迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
服務主機網路受限 在 文茜的世界周報 Sisy's World News Facebook 的最讚貼文
0306新加坡聯合早報
*【無視國際壓力 緬軍方再向示威者開槍一人喪命】
緬甸軍政權無視國際社會施壓,繼續使用武力鎮壓反政變示威者,昨天在第二大城市曼德勒向一名參加示威活動的男子開槍,導致對方喪命。緬甸軍方連日來的暴力鎮壓行動已經造成至少55人身亡,但親民主派人士絲毫沒有畏懼,昨天繼續走上街頭示威,要求軍方還政於民和釋放原民選政府領導人翁山蘇姬。
https://www.zaobao.com.sg/news/sea/story20210306-1129105
*【緬甸多個城市出現大規模停電】
緬甸全國多個地區星期五(5日)出現大規模停電,原因目前尚不清楚。緬甸北部密支那(Myitkyina)、仰光、首都奈比多、南部毛淡棉(Mawlamyine)城市的居民稱,5日下午電源中斷。緬甸能源部官員沒有立即對此事給予任何評論。
https://www.zaobao.com.sg/realtime/world/story20210305-1129011
*【YouTube撤下緬甸軍方五個電視頻道】
谷歌母公司Alphabet Inc的短視頻平臺YouTube將緬甸軍方的五個電視頻道撤下。YouTube發言人回應路透社詢問時說:“依照我們的社區準則和法律,我們終止了多個頻道,並從YouTube刪除了一些視頻。”YouTube說,被刪除的頻道包括緬甸國營廣播電視臺(MRTV)以及軍方擁有的Myawaddy Media、MWD Variety和MWD Myanmar三個頻道。緬甸國營廣播電視臺的臉書網頁2月被該社群媒體平臺封鎖。
https://www.zaobao.com.sg/realtime/world/story20210305-1128987
*【美國限制原料出口 全球疫苗生產恐陷瓶頸】
全球最大疫苗生產商印度血清研究所及世界衛生組織同聲警告,美國限制冠病疫苗原材料出口,恐將使全球冠病疫苗的生產出現瓶頸,導致產能滯後。與此同時,義大利首次啟動歐盟在1月底實施的冠病疫苗出口管制機制,阻止25萬劑在義大利生產的阿斯利康疫苗出口到澳洲。美國拜登政府上月宣佈,將援引《國防生產法》確保美國製藥商輝瑞(Pfizer)優先獲得生產冠病疫苗所需的原材料和關鍵設備,以便能順利交付疫苗。輝瑞先前曾一度因原材料不足,被迫縮小冠病疫苗的生產規模。
https://www.zaobao.com.sg/news/world/story20210306-1129123
*【法國衛生部長支持義大利管制疫苗出口】
當地時間5日,法國冠病累計確診病例超過385萬起。法國衛生部長當天表示支持義大利管制冠病疫苗出口。法國衛生部當晚發佈的疫情資料顯示,法國5日新增確診病例23507起,累計確診病例達3859102起,累計死亡病例現為88274起,新增死亡病例439起。法國冠病住院患者現為24765人,重症患者現為3680人。巴黎大區衛生局5日表示,當地重症患者人數已經超過900人,醫療系統面臨很大壓力,衛生局呼籲巴黎大區的民眾週末應盡可能減少外出。巴黎計畫從本週末起採取一系列新舉措遏制冠病疫情惡化。
https://www.zaobao.com.sg/realtime/world/story20210306-1129213
*【美擬將中國防疫商品關稅豁免期延長半年】
美國將把針對中國產口罩、清潔用品及其它個人防護設備的關稅豁免期延長六個月,以免抗擊疫情之際相關成本上升。據彭博新聞社看到的美國貿易代表通知草案,這會影響99種產品。豁免期已於去年12月延長過一次,這次將持續到9月末。美國上一屆總統川普政府依據1974年貿易法案第301條對中國產品加徵關稅,理由是中國竊取智慧財產權和強迫美國公司轉讓技術。一年前在疫情爆發時,美國對肥皂、口罩、醫療物資和實驗室設備等豁免了關稅。
