤為重要。
二、未來三大顛覆性技術
隨著三大顛覆性技術(即數字現實、認知技術和區塊鏈)崛起,並準備在未來十年為業務做出重大貢獻 的同時,未來三大技術發展和創新的新星(環境體驗、指數型智能和量子技術)正蓄勢待發。我們將在 本世紀 20 年代末開始感受到它們的影響。
a:環境體驗
環境體驗展望了這樣一個構想:在未來,技術只是環境的一部分。計算設備的功率不斷增加,體積不斷縮小。這些越來越小的設備將我們的輸入從非自然的(指向、點擊和滑動) 演變為自然的(說話、手勢和思考),它們與我們的交互從被動的(回答問題)變成主動的(提出意料之外的建議)。
隨著設備變得無縫和無處不在,它們和我們越來越密不可分。想像未來的世界,一些微小的,已連接的,內容感知的設備被嵌入辦公室、家中或者其他地方,成為背景活動的一部分。例如,你如果在腦海中想「我要在一個小時之內出發去機場」,就能觸發一系列背景活動,包括安排航班值機,準備可供生物特徵識別的虛擬登機牌,將無人駕駛汽車目的地設置為正確的航站樓,將家中的智能系統狀態調為「離開」,以及暫停出差期間的快遞服務等等。
b:指數智能
指數智能建立在當今認知技術能力上。如今,機器智能能夠發現數據中蘊藏的規律,但是無法判斷這些規律是否有內在的意義。同時,它目前還缺乏識別和響應人類互動和情感的細微差別的能力。而且,機器智能的認知能力還非常有限,比如機器能夠打敗國際象棋大師,卻不能理解房間發生了火災需要逃跑。
未來有無限可能。隨著對語義和符號識別的理解,機器逐漸能從假想的相關中梳理出真實的因果關係。藉助來自人感訥驗平台的技術組合,我們的虛擬助手將越來越能夠識別並適應我們的情緒。隨著研究人員開發出更廣義的智能,指數智能將超越統計和計算的層面。我們敢說,最終,這將導致更有能力的人工智慧誕生。
c:量子技術
量子技術利用亞原子微粒的反直覺特性處理信息,進行新型計算,實現「不可非法侵入式」 交流,技術微型化等等。量子計算中,這些量子比特(或量子位)的特殊屬性有可能發生 指數型變化。通過操縱單個粒子,量子計算機將能夠解決某些高度複雜的問題,這些問題 對於目前的超級計算機來說,太大,太雜亂,包括從數據科學到材料科學。
隨著研究者們不斷突破技術限制,量子計算機將逐漸取代傳統的計算機。數據科學家將能 夠處理前所未有宏大的數據量,並從中獲取相關性信息。材料科學家利用量子比特模擬原 子,這是無法在傳統計算機上實現的。同時,在通訊、物流、安全、密碼學、能量等不同領域,我們都能預見無限可能。
為了幫助大家更好的理解各類前沿技術動態,基於宏觀科技力量及其可被預期的時間範圍,報告歸納整理了一張完整的統一化視圖。
三、五大關鍵新興趨勢
一)技術道德與信任
技術變革常態化的同時,贏得全方位的信任變得更具挑戰——但也充滿機遇。
隨著數字技術的出現,企業要用戶以新的更深層次的方式信任他們,過去是獲取用戶個人信息,現在則是通過數字痕迹追蹤用戶的線上行為。同時,技術引起的問題也經常成為新聞頭條,例如安全漏洞、不當或非法監視、個人信息濫用、虛假信息傳播、演算法歧視、缺乏透明度等等。這些事件導致利益相關方之間不信任(包括客戶、僱員、合作 夥伴、投資者和管理者),嚴重損害企業聲譽。的確,消費者對商家的信任正在逐漸下降,人們對公共機構的態度也越來越謹慎,員工則要求企業明確闡述其核心價值觀。
德勤 2020 年全球市場趨勢報告中提到,當今時代,品牌信任對企業來講尤為重要,關係到企業的方方面面。無論是客戶、監管機構,還是媒體,都期望品牌商在其開展業務的各個領域都是開放、誠信和始終如一,從產品生產、促銷活動、到員工文化和合作夥伴關係維護等。
被技術顛覆的企業,它的每一個方面都意味著可以贏得或失去任何一個客戶、員工、合作夥伴、投資者和/或監管機構信任的機會。如果領導者能夠充分貫徹企業價值觀和技術道德觀,努力履行「做好事」的承諾,企業就能夠與利益相關者建立長期牢固的信任關係。在這種情況下,信任就變成了一個全方位的 承諾,並且確保信任是企業的技術,流程,人員都在共同努力維護的基礎。
技術道德這一術語指的是不局限於或側重於任何 一項技術的綜合價值觀,這個價值觀是指導企業對技術使用的整體方法及通過部署這些技術驅動業務戰略和運營企業應考慮主動評估如何以符合公司宗旨和核心價值觀的方式使用技術。
在數字時代,信任是個複雜的議題,企業面臨著無數的生存威脅。雖然顛覆性技術通常會給企業帶來指數型增長,但僅憑技術卻無法建立長期信任。因此,領先企業們正在通過全方位的維持利益相關者所期望的高度信任。領先企業們正在嘗 試通過各種方式,來維持利益相關者所期望的高度信任。
人工智慧、機器學習、區塊鏈、數字現實和其它 新興技術正以前所未有的速度和深度融入我們的 曰常生活。企業該如何通過客戶、合作夥伴和員工使用這些技術來構建信任呢?
