【导读】人工智能(AI) 正在改变世界,并在许多方面改善我们的生活。半导体产业在AI变革中扮演着关键角色,因为它不只提供AI应用所需的强大运算芯片,还使用AI来增强其企业内部的运营与管理、客户服务、办公流程、系统/产品/电路设计以及制造。在这篇文章中,我们将重点介绍AI如何协助制造自动化。
人工智能(AI) 正在改变世界,并在许多方面改善我们的生活。半导体产业在AI变革中扮演着关键角色,因为它不只提供AI应用所需的强大运算芯片,还使用AI来增强其企业内部的运营与管理、客户服务、办公流程、系统/产品/电路设计以及制造。在这篇文章中,我们将重点介绍AI如何协助制造自动化。
什么是AI运算?
AI是计算机科学的分支领域,专注在创建拥有人类智能行为的系统或机器,其目标为模拟人类的各种认知功能,包含学习、推理、解决问题、感知、语言理解等等。AI涵盖了各种技术领域,如机器学习、深度学习、自然语言处理、计算机视觉、机器人等。
AI是如何运算的呢?
我们经常听到AI仰赖机器学习或深度学习运算,这些不仅需要大量硬件资源,并涉及到极为复杂的神经网络计算。那这些背后计算又如何关联至实际的应用呢?为了避免复杂的数学公式解说,我们介绍一种相对简单的核心概念来理解,即 AI运算中的“潜藏空间 (Latent Space) ”(如下转图所示)。尽管底层的计算非常复杂,潜藏空间通常是将高维度复杂的原始资料,转换并浓缩至较低维度的空间,在这个转换过程中,可降维压缩数据并同时撷取保留原始资料的重要特征。在潜藏空间的每一笔资料皆代表原始资料的一种特征或特征组合。在各种产业的应用领域中,AI技术时常与潜藏空间相关联,例如常见的资料维度缩减、讯息压缩、代表性学习、数据预测和数据生成等。「潜藏空间」概念已可广泛地连结到真实世界人类的知识空间,如数值资料空间、影像资料空间、文本空间,甚至是这三种空间同时发生。
AI/机器学习如何解读人类智能(HI)的资料
当AI遇上制造自动化
近年来,AI应用不断导入于制造业且应用面向持续扩大。半导体制造业可利用AI算法、机器学习/深度学习、和数据分析等方式,来优化和自动化生产线制程。常见的AI实际应用如下:
预防性维护:透过分析自动化系统机台或设备上的传感器数据,AI可预测出该机台与设备何时需要进行维护,让作业人员得以预先安排维护时间,减少非预期的停机,大幅减少机台问题所造成的停机时间,进而提高生产效率。在此应用场景中,回归模型是最常使用的方法,模型的回归因子变量可同时考虑各种数据型态,例如传感器的量测、记录的时间序列、制程方法、材料等不同类型数据皆可。当完成收集这些数据后,模型在学习过程中,会将这些变量转换至潜藏空间用于进一步运算,针对我们真实世界的实际状况进行预测,提前预测机台或设备未来可能遇到的问题。
质量保证(QA):AI可让系统自动解析相机图片数据,进行实时质量控制,检测制程中的产品是否有缺陷或异常。常用技术包含监督式学习的物体检测模型,以及无监督式学习异常检测模型,目标是高准确度判断视觉图片是否有瑕疵或异常。这些基于图像的模型通常利用复杂深度学习的神经网络层,将数据转换到潜藏空间运算出机率值,再输出异常的区域与类别。这些先进技术已可高度准确判读图像资料,侦测出缺陷产品,并自动移除异常产品,以确保生产品质。
制程参数优化:AI算法可通过分析各种数据来优化制程,提升生产效率。例如,在制程开始前,AI可模拟并分析大量的历史数据,生成最有效的设计解决方案,缩短产品开发时间。可解释的AI模型被广泛应用在这个阶段,为使用者提供适当的决策方案。在制造过程中,AI可精细地分析过去生产的数据,且同时考虑机器、配方、操作员和环境等因素,以确保最有效的参数设定。除了数值预测模型和整合式学习等常见的模型外,可涵盖各种因子的大型神经网络转换模型也经常被使用。通常更复杂的模型代表运用更大的潜藏空间。这种方法已广泛导入制造业中,显著地提高生产效率和稳定产品品质。
机器人流程自动化(RPA):AI亦可透过RPA自动执行重复与规则性的任务,例如人工的手动数据输入、订单处理、财务报告和行政事务等,使人力可专注更具挑战性和创造力的工作。常见的AI应用有图像与文本识别,如OCR技术已可显著地协助人类判断图像文字,帮助用户快速将数字、表格和文本转换为数据数据,并将其整合至报表系统中,甚至可轻易监控数据的变化,实时排除异常状况。
供应链优化:AI也能优化整个供应链流程,包含采购、需求预测、订单状态、物流分配和财务管理等各个面向。透过AI分析数据,可预测市场趋势,制定生产流程、有效资源分配和库存管理。此部分最常使用数值回归模型、定价模型和时间序列模型,让模型预估数量或监控数量变化,来提升工作流程效率与减少费用的开支。
AI辅助自动化可带来什么效益呢?
将AI与自动化系统整合,在各种产业应用已带来许多优点,其中最显著的效益如下:
提高准确度与精确度:利用数据分析方法,使AI透过大量数据不断学习与调整,可提高自动化流程的准确度与精确度,避免决策错误,确保品质表现一致性。
提高效率和生产力:AI驱动的自动化流程,可减少人工手动操作,优化产线的工作流程,让工作任务完成更快,产量更高,整体生产效率更提升。
节省成本:AI可自动化例行性和重复性的工作,使资源分配更优化,让企业更节省劳动成本和运营成本。
AI协助日月光迈向智能制造的未来
AI和自动化协同可创建智能、高效和机敏的制造系统。AI的智力、学习和预测能力可为自动化增添了许多加值应用,提供更正确的决策与更优化的流程。我们深信: 每当需要人类智慧进行判断、操作、或决策时,必定潜藏存在以AI来协助人类智慧的无限可能,以此理念为基石,日月光倾力打造更具竞争力和生产力的智能制造生态系统。
(来源:ASE日月光,作者:萧剑安‒日月光研发副总,黄翁贤,许奕中)
免责声明:本文为转载文章,转载此文目的在于传递更多信息,版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题,请联系小编进行处理。
推荐阅读:
克萨重磅发布高性能超轻薄、带有四个分布式CAN模块的紧凑型嵌入式通讯卡
学子专区—ADALM2000实验:集成驻极体麦克风的音频放大器