https://www.zaobao.com.sg/realtime/china/story20210306-1129206
*【南非中國查獲假疫苗 國際刑警:僅冰山一角】
在國際刑警組織發佈全球警告後,南非查獲約2400瓶假冠病疫苗,中國查獲一個銷售假疫苗的網路。南非方面已有四名涉案人落網,中國則扣押了約80名嫌疑人。國際刑警的公告指出,這可能只是疫苗相關犯罪的“冰山一角”。南非警方4日發公告說,他們在約翰尼斯堡以東的傑米斯頓的一個倉庫中發現了約400安瓶(相當於約2400劑)的假疫苗,並逮捕了三名中國人和一名尚比亞人。倉庫內還有大批偽造的3M口罩。
https://www.zaobao.com.sg/news/world/story20210306-1129124
*【韓國七人接種疫苗後死亡】
韓國上月26日啟動疫苗接種工作以來,已超過22萬人打了第一針,但是在這當中已有七人死亡,死者均為接種阿斯特捷利康疫苗。為消除民眾對疫苗的憂慮,韓國總統府青瓦台表示,總統文在寅也願意接種阿斯特捷利康疫苗。韓國中央防疫對策本部昨日表示,過去七天共有22萬5853人打了第一針疫苗,占韓國5200萬總人口的0.44%。其中22萬人接種阿斯特捷利康疫苗,3909人接種輝瑞疫苗。同時,當局昨日表示,當天又傳出兩人接種疫苗後死亡,三天內累計已有七人接種後死亡,死者都是療養院患者。
https://www.zaobao.com.sg/news/world/story20210306-1129125
*【一組科學家籲對冠病溯源展開獨立調查】
由世界衛生組織和中國組織的冠病溯源調查的可靠性引發日漸激烈的爭議,一組科學家已經公開呼籲進行獨立調查。《華爾街日報》週四刊發了一封公開信,20多名科學家指現有代表團不夠獨立,要求展開新的調查,將病毒源頭的所有可能性都考慮在內。他們指出,聯合團隊中有半數成員是中國公民,他們的科學獨立性可能受限。
https://www.zaobao.com.sg/news/world/story20210306-1129127
*【逾半成年人口超重國家 冠病死亡率較其他國家高10倍以上】
世界肥胖聯合會報告,全球冠病死亡病例大多數出現在肥胖人口多的國家。世界肥胖聯合會4日發出的報告說,逾半成年人口超重國家的冠病死亡率比其他國家高出10倍以上。在截至2月底的250萬起冠病死例中,有220萬起(占90%)在肥胖率高於50%的國家。
https://www.zaobao.com.sg/news/world/story20210306-1129128
*【日本首都圈緊急狀態再延長兩周】
首都圈一都三縣從今年1月8日開始實行緊急狀態,最初設定期限到2月7日,之後延長到3月7日。由於新增冠狀病毒的病例數和病床使用率依然較高,日本政府認為有必要再次延長這些地區的緊急狀態。實施緊急狀態期間,當地民眾應儘量避免在20時後外出,餐廳等得在20時後停止營業。
https://www.zaobao.com.sg/realtime/world/story20210305-1129054
*【越南下週一開始冠病疫苗接種計畫】
越南先前向阿斯特捷利康訂購3000萬劑疫苗,其中11萬7600劑2月24日從韓國運抵越南。這是越南收到的首批冠病疫苗。在與韓國共同評估完成這批疫苗的品質後,阮清龍在越南冠病疫情防控指導委員會會議上說,疫苗已經可以施打。越南衛生部星期六(6日)將召開全國培訓會議,討論實施大規模接種,以及疫苗注射、使用、保存與併發症處理等情況。
https://www.zaobao.com.sg/realtime/world/story20210305-1129052
*【研究:科興疫苗無法對巴西變異冠病產生足夠抗體反應】