解讀企業價值觀。
如今,技術根植於業務,機器學習也驅動著業務決策和行為,因此,必須先了解企業的技術解決方案,才能進一步解讀和評價企業價值觀。數字化系統可以被設計用來減少偏差,讓企業能夠遵循自己的原則運 營。
保障措施可以防止用戶以不健康或不負責任的方式使用技術,從而幫助提高利益相關者的利益。例如,一家公司對可能成癮的遊戲強制限定遊戲時間和遊戲花費一個內容提供商提醒用戶關注信息來源的準確性;雲計算提供商在 戶超出其預算之前自動發出警報。
建立強大的數據基礎。
如果不能系統性地、統一地追蹤數據內容及來源,並確定可訪問數據的人員,就沒有辦法營造良好的信任環境。強大的數據基礎讓利益相關者擁有共同的願景, 為數據負責,採用安全的技術手段實現有效的數據管理。管理者需要讓利益相關者了解他們提供的數據將如何運用,此外,除非為了法律或監管的目的,在利益相關者要求時須刪除相關數據。
強化防護措施。
德勤 2019 年未來網路調查報告顯示,管理者為網路問題花費的時間越來越多,網路防禦體系意味著您要 保護您的客戶、員工和商業合作夥伴,讓他們遠離與他們——或者說你們——的價值觀不同的群體。從最開始就需要建立並實施網路安全風險策略略,並將其貫穿於商業運營和政策制定的全過程,這絕不僅僅是信息技術部門的問題。企業領導者應當與信息技術部門一起制定全面的數字安全風險策略,考慮安全、隱私、 誠信和保密等各方面,增強利益相關者的信任,提高企業競爭力和優勢。因此,需要評估企業的風險容忍度,明確弱點所在,並判斷企業最具價值的數據和系統,制定風險緩解策略和恢復計劃。
二)財務與 IT 的未來
IT 和財務領導者共同努力為創新融資尋找靈活的途徑。
德勤的研究發現,56% 的首席信息官(CIO)期望應用 Agile, DevOps 或類似的靈活 IT 交付模式,來提高 IT 的響應能力並激發更廣泛的創新的雄心。
但目前有些難以克服的障礙阻礙這些努力:資金的來源和分配。IT 的運營和開發流程正變得越來越靈活,更加側重產品,而財務部門仍舊按照過去數十年的方式來制定預算、融資和財報。結果顯而易見:IT 需求與財務流程之間的矛盾。若這個問題得不到解決,那麼它可能會破壞首席信息官(CIO)的創新計劃,乃至整個企業的戰略目標。
IT 對資金的需求與財務的漫長流程之間的矛盾並非形成於一夜之間。而是在過去十年中曰漸累積。雲技術和平台技術一步步地顛覆了傳統運營模式,迫使財務部門不得不重新評估財務管理方法。
《報告》指出這種變革體現在三方面:
從資本支出轉向運營支出
從在現場轉型到基於雲的系統,涉及大量的支出從資本支出轉移到運營支出。事實上,團隊一直都有一些資本支出和運營支出。新的準則是「誰開發誰管理」。從會計的角度而言,短期運營支出增長會影響季度財報。
衡量難以捉摸的投資回報率。
技術創新舉措通常是難以達到內部收益率預期的嘗試,可能產生正回報也可能不會。在財務及短期收益上, 創新投資通常不具備傳統 IT 項目的信心水平, 因此這類投資往往也很難通過標準管理流程獲得有力支持。在某些情況下,這會導致財務部門難以建立精確的流程,來跟蹤長期投資回報率。例如,對於無限期重複使用的平台這類的固定預算投資,跟蹤其投資回報率更是難上加難。
計算交付價值。
根據德勤《 2018 年全球首席信息官(CIO)調查報 告》,65% 的受訪者表示他們在評估 IT 投資時, 通常採用具體案例具體分析的方法,而不是遵循常規財報流程。顯然,在評估 IT 帶來的價值這件事上,首席信息官 (CIO )與首席財務官 (CFO)不在同一立場。
作為財務與未來的T趨勢的一部分,我們預計有更多首席信息官(CIO)、首席財務官(CFO)以及他們各自的團隊,將會積極探索解決這些及其他在融資、會計與財報上所面臨的挑戰的方法。
