Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Ähnlich wie [台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
Ähnlich wie [台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰 (20)
Mehr von 台灣資料科學年會
Mehr von 台灣資料科學年會 (20)
[台灣人工智慧學校] 工業 4.0 與智慧製造的發展趨勢與挑戰
- 1. 工業4.0與智慧製造的 發展趨勢與挑戰 Development Trends and Challenges of Industry 4.0 and Smart Manufacturing 周至宏 (Jyh-Horng Chou) Fellow IEEE/IET/CACS/CSME/CIAE 國立中興大學 講座教授兼副校長 國立高雄科技大學 講座教授 逢甲大學 特約講座教授 國立中正大學 合聘講座教授 高雄醫學大學 合聘講座教授 國立成功大學智慧製造研究中心 共同主持人 國家實驗研究院人工智慧產學研聯盟 共同召集人 2019年03月16日台灣人工智慧學校南部分校第一期開學典禮－主題演講 COPYRIGHT© JYH-HORNG CHOU 1
- 2. 周至宏 簡歷 專任職務 ◇國立中興大學機械工程學系 講座教授兼副校長 ◇國立高雄科技大學電機工程系 講座教授 學歷 ◇國立成功大學工程科學學士(1977/09~1981/06) ◇國立成功大學工程科學碩士(1981/09~1983/06) ◇國立中山大學機電工程博士(1986/09~1988/12) 研究興趣 ◇自動化與控制 ◇最佳化技術 ◇人工智慧 ◇品質工程 ◇資訊技術與系統整合 2
- 3. 經歷暨兼任職務 ◇科技部工程司自動化學門 召集人 ◇科技部工程司產學合作推動規劃—機電能源領域 召集人 ◇國立成功大學 智慧製造研究中心 共同主持人 ◇國立中正大學 前瞻製造系統研究中心 合聘講座教授 ◇高雄醫學大學 醫務管理暨醫療資訊學系 合聘講座教授 ◇逢甲大學 工學院 特約講座教授 ◇國立高雄應用/第一科技大學 電機系/電機所 專任/合聘講座教授 ◇工業技術研究院 智慧微系統科技中心/智慧機械科技中心 特聘研究顧問 ◇精密機械研究發展中心 顧問 ◇金屬工業研究發展中心 顧問 ◇資訊工業策進會 數位服務創新研究所 顧問 ◇經濟部 智慧製造聯網數據加值產業聯盟 顧問 ◇國家實驗研究院 人工智慧產學研聯盟 共同召集人 ◇經濟部 智慧機械金質獎 評審委員 ◇政府科技發展計畫審議暨計畫績效評估之群組審查專家 ◇國家高速網路與計算中心網路大型運算計畫審查會委員 ◇經濟部、科技部、教育部的審查會委員 3
- 4. 經歷暨兼任職務 ◇科技部「單機設備或單元智能控制系統先進技術及加值軟體研發」專案 計畫辦公室主持人 ◇科技部「工具機控制系統自主化前瞻技術與加值軟體研發」專案計畫 辦公室主持人 ◇科技部「深耕工業基礎技術推動規劃」專案計畫辦公室共同主持人 ◇科技部「先進製造技術研究專案推動」專案計畫辦公室共同主持人 ◇經濟部與科技部的能源科技計畫的技轉國際合作小組主題經理 ◇中華民國模糊學會 理事長 ◇國立高雄應用科技大學 教授兼副校長 ◇國立高雄第一科技大學 教授兼代理校長、副校長、院長、系主任 ◇國立雲林科技大學 教授兼系主任 ◇國立高雄工專 副教授兼自動化中心主任 ◇國立中山大學 講師 ◇IEEE Transactions on Systems, Man and Cybernetics: Systems、Journal of Optimization Theory and Applications、International Journal of Fuzzy Systems 等國際著名期刊之Associate Editor 4
- 5. 重要獎項與榮譽 ◇美國Institute of Electrical and Electronics Engineers會士 (IEEE Fellow) ◇英國Institution of Engineering and Technology會士 (IET Fellow) ◇中國機械工程學會會士 (CSME Fellow) ◇中華民國自動控制學會會士 (CACS Fellow) ◇中華民國自動化科技學會會士 (CIAE Fellow) ◇榮獲聘任為IEEE Fellow評審委員會委員及評審委員 ◇科技部/國科會傑出研究獎、科技部特約研究人員 ◇中山學術文化基金會 中山學術獎 ◇東元科技文教基金會 東元獎 ◇臺灣機械工業同業公會 機械工業產學貢獻獎 ◇教育部優秀教育人員獎 ◇中國工程師學會傑出工程教授獎 ◇中國機械工程學會傑出工程教授獎 ◇中華民國系統學會傑出學術貢獻獎 ◇中國電機工程學會傑出電機工程教授獎 ◇中華民國自動控制學會傑出自動控制工程獎 ◇榮獲科技部之科技大觀園網站作專訪報導 ◇IEEE Outstanding Technical Achievement Award (IEEE Tainan Section) 5
- 6. 重要獎項與榮譽 ◇帶領研究團隊以“計算智慧技術”協助台灣產業之“智慧製造”研發的成功績效與 技術突破等貢獻，榮獲 IEEE CIS (IEEE Computational Intelligence Society) Highest Rank的Winner，於2014年6月至2018年10月期間榮獲為「全球第一件、國 際上唯一」被IEEE CIS Website開闢專欄，特別報導的Industrial Success Story。 ◇指導的博士論文榮獲第二屆兩岸四地"上銀機械博士論文獎"之優秀獎。 ◇帶領研究團隊之產學合作成果績效，榮獲科技部工程科技推展中心的肯定，於 工程科技通訊雙月刊報導產學合作研發成果。 ◇由於學術創新價值與產業實務應用等績效優異，學術與技術之研究成果被推薦 列為2009年及2012年中華民國科學技術年鑑 (Science and Technology Yearbook) 中之國科會工程處的重要學術成就之一。 ◇四篇SCI期刊論文被Thomson Reuters ISI Web of Knowledge之Essential Science Indicators列為高度被引用論文(Highly Cited Papers)。 ◇曾被Thomson Reuters ISI Web of Knowledge之Essential Science Indicators獲選 列為全世界SCI學術期刊論文被引用次數Top 1%之被引用次數最多的科學家(Most Cited Scientists)之一。 ◇ 國際出版 社 Springer 於2015年出版之書籍 "Recent Advances in Swarm Intelligence and Evolutionary Computation"中，評論周教授所研發之Hybrid Taguchi-Genetic Algorithm (HTGA) 為最受全球學者專家青睞的 Popular Hybrid Algorithms之一，並名列Popular Hybrid Algorithms的第一名。 6