巴西一項小型實驗室研究顯示,中國科興生物開發的冠病疫苗可能無法針對巴西出現的P.1變異病毒株觸發足夠的抗體反應。研究人員在一篇論文中說,他們從八名接種科興生物疫苗的人中抽取的血漿樣發現,他們未能有效地對抗P.1冠病變體。巴西聖保羅大學,美國華盛頓大學醫學院和其他一些機構的研究人員說:“這些結果表明,科興生物冠病疫苗可能無法有效對P.1病毒產生抗體反應。”
https://www.zaobao.com.sg/realtime/world/story20210305-1129019
*【今年難恢復充分就業 美聯準會料維持寬鬆貨幣政策】
美國聯邦儲備委員會主席鮑威爾表示,美國不太可能在2021年恢復充分就業,美聯準會因此會維持寬鬆貨幣政策。美國勞工部週五發佈的資料顯示,2月份的失業率維持在6.3%,私營部門就業人數預計增加20萬,比前一個月的4萬9000份多,指向就業市場有復甦跡象。不過,鮑威爾週四在《華爾街日報》線上就業峰會上說,接種冠病疫苗計畫持續推進和政府援助之下,雖然有充分理由預期美國就業增長在未來幾個月會改善,但經濟復甦的道路仍然漫長,今年恐仍無法達到充分就業水準。
https://www.zaobao.com.sg/news/world/story20210306-1129129
*【重構特首選委會 北京:推動建立香港特色民主選舉】
中國全國人大將通過重新構建並增加對特首選舉委員會的賦權,對香港選舉制度進行深度改革。官方宣稱,此舉是推動建立香港特色的民主選舉。外界分析,香港的管治權今後將牢牢掌握在親北京力量的手中,泛民主派的空間將顯著收縮。
https://www.zaobao.com.sg/news/china/story20210306-1129111
*【美國譴責中國修改香港選舉制度】
中國全國人大將通過重新構建並增加對特首選舉委員會的賦權,對香港選舉制度進行深度改革。繼歐盟後,美國也表態稱,譴責中國“對香港民主機構的持續攻擊”。美國國務院發言人Ned Price在例行記者會上說,中國改變香港選舉制度是對其自由及民主進程的直接攻擊,將進一步嚴重損害香港的民主體制。
Ned Price表示,若北京落實這些措施,將與《基本法》列明要朝向普選的方向背道而馳。
https://www.zaobao.com.sg/realtime/china/story20210306-1129199
*【李克強: 中國今年GDP目標為6%以上 今後五年轉向創新驅動發展】
李克強指出,今年預期目標設定為6%以上,考慮了經濟運行恢復情況,有利於與今後目標平穩銜接,有利於實現可持續健康發展。全球經濟尚未走出冠病疫情陰霾,率先恢復增長的中國已為今年經濟設下6%的增長底線,並在今後五年轉向以創新驅動發展,構建有強大國內市場的新發展格局,確保中國崛起進程和在2035年基本實現社會主義現代化的遠景目標,不因外部逆風而中止。
https://www.zaobao.com.sg/finance/china/story20210306-1129177
*【美股週五反彈 道指800點大逆轉】
美股週五反彈收高,道指實現800點大逆轉。10年期美國國債收益率上漲至1.62%後回落,加上就業資料比預期好,推動美國股市回彈。道瓊工商指數漲572.16點,漲幅1.85%,收在31496.30點;納指漲196.68點,漲幅1.55%,收在2920.15點;標普500指數漲73.47點,漲幅1.95%,收在3841.94點。三大股指反彈收高,道瓊工商指數從盤中最低30766.81點拉升逾800點,最高上漲至31580.33點。納指一度漲500點大逆轉,盤中最多曾下挫超過320點。
https://www.zaobao.com.sg/realtime/world/story20210306-1129200
*【聯合國報告:全球17%糧食白白浪費】
聯合國環境規劃署指出,據估計,2019年全球共有9.31億噸食品進入了家庭、零售商、餐廳和其他食品服務企業的垃圾桶,占可供消費者食用的食物總量的17%。這些浪費掉的食物可以裝滿2300萬輛載重量為40噸的卡車,這些卡車首尾相接,可繞地球整整七圈。