三)數字孿生技術
利用下一代數字攣生技術助力企業設計、優化和轉型。
當下,企業正以多種方式使用數字彎生技術。在汽車和飛機製造領域,數字彎生技術逐漸成為優化整個製造價值鏈和創新產品的重要工具;在能源領域,油田服務運營商通過獲取和分析大量井內數據,建立數字模型,實時指導鑽井作業在醫療保健領域,心血管研究人員正在為臨床診斷、教育、培訓,創造高模擬的人類心臟的數字彎生體;作為智慧城市管理的典型案例, 新加坡使用詳細的虛擬城市模型,用於城市規劃、維護和災害預警項目。
數字彎生可以模擬物理對象或流程的各個方面。它們可以展現新 產品的工程圖和尺寸,也可以展現從設計到消費者整個供應鏈中 所有子部件和相應環節——即」已建成「數字彎生,也可採用 「即維護」模式——生產車間設備的實物展現。模擬模型可以捕獲 設備如何操作,工程師如何維護,甚至該設備生產的產品如何與客戶關聯。數字彎生可以有多種形式,但它們無一例外都在捕獲和利用現實世界的數據。
數字孿生髮展勢頭迅猛,得益於快速發展的模擬和建模能力、更好的互操作性和物聯網感測器, 以及更多可用的工具和計算的基礎架構等。因此, 各領域內的大小型企業都可以更多地接觸到數字孿生技術。IDC 預測,到 2022 年,40% 的物聯網平台供應商將集成模擬平台、系統和功能來創建數字孿生,70% 的製造商將使用該技術進行流程模擬和場景評估。
與此同時,通過訪問大量數據,使得創建比以往更為詳細、更為動態化的模擬成為可能。對於數字孿生的長期用戶而言,這就好比從模糊的黑白快照過渡到彩色高清數碼照片一樣,從數字源中獲取的信息越多,最後呈現的照片就越生動逼真。
長期來看,若想要實現數字孿生技術的全部潛力, 可能需要集成整個生態圈內的系統和數據。創建 一個完整的客戶生命周期或供應鏈(囊括了一線供應商和其自身的供應商)的數字化模擬,可以提供富有洞察力的宏觀運營觀點,但仍然需要將外部實體整合到內部數字化生態系統內。直至今曰,大多數企業仍對點對點連接之外的外部集成感到不滿意。克服這種猶豫可能是一個長期挑戰, 但最終,所有的付出都將是值得的。未來,期望企業會利用區塊鏈打破信息孤島,繼而驗證信息並將其輸入數字孿生體中。這可以釋放先前無法訪問的大量數據,從而使模擬更加細節化、動態化、更具潛在價值。
四)人感體驗平台
通過Al、神經科學、人本設計重塑人機聯接。
人感體驗平台趨勢顛覆了傳統的設計方法,它首先確定我們想要實現的人性化和情感體驗,而後決定使用何種情感和 AI 技術組合能夠達成這一效果。企業將面臨的一大挑戰是,如何針對不同的客戶群體、員工群體和其它利益相關者,確定能引起他們共鳴和引發他們情緒的具體響應或行為,並進一步開發情感技術,使其能夠識別和複製某一段體驗中的特質。
在不久的未來,我們將會看到人們對人性化的技術需求曰益增長。在數字化革命進程中,我們目前進入到一個階段,就是每個人之間未必有 接,但每個人一定都與技術有聯結。我們正在消除流程和交互,直接與機器互動。因此,我們渴望我們正在迅速失去的東西:有意義的聯結。為此,我們期望技術能夠用更 加人性化,更人道化的方式跟我們互動。設計能夠滿足這一期望的技術需要對人的行為有更深刻的洞察,並不斷創新,以提高我們預測和響應人們需求的能力。不久的將來,人感體驗很有可能會帶來長久的、可持續的競爭優勢。
五)架構覺醒
演進架構師角色,從而轉變系統架構並支持業務 發展的速度。
越來越多的技術領導層和高管們逐漸意識到,如今,技術架構領域的科學在戰略上比以往任何時候都更加重要。事實上,為了在技術創新顛覆的市場中保持競爭力,已成立的企業需要不斷演 他們的架構一一這一過程可以從改變技術架構師在企業內扮演的角色開始。