- 7. 演 講 內 容 ✿ 工業4.0與智慧製造 (Industry 4.0 and Smart Manufacturing) ✿ 人工智慧/計算智慧 (Artificial/Computational Intelligence) ✿ 發展趨勢與挑戰 (Development Trends and Challenges) ✿ 結語 (Summary) 7
- 9. 工業4.0計畫： (2013年德國政府於漢諾威工業展提出之高技術發展策略) ◎ 打造一個大量將網路技術、軟體技術、物聯網 (Internet of Things)技術、雲端運算技術、與 巨量資料(Big Data)技術整合起來的完全數位化 的「智慧製造生產系統」。 ◎ 智能系統(Intelligent System)+ CPS。 (System of Systems) 9
- 10. 1 一、智機產業化： (智慧製造設備、設備單機或單元的智慧化 (周至宏)) (一)定義：智機即智慧機械，也就是整合各種智慧技術元素，使其具 備故障預測、精度補償、自動參數設定、自動排程、…等 智慧化功能，並具備提供Total Solution及建立差異化競爭 優勢之功能。 (二)範疇：包含建立設備整機、零組件、機器人、物聯網、大數據、 CPS、感測器等產業。 二、產業智機化： (智慧製造系統、智慧製造、工業4.0(周至宏)) (一)定義：產業導入智慧機械，建構智慧生產線(具高效率、高品質、 高彈性特徵)，透過雲端及網路與消費者快速連結，提供大 量客製化之產品，形成聯網製造服務體系。 (二)範疇：包含航太、半導體、電子資訊、金屬運具、機械設備、食 品、紡織、零售、物流、農業等產業。 智慧機械 (智慧設備與智慧製造) (參考：經濟部工業局2016年7月) 10
- 11. 2 智慧製造(智慧生產線) 國內應用產業 練兵 • Total Solution • 建置Domain Know-How應用 • 建立差異化競爭優勢 消費者的需求與應用產業將快速連結 人工智慧 物聯網 大數據 CPS 精實管理 物聯網物聯網、 智慧技術 感測器 ( 系 統 整 合 商 ) 帶 動 技 術 服 務 業 發 展 精密機械與精密機械與 製造設備 智慧設備 消費者 整廠整線輸出國外 智慧機械/設備/製造產業生態體系(參考：經濟部工業局2016年7月) 產品/服務 創新 品牌 客製化 智慧化 3D列印資通訊科技 半導體航太 機械設備、金屬運具、 電子資訊、能源、3C、 食品、紡織、農業 11
- 13. 工業4.0、智慧製造 By integrating CPS with intelligent systems (e.g., intelligent production scheduling, intelligent logistics, and intelligent services) in the current industrial practices, it would transform today’s factories into an Industry 4.0 (Smart Manufacturing) factory with significant economic potential. (周至宏) 13
- 14. 通路商 物料 供應商 終端 消費者 製造 設備 系統 智慧 工廠 市場訂單預測 消費者巨量資料 物流行銷 客戶/訂單資料庫 消費者偏好 品質保證 生產排程 維護保養 預測與排程 製程優化、 監控、調機 出貨排程 料件資料庫 物料訂單 設計與規劃 (Twin or Triplets Model) Cyber-Physical System (CPS) 14
- 15. 人工智慧/人工智能 (Artifical Intelligence、AI) (Wikipedia) ◆Artificial Intelligence (AI) is defined as “a system’s ability to correctly interpret external data, to learn from such data, and to use those learnings to achieve specific goals and tasks through flexible adaptation”. Colloquially, the term "artificial intelligence" is applied when a machine mimics "cognitive" functions that humans associate with other human minds, such as "learning" and "problem solving". ◆人工智慧亦稱機器智慧，是指由人工製造出來的系 統所表現出來的智慧。通常人工智慧是指通過電腦實 現的智慧。 15
- 16. 智慧/智能 (Intelligence) "We need to think of intelligence as an optimization process, a process that steers the future into a particular set of configurations. A superintelligence is a really strong optimization process." — Professor Nick Bostrom Director, Governance of Artificial Intelligence Program, University of Oxford 16