https://www.zaobao.com.sg/realtime/world/story20210305-1129050
*【伊朗革命衛隊成功挫敗一起劫機事件】
伊朗伊斯蘭革命衛隊週五在一份聲明中表示,部隊於4日晚上成功挫敗了一起劫機事件。法新社報導,革命衛隊在聲明中表示,險遭劫持的是一架隸屬於伊朗航空公司的Fokker 100型飛機,航班編號334。該航班於當地時間4日離開阿瓦士機場前往東部城市馬什哈德。聲明表示,該飛機在伊斯法罕機場緊急迫降,肇事者已被逮捕。根據最初的供詞,肇事者試圖劫持飛機並降落在某個波斯灣地區國家。
https://www.zaobao.com.sg/realtime/world/story20210305-1129046
*【胡塞叛亂分子稱對沙烏地機場發動襲擊】
葉門的胡塞叛亂分子週五(5日)表示,他們對沙烏地的一個軍事基地和一個機場發動了無人駕駛飛機襲擊。此次襲擊事件加大了對沙烏地能源和安全設施的進攻。據報導,在這次攻擊前一日,胡塞叛亂分子使用Quds-2巡航導彈攻擊了位於沙烏地吉達、沙烏地阿美的一個燃油庫,擾亂了石油市場。胡塞叛亂分子週五對沙烏地南部城市Khamis Mushait哈立德國王空軍基地的襲擊,是兩天來的第二次襲擊。胡塞武裝部隊發言人沙裡在聲明中說,他們還襲擊了沙烏地特南部阿巴哈國際機場。
https://www.zaobao.com.sg/realtime/world/story20210305-1129041
*【教宗方濟各抵達伊拉克進行訪問】
教宗方濟各抵達伊拉克首都巴格達,展開他上任以來一次最“危險”的訪問。一架載有方濟各和他的隨行人員,保安隊伍,以及約75名新聞工作者的義大利航空公司飛機於當地時間5日下午2點前抵達巴格達國際機場。84歲的方濟各是首位到訪伊拉克的教宗,這也是他自冠病疫情爆發以來首度外訪的國家。
https://www.zaobao.com.sg/realtime/world/story20210305-1129034
*【國際原子能機構下月初與伊朗舉行技術專家級會談】
聯合國國際原子能機構(IAEA)將於4月初與伊朗代表舉行技術專家級會談。國際原子能機構秘書長葛羅西4日舉行新聞發佈會說,經過密集磋商,伊朗方面接受了他提出的會談建議。伊朗同意通過“有重點、有系統”的程式,澄清有關伊朗核活動的一些不明朗問題。葛羅西說,國際原子能機構理事會對伊朗和國際原子能機構達成的諒解表示歡迎。他希望這一努力能在將於6月舉行的下一次理事會會議前取得令人滿意的結果。
https://www.zaobao.com.sg/realtime/world/story20210305-1129000
服務主機網路受限 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
AI加值智慧製造 鋼鐵傳產乘浪而起
芮嘉瑋/專欄 2021-01-28 02:45
2020年面對COVID-19(新冠肺炎)的襲擊,疫情籠罩之下各行各業幾乎空轉一年,投資購買設備及原料的腳步也都放緩,預期新的一年,隨著疫情穩定與經濟復甦,許多企業勢必加速添購設備和增加庫存料,鋼材需求可望隨著市場回升而轉強,且至少旺到第2季。
舉例來說,在汽車的構造上,有相當高的比例是使用鋼板,包括車門、引擎蓋、後車箱、底盤、車頂等,所以汽車業的好壞,間接影響了鋼材的需求。這2年汽車上游原材料反應了因電動車興起所展開的換車潮,從而鋼市好轉、鋼價高漲,幾乎各國都是如此。
隨著消費型態轉變,產品生命週期縮短,各行各業面臨客製化的挑戰,並在智慧工廠生產流程的訴求下,往往需要智慧機械、智慧製造設備以從事更複雜的生產工作,鋼鐵傳產業也不例外。然而,現有機器人或製造機台受限於原本功能單一又無法擴充的窘境,必須藉由人工智慧、物聯網、大數據等各種新興技術多元化功能的整合,以利製造業數位轉型升級,因應瞬息萬變的市場挑戰,凸顯「智慧製造」的概念是企業轉型升級的唯一出路。
何謂智慧製造?