這種轉變的目的非常明確:把經驗最豐富的架構師安排到最需要他們的地方——即加入到設計複雜技術的軟體開發團隊中。一旦這些架構師被重新部署和賦能,他們便可幫助簡化技術棧, 提升技術敏捷性,從而為新興企業獲得市場優勢。另外,他們還可以直接負責實現業務成果,解決架構難題。
此外,擁抱架構覺醒這一趨勢的企業將開始重新定義架構師角色,使其更具協作性、創新性,並能對利益相關者的需求做出回應。具有全局觀的架構師可能會發現,自己正在多部 門混合的項目團隊中,與專注於應用程序的架構師 以及來自 1T 和業務部門的同事共同作戰。未來,他們的使命將不僅是利用傳統的架構組件,還要利用顛覆性力量(如區塊鏈、AI、及機器學習)大胆創新。
資料來源:https://m.news.sina.com.tw/article/20201026/36690918.html
威脅建模工具 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
AI機器人將如何顛覆製造業?
面對AI機器人帶來的破壞式創新,台灣製造業該怎麼把握機會,在自動化典範轉移的亂局中,占有一席之地?
Bastiane Huang
Feb 6 · 1
在先前Robotics 2.0系列文章中,我們討論了AI如何讓機器人做到過去做不到的靈巧工作,並能夠開始自主學習。第一篇文章介紹了AI如何開啟Robot2.0時代。第二篇文章則描述AI機器人在倉儲運輸業的應用,透過觀察這個新技術的第一個應用場景,來預測這一切將如何影響我們的生產力、就業狀況以及日常生活。
這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化設備,同時占台灣產值最高(30%)的製造業。具有自主學習能力而且靈巧的AI機器人,將如何影響製造業流程及整體產業結構?供應鏈上的各廠商又該如何因應Robotics 2.0帶來的破壞性創新?
「未來已經到來,只是先被一部分人看見。」 — 作家威廉.吉布森
The future is already here — it’s just not very evenly distributed. — William Gibson
製造業自動化現況
根據國際機器人聯合會(IFR)發布的最近報告,全球工業機器手臂的出貨量在2018年創下新紀錄,來到38萬4,000台。其中中國仍是最大市場(占比35%),接著是日本,美國,台灣排名全球第六。
汽車以及電子製造業依然是工業手臂的最大應用市場(占比60%),遠遠領先其他包含金屬,塑膠及食品等產業。具體原因我們在第一篇文章也討論過,由於傳統機器人和電腦視覺的限制,目前除汽車業和電子業以外,倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡,你可能會想:自動化及工業機器手臂在製造業既然已經有幾十年的歷史,該自動化或可以被自動化的部分應該都已經自動化了,還有什麼創新的空間呢?
出乎意料地,就連自動化程度最高的汽車製造業,離所謂的全自動化關燈工廠(lights out factory)也還有很大一段距離。舉例來說,汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分,平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆,主張追求最高自動化的特斯拉執行長馬斯克,都不得不公開承認,特斯拉生產線自動化的進度不如預期。
究竟為什麼自動化這麼困難?
