用AI創造未來

AI起源於20世紀中期,使用演繹推理法分析人類認知系統所具備的功能和機能。 1980年代,人工智慧用在蒐集和利用知識。 現在,我們正處於所謂的第三次AI浪潮(機器學習的時代),受Geoffrey E. Hinton教授在2006年發表關於神經網絡的論文影響至深。但是,我們當中有多少人真正理解了基本目的和 人工智慧的潛力以及怎麼利用它巨大的力量?

 

重要的是過程,不是結果

無法辨識AI的性質和價值,是產業和社會從中獲利的障礙

全球性管理諮詢公司埃森哲(Accenture)在2018年針對六個國家(日本、中國、法國、德國、義大利,美國)採用AI的500家企業進行調查。 結果顯示,將近70%的企業認同AI對業務前景的影響力,並表態將繼續執行的決心。 不過,僅有16%的企業實際執行下一步措施。 僅有2%的企業正在部署AI的大規模解決方案。可以說大多數採取某些措施的公司可能對結果不滿意或失敗。

失敗的原因有很多種。 他們認為,要導入“人工智慧解決方案”就可以解決問題,或者他們誤解了所需的資金和技術力量,並對所收集的數據,分析和應用的本質缺乏充分理解等等。 其中背後兩個常見的根本原因: 無法理解AI的本質是什麼,進而沒有採取適當的措施。

“對我而言,人工智慧的作用是為了提供智慧給機器。智慧的程度取決於如何在我們所處的環境中進行最適當並且具先見之明的活動。” * 1
人工智慧先驅 史丹福大學 名譽工程學教授(Emeritus)Nils J. Nilsson

 

另一方面,每個行業都對AI的潛力寄予厚望。 但是能源和資源成本不斷攀升,並且在全球技術進步的推動下,新的參與者正在進入市場,尤其是與統計和模式識別以及大數據平台有關的技術進步。 公司必須不斷優化成本績效和質量,以保持競爭力。

在進行任何形式的金融投資之前,公司需要確立其目標,並請具有廣泛領域知識的人員參與。 人工智慧不是產品; 它是使機器具有模仿人類認知過程的能力以及隨著獲得更多數據建立和擴展知識的科學。 但是,如果缺乏對製程有深入了解的人員,收集到的數據將永遠無法有效地分析或應用。

人工智慧與製造業領域知識相結合,可以提供有助於工廠診斷和預測性維護的解決方案,保護公司重要資產並提高運營效率。 分析數據需要豐富的經驗和領域知識,在競爭日益激烈的全球環境中,懂得AI,可以開發並建立AI解決方案的公司將獲得優勢。

選擇最佳工具可提高AI解決方案的價值
   橫河電機運用在製造領域豐富的知識和經驗,選擇合適的AI工具為客戶創造價值

橫河電機的Komagane工廠位於長野縣,負責製造壓力sensor的半導體零件。半導體製造包含數百個製程,而質量控制是最重要的問題之一,因為它執行的精細處理和內部處理是表面看不到的。因此,在Komagane工廠,每個製程都連接了許多sesnor收集數據,並在處理數據時估算條件。但是,由於有許多製程會影響品質,因此分析這些製程中的數據並找出其中微小的波動超出了人類執行能力的範圍。

鑑於AI的趨勢,公司內部更期望最新的數位技術能解決問題。但是,負責產品和製造設備維護的工程師對數位技術的功能和可能性不太熟悉,也不知道它可以解決什麼類型的問題。同樣地,研發人員也無法確定自己的技術中最適合AI的應用。因此,各部門就各種AI工具的特殊特性進行了大量的訊息和意見交流。

同時,我們著手使用AI等新技術來解決問題。 我們從SQDC(安全性,品質,交貨時間,成本)的角度出發,在確定問題重要性時分配了優先級別。 我們選擇出最有可能透過AI解決的問題,並開始根據最合適的AI技術開發解決方案。藉由清晰的團隊結構和明確的目標,Komagane工廠已成功建立了共同創新的平台。

“人工智慧最危險的是人們太早做出結論,即還沒充分無法理解。” * 2
MIRI非營利組織機器智慧研究所 創始人兼研究員 Eliezer Yudkowsky

 

在Komagane工廠,橫河電機開發的AI分析工具用於製程數據的品質分析。為了掌握條件,我們導入多維分析工具,可以從大量sensor訊號中計算出特徵值,並揭示影響品量的複雜波動。首次透過應用大量IIoT數據,揭示了屬性值與其電氣特性之間的因果關係,使他們能夠發現會影響這些特性的現象。在生產線數據和品質之間也發現了新的相關性。AI的分析工具扮演著至關重要的作用,因為它可以幫助我們從大量數據中識別重要項目,並在他們以前認為不重要的數據中尋找意義。 IIoT的普及將導致數據類型和數量的持續增長-超越我們的處理能力-但AI讓辨識多維複雜原因變得容易。 AI表徵了人類無法識別的圖形形式的變化。此外,透過讀取外部溫度和運行預測的波動,人工智慧已開始在更廣泛的範圍內應用,此外,人工智能已被廣泛使用,包括導入圖像人工智慧進行產品檢查和工廠檢查,以及基於天氣和工廠運行預測所導致的外部空氣波動的節能運行等。

但是,人工智慧僅僅是一種工具,它需要人類投入迄今獲得的豐富經驗和知識。為了最大化其價值,具有廣泛專業知識並且了解分析工作的人們必須共同努力來教育AI。重要的是要為您提供所需的經驗和見解,以便您可以執行所需的任務。為了在全球範圍內有效傳播AI的使用,人類必須充當經紀人的角色。

橫河電機會繼續運用像在Komagane工廠的成果和Know-how,以豐富的經繼續加速企業間的共同創造。我們目的在開發強化學習演算法並實際應用到工廠中。除了促進與客戶的創新和共同創造外,我們還將努力在戰略性利用AI的同時,穩定品質,預測和維護設備並改善運營和流程。我們將協助客戶實現快速靈活的管理,並為優化客戶業務和創造新價值做出貢獻。


References

* 1:Nils J. Nilsson,史坦福大學,榮譽大學工程學教授(Emeritus),《人工智慧的追求:思想和成就的歷史》,2010年
* 2:MIRI非營利組織機器智慧研究所 創始人兼研究員Eliezer Yudkowsky,奇異假設:科學和哲學評估,2012年

置頂