經歷4次工業革命的演進,第4次工業革命被視為「工業4.0」,且因智慧製造是工業4.0的核心部件,在製造產業兩者幾乎可劃上等號,從而「工業4.0」常被稱為「智慧製造」。
在工業4.0的時代驅動下,現今製造業不斷與數種新興技術結合,從而工業4.0被定義為「製造技術中整合了網路安全(cybersecurity)、擴增實境(AR)、大數據、自主機器人(autonomous robots)、積層製造(additive manufacturing)、模擬(simulation)、系統整合(system integration)、雲端運算(cloud computing)和物聯網等技術使之具有自動化、聯網、數據交換以及智能工廠所需功能的系統平台」 。
因此,智慧製造實際上需要整合以上所述之各種關鍵領域技術的同步發展以建構出相應的產業生態體系,並在生產過程的每一個環節都能達到高度自動化、客製化與智慧化的先進製造模式,使生產環境具備自我感知、自我學習、自我決策、自我執行以及自我適應的能力,以適應快速變化的外部市場需求。
如何利用AI加持智慧製造
由於智慧製造包括連網(connection)、轉化(conversion)、虛擬(cyber)、認知(cognition)和自我配置(configure)等能力 ,其中利用機器學習、深度學習等AI技術使機器具備自我診斷並即時做出判斷的認知能力,就是AI之所以成為智慧製造核心技術之所在,它可以從大量原始數據中自動提取關鍵特徵及製造業中規律性的模式,進而學習過往曾經發生過的錯誤,以提前作預測及預警,藉此不僅可降低停機時間、提升製程效率,也可適時的根據產線作調整。
至於該如何利用AI加持智慧製造,讓我們看看國內鋼鐵龍頭中國鋼鐵股份有限公司(簡稱中鋼公司),在其智慧生產技術中導入AI實現智慧製造的專利布局,提供製造業者掌握AI加值智慧製造,讓工廠轉型升級邁向智慧工廠。
中鋼發明一種透過人工智慧演算模組在生產製程中進行估測及控制的系統(TWI704019),具體而言,係透過人工智慧演算模組所產生的估測鋼帶翹曲模型對鋼帶翹曲量進行估測,而該人工智慧演算模組係利用機器學習模組、深度學習模組或者使用一雲端伺服器模組評估該製程參數及該翹曲量。
該專利提供一種包含熱浸鍍鋅設備100、矯正機構130、感測模組150、人工智慧演算模組160以及最佳化演算模組165的熱浸鍍鋅鋼帶翹曲量估測系統。其中,該人工智慧演算模組160連接該感測模組150及該熱浸鍍鋅設備110,用以收集且評估該熱浸鍍鋅設備110中諸如產線速度、張力、鋼帶鋼種、鋼帶寬度、鋼帶厚度、鋼帶剛性等製程參數及翹曲量,進而可產生估測鋼帶翹曲模型,且該估測鋼帶翹曲模型包含一矯正干涉量,用以供矯正機構130矯正鋼帶。
經過大量數據的累積,該估測鋼帶翹曲模型還可以包含來自該最佳化演算模組165的製程參數最佳值,當類似或相同的製程參數(例如類似或相同鋼種)的鋼帶需要進行熱浸鍍鋅時,該估測鋼帶翹曲模型就會顯示諸如最佳張力、最佳產線速度、最佳矯正干涉量等製程參數最佳值,供操作者參考,從而獲得翹曲量最少且鍍鋅厚度一致的鍍鋅鋼帶。
再者,由於一般的鋼捲產品需要經過諸如煉鋼、熱軋和冷軋等許多生產階段,為了讓產品的機械性質符合預定的規範,過去往往依賴人為經驗調整生產階段的製程參數,然而,人為經驗難以即時反應生產線狀況,中鋼就此發明一種適用於一軋延系統之製程參數的調控方法(TWI708128),當執行完一部分的生產階段以後,可以即時地計算下一個生產階段的製程參數,其中之製程參數的調控方法包括根據歷史資料建立一機器學習模型,後續並將測試資料輸入至機器學習模型以預測目前產品的機械性質等步驟。