自動化至今無法跨越的技術限制
現今的自動化生產線普遍為大量生產設計,因此能有效降低成本,但也因此缺乏彈性。面對消費者越來越短的產品生命週期,越來越多的少量多樣客製化生產需求,人類往往比機器人更能夠因應新的產品線,也不需要花費很多時間去重新編寫程式或更改製造工序。
1. 靈巧度與複雜度
儘管科技在快速進步,人類還是比機器人靈巧許多。在訪談電子代工廠商的過程中發現,儘管組裝產品(assembly)已經高度自動化,但備料(kitting)的程序還是必須由人來完成。
備料在製造及倉儲業都很普遍,是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來,打包並放置在工具包(kit)的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業,這時候因為各個零件都在一個固定的位置和角度,自動化編程相對容易。相反地,備料時必須從雜亂無序的零件盒中辨識並拿取零件,零件的位置角度不一,甚至可能重疊或纏繞在一起,這對現有的機器視覺及機器人技術都是一項挑戰。
2. 視覺與非視覺性的回饋
另外一方面,很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡,這些看似簡單的動作,事實上都需要作業員或機器人接收,並根據各種視覺甚至觸覺訊號,來調整動作的角度及力道。
這些精細的微調使得傳統的自動化編程幾乎派不上用場,因為每次撿取或放置物品都不完全相同,需要像人一樣有從多次的嘗試當中,自主學習歸納的能力,而這正是機器學習,特別是深度及強化學習,能夠帶給機器人的最大改變。
Robotics 2.0:AI可以讓工廠機器人做到哪些事?
AI帶給機器手臂最大的改變就是:以往機械手臂只能重複執行工程師編寫程序,雖然精準度及速度都很高,但卻無法應對任何環境或製程改變。但是現在因為AI,機器可以自主學習更複雜的任務。具體來說,AI機器人較傳統機械手臂在3大方面有重大突破:
1. 視覺(Vision System)
就算是最高階的3D工業相機,仍然無法像人眼一樣,既可以精準判斷深度距離,又可以辨識透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機,既可以提供準確的深度,又能夠辨識大多數的包裝及物品,然而,這樣的情形很快就會被AI改變。
機器視覺在過去幾年取得了巨大的進展,幾間來自於矽谷及波士頓的新創,包括OSARO和Covariant,利用深度學習(deep learning),語意分割(semantic segmentation),及場景理解(scene understanding)提高了低階相機的深度及影像辨識,讓製造商不需要使用昂貴的相機,也能得到足夠準確的影像訊息,成功辨識透明或反射物體包裝。
2. 可擴充性(Scalability)
深度學習不需像傳統機器視覺一樣,需要事先建構每一個物品的3D模型。只需要輸入圖片,經過訓練,人工神經網路就能自動辨識影像中物體。甚至能使用非監督或自監督學習,降低人工標籤數據或特徵的需要,讓機器更近接近人一樣的學習,免去人為干預,讓機器人面對新的零件再也不需要工程師重新編寫程序。隨著機台運作,收集到的數據越來越多,機器學習模型的準確度也會進一步提升。
目前一般生產線通常有震動台、送料器、輸送帶等週邊設備,確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展,讓機器手臂更加智能,或許有一天這些比機械手臂更昂貴四五倍以上的週邊設備將不再被需要。
另一方面,由於深度學習模型一般儲存在雲端,這也讓機器人能夠互相學習,共享知識。舉例來說,若有一台機器手臂經過一個晚上的嘗試,學會如何組合兩個零件,便能夠很輕易地將這個新的模型更新到雲端,並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間,也確保了品質的一致性。
3. 智能放置(Intelligent Placement)
一些對我們來說一點也不困難的指令:請小心輕放,或把物品排列整齊,對機器手臂而言卻是巨大的技術挑戰。
如何定義「小心輕放」?是在物體碰觸到桌面的瞬間停止施力?還是在移動到距離桌面6公分處放手讓物體自然落下?或是越靠近桌面就越降低速度?這些不同的定義又會怎麼樣影響物品放置的速度和精確度?
至於將物品「排列整齊」就更困難了,先不論每個人對整齊的定義都有所不同,為了能將物品精準地放置在想要的位置及角度,我們首先必須要先從正確的位置拿取物品:機械手臂依然不如人手靈巧,且目前一般機器手臂大多使用吸盤或是夾子,要做到人類關節及手指的靈活度,還有一大段距離。
其次我們要能即時判斷夾取物體的角度位置及形狀大小,以下圖的杯子為例,需要知道杯口朝上或朝下,要側放或直放,也要知道放置的地方有沒有其他物品或障礙物,才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務,這些複雜的作業幾乎不加思索就可以完成,但機器並沒有這樣的經驗,必須重新學習。
經由AI,機器手臂可以更精準地判斷深度,還可以透過訓練,學習判斷及做到杯子朝上,朝下等不同狀態。也可以利用對象建模(Object Modeling),或是體素化(Voxelization),來預測及重建3D物體,讓機器可以更準確掌握實際物品的大小和形狀,進一步將物品放到該放的位置。
AI機器人將如何顛覆製造業?