在該專利之軋延系統的運作流程示意圖中,在步驟220,可根據這些歷史資料來建立一個機器學習模型221,此機器學習模型221是要根據生產參數來預測產品諸如拉伸強度、降伏強度和伸長率等的機械性質,換言之在訓練階段中生產參數是作為機器學習模型221的輸入,機械性質則作為機器學習模型221的輸出。機器學習模型221可以是卷積神經網路、支持向量機、決策樹或任意合適的模型。
在步驟230,對目前在線上的產品執行部分的生產階段。在步驟240中,將測試資料輸入至機器學習模型221以預測目前產品的機械性質,並判斷所預測的機械性質是否符合一規範。在步驟250中,依照預設生產參數進行下一個生產階段。
如果步驟240的結果為否,則執行一搜尋演算法以取得最佳的生產參數,並據此實施下一個生產階段(步驟260)。其中,執行搜尋演算法以取得調控後參數的步驟包括:設定一利益函數;將尚未完成生產階段的可調控參數與線上資料合併後輸入至機器學習模型以取得預測機械性質,並根據利益函數計算出預測機械性質的誤差值;以及取得最小誤差值所對應的可調控參數以作為調控後參數。
此外,中鋼亦發明一種設備監診方法(I398629),係在設備故障監診分析流程的邏輯下導入類神經網路(neural network)之人工智慧,以便在決策分析時有效解決故障類型分類方面問題。
給台灣製造業的建議與展望導入AI技術、配合感測器收集各類數據以及大數據分析進行諸如產線異常診斷或品質監控,以維持機器正常運作無虞是智慧工廠有效運作的基礎。然而,智慧製造除了藉由智慧機械建構智慧生產線、透過雲端和物聯網分析資料、AI自主監測診斷調整產線產能之外,虛實整合系統(或稱網路實體系統,Cyber-physical systems)也是構成工業4.0創建智慧製造所需的功能之一,整合物理模型、感測器資料和歷史數據,在虛擬空間即時模擬呈現生產狀態,透過遠程監視或跟踪與工廠現有的資訊管理系統緊密整合,建立完整資訊生態系統才能透過AI即時彙整資訊進行決策。
未來製造業仍將是全球產業不可或缺的一環,隨著工業4.0的蓬勃發展,台灣製造業在邁向智慧製造過程中,所有智慧化的步驟都需要運用AI來執行分析、診斷、預測或決策等工作,欣見國內鋼鐵龍頭已率先落實AI加值智慧製造,然而若能整合虛擬(Cyber),強化與工業物聯網之整合,更可提升透過AI提高組織運作效率及效能的目的。
過去製造業藉由大量生產與低價競爭已非決勝關鍵,如何協助國內產業在後疫情時代轉型升級,是當前的重要議題。持續強化在地製造業與資訊業領域的技術整合優勢,透過機器學習、類神經網路或深度學習等AI技術的導入,並與使用者/消費者連結形成完整的製造服務體系,將可望從傳統製造體系中依賴人為經驗、人力需求及規格一致的常態,轉換為自動化、客製化、智慧化和靈活彈性化的智慧製造。本文以鋼鐵龍頭之典範轉移為例,以期台灣所有製造產業均應具備智慧製造的軟硬實力,才能持續在全球製造體系中發光發熱。
附圖:鋼帶翹曲量估測及控制系統結構示意圖。芮嘉瑋
台灣專利號I708128之軋延系統的運作流程示意圖。芮嘉瑋
資料來源:https://www.digitimes.com.tw/tech/dt/n/shwnws.asp?cnlid=1&cat=140&id=0000602586_r1c6gnef7wl2247ink60m