現在我們知道AI可以讓機器做到許多以往做不到的事,但這對製造業現行的產業結構又會有什麼影響?誰能夠把握住新科技典範轉移技術帶來的機會?哪些公司又會面臨前所未有的挑戰?
AI機器人帶來的破壞式創新(Disruptive Innovation)
破壞式創新由哈佛商學院教授克雷頓‧克里斯汀生(Clayton Christensen)在其著作《創新的兩難》(Innovator’s Dilemma)當中提出。理論的中心思想是:
產業中的既有業者一般會為了服務現有客戶(通常也是利潤最高的客群),而選擇專注於「持續式創新」,改善現有的產品及服務。此時,一些資源較少的小公司把握機會,瞄準被忽略的市場需求,而取得進入市場的立足點。
破壞式創新又分為以下兩種:
(1)低階市場創新
一般大家較為熟悉的是「低階市場創新」,數位照相技術就是一例。早期的數位相機不僅解析度不佳,而且還有快門延遲很長的問題,但隨著數位照相品質及解析度逐漸進步,數位相機逐漸從低階市場晉升為主流。諷刺的是,柯達雖然研發出數位相機,但卻因為無法放棄當時該公司占據全球3分之2的底片市場,而最終被新技術淘汰。這正是所謂的「創新的兩難」,既有業者雖然看到新科技的威脅,但卻因為現有公司結構,策略等種種原因無法及時因應。
(2)新市場創新
「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如,電話剛推出的時候只能被用來做短距離的本地溝通,因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利,因為該公司最賺錢的是長途電報市場,當時甚至不認為短途溝通會是一個市場,更不用說預見後來人人都用電話溝通的情景了。
而AI機器人帶來的,正是「新市場的破壞式創新」!
目前汽車及電子製造業占工業機器手臂出貨量的60%,這也導致市場領先者發那科(FANUC)、ABB、KUKA、安川(YASKAWA)專注於「持續式創新」:做他們最擅長,客戶也最需要的,進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業,或製造業中的「備料程序」成為被忽略新市場。這些客戶並不需要這麼高速度,高精度的作業,但需要機器手臂更靈活,更能彈性自主學習辨識及處理不同的零件或是工作。
新創AI機器人公司看到這樣未被滿足的需求,開始將人工智慧應用在機器人上,使得機器手臂可以被用在備料,包裝,倉儲等新市場。他們使用較低階的相機搭配機器學習模型,讓以往只能由人工作業的備料,貨物分撿等程序自動化,讓機器手臂可以被運用在更多不同的地方,甚至整個產業。
有趣的是,這些新創公司一般不自行生產機器手臂,而是專注於開發機器學習模型、機器視學及控制軟體,在硬體方面則選擇跟既有機器手臂廠商合作。因此,你可能會想,就算這些機器手臂公司不追求AI創新,他們也不會被時代淘汰,因為自動化還是需要硬體的供應。
但是,這樣想忽略了幾件事:
首先,有些機器手臂公司已經先嗅到了商機,並開始一邊與這些新創公司合作,一邊建立自己的AI團隊。這些公司因為率先採取行動,可以更快地在這些以往服務不到的新市場中建立客群,進一步領先競爭對手。
其次,隨著AI應用的普及,產業鏈中的最大價值,會逐漸由硬體轉向軟體及數據。 這點,我們已經可以從無人車的發展趨勢中看出。一但無人車可以做到高度自主,大部分的價值都會在掌握無人車機器學習模型及自駕數據的特斯拉,或Google等公司的手裡。這也是為什麼車廠人人自危,不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來,機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。
AI機器人帶來的挑戰與機會
AI及機器人的結合帶來許多的可能性,但是這些改變絕非一蹴可幾。機器手臂公司縱使開始投資AI,也依然會面臨當初柯達所面臨的「創新者的兩難」。
要如何重新打造組織及發展策略,才能夠讓轉型的負面影響降到最低,也考驗各個公司管理階層的判斷與決心。
另一方面,開發全新市場也絕非簡單的事,新創公司仍需要和製造廠商密切合作,開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更複雜多樣,新創公司雖然了解AI及機器人技術,但卻不一定了解製造流程。這也給台灣製造廠商一個搶得先機成長轉型的最佳機會。
如果台灣廠商能夠率先和這些新創公司合作,不僅能透過流程自動化提升生產效率及品質,還能做到以往較難做到的少量多樣客製需求,擺脫大量製造,削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場,和國際新創合作開發針對電子或半導體製造業的專屬解決方案,進而銷售到其他國家。
日前,曾任職於Google與百度的吳恩達(Andrew Ng)受邀來台演講中也指出,台灣應該善用自己在半導體與製造業的既有優勢,發展人工智慧,成為除了矽谷、北京之外的下一個AI Hub。 相較於其他像是零售或是消費性網路領域這些現在發展相對成熟的AI應用,台灣在製造產業中發展人工智慧,不但更具有了解應用案例、掌握數據等優勢,也有機會能夠藉由AI機器人等新技術,達到產業轉型的目的。
附圖:KIT工具包 — source: kitting-assembly.ca
深度學習物件辨識範例,由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。OSARO
傳統及AI機器人創新策略比較 — source: Bastiane Huang
製造業自動化產業鏈- source: Bastiane Huang
資料來源:https://medium.com/marketingdatascience/ai%E6%A9%9F%E5%99%A8%E4%BA%BA%E5%B0%87%E5%A6%82%E4%BD%95%E9%A1%9B%E8%A6%86%E8%A3%BD%E9%80%A0%E6%A5%AD-ee2dbc3db7e4
威脅建模工具 在 資策會 Facebook 的最佳解答
🎉恭喜恭喜🎉2018年R&D100確定入圍!
入圍技術:
數位所:智慧製造-大數據封裝解決方案
系統所:手搖發電智慧站牌
資安所:工業基礎設施網路偵防保全、SecBuzzer 資安情資平台
按讚集氣~得金牌
🐸 iii小百科: R&D100是啥米挖糕??? 其實就是科技研發界的年度盛會,重要程度可媲美研發界奧斯卡獎啦!!
美國柏克萊國家實驗室、麻省理工實驗室、NASA都是常客~喔!
#下一個金牌就是你 #RD100
📍#智慧製造-#大數據封裝解決方案 📍
藉大數據分析助工廠掌握「快狠準」製程,以「即時串流分析」、「統計建模查詢」、「分散存儲取用」、「服務整合包裝」,協助業者掌控產線即時運作效能,優化製程配方與生產組合,進而提升客戶訂單達交率及決策反應能力。
資策會與封裝業者攜手合作,經近1年的測試與驗證,在2016年底正式上線,實際導入該系統,有助於建立標準製造速度,推估年省數千萬設備及人力維運費用,並提高訂單報價準確度。
📍#手搖發電智慧站牌📍
以往在新竹縣尖石鄉,民眾或遊客想搭乘大眾運輸工具,得透過傳統電話預約,及鄉公所人工紀錄方式進行服務派遣,不僅費時費力,服務能量也無法充分發揮。但現在,想知道公車何時來,也只要動手搖一搖,讓站牌發電顯示,馬上就知道!
📍#工業基礎設施網路偵防保全📍
針對Google G Suite進行線上雲端應用服務的資安防護。結合傳統偵測規則,並透過人工智慧、機器自我學習使用者行為,協助企業發現雲端異常存取行為與未知的潛伏威脅,降低雲端資安風險,包括:潛伏間諜資料竊取、員工帳號盜用、不當檔案權限分享、第三方應用程式非法行為等。
📍#SecBuzzer資安情資平台📍
在經濟部技術處科技專案支持下,由資安所自主研發的AI資安整合技術,包括:
1⃣掌握全球即時惡意軟體資安威脅情資,透過AI將其抽取成不同資料形式,補助建立情資導向的資安應變機制的「SecBuzzer_Emerging Intelligence Center」
2⃣提供企業雲端威脅防護,防止雲端機敏資料外洩及評估雲端資源潛在風險的「SecBuzzer_Cloud」
3⃣協助企業監視並管理企業內部威脅狀態的「SecBuzzer_Situation Room」
4⃣以及利用機器學習方法,提早發現駭客入侵跡象與途徑的「SecBuzzer_Sirius」