- 17. A Glossary of Artificial-Intelligence Terms (Ethan Tu) █ Artificial Intelligence AI is the broadest term, applying to any technique that enables computers to mimic human intelligence, using logic, if-then rules, decision trees, and machine learning (including deep learning). █ Machine Learning The subset of AI that includes abstruse statistical techniques that enable machines to improve at tasks with experience. The category includes deep learning. █ Deep Learning The subset of machine learning composed of algorithms that permit software to train itself to perform tasks, like speech and image recognition, by exposing multilayered neural networks to vast amounts of data. 17
- 18. 人工智慧領域 (Artifical Intelligence Field) (TechOrange，2019/02/12) ◆ The Johns Hopkins University的Professor Alan Yuille (電腦視覺領域奠基者之一)： 現在做AI不提神經網路，成果都很難發 表了，這不是個好形勢。如果人們只追 神經網路的潮流，拋棄所有老方法，這 個領域可能很難有更好的發展。 18
- 19. The Broad Perspective of AI (David Fogel) ●周至宏：除了David Fogel所提之實現智慧的八類技術範疇外， Feedback機制也是一實現智慧的重要技術。(In addition to the eight broad software perspective proposed by David Fogel to implement intelligence, the feedback mechanism is also an important technology to achieve intelligence.) 19
- 20. Computational Intelligence (CI, 計算智慧) Any biologically, naturally, and linguistically motivated computational paradigms include, but not limited to, Neural Network, Connectionist Machine, Fuzzy System, Evolutionary Computation, Autonomous Mental Development, and Hybrid Intelligent Systems in which these paradigms are contained. Coined by the IEEE Computational Intelligence Society Credited to Jim Bezdek, University of West Florida 20
- 24. 智慧製造/工業4.0 關注的研發議題(1/5) 全球產業界關心之智慧製造/工業4.0的研發議題是：生產系統 、品質保證、製程優化、數位建模。應用與整合Statistical Methods、Computational Intelligence、Artificial Intelligence 、Control Technology，可以來提供 Solutions。 (1)生產系統：生產排程、生產設備(狀態感測與監控、預知保 養、狀態量測與估測、加工干涉模擬、自動校正與補償、線上 調機、系統控制技術、CAD/CAM整合、語音導航)。 (2)品質保證：品質檢測、品質估測、品質預測、製程狀態診 斷與分析。 (3)製程優化：優化製程能力、製程參數優化、優化生產效率 、能源運用優化、穩健優化能力。 (4)數位建模：建立 Digital Twin、Twin Model。 24
- 26. 智慧製造/工業4.0 關注的研發議題(3/5) (Steven Y. Liang，Intelligent Machinery and Equipment Technology，2016/10/24) The use of computational data analysis, machine learning, scenario simulation, future prediction, and system optimization (數據分析、 機器學習、情境仿真、未來預測和系統優化) in support of decision making and manufacturing execution so as to extend human capabilities in： • coping with complexities (問題複雜) • coping with uncertainties (不確定性) • coping with large amount of data (數據量大) • coping with limited corporate memory (記憶有限) • coping with urgencies (情況突發) 26
- 32. Digital Twin Model for Manufacturing Process (Source: Deloitte University Press) (Twin Model、Cyber-Physical System) 32
- 33. Twin Model、Digital Twin (Fraunhofer---Institute of Optronics, System Technologies, and Image Exploitation) 33
- 34. 數 位 雙 胞 胎 (Digital Twin、Twin Model) Digital Twin的架構與定義很廣，其包括： (1)運用學理機制方法，以及一些實際Data和 Identification的方法，來建構Mathematical Twin Model。 (2)利用實際Data，以及Machine Learning方 法，來建立Twin Model。 (3)運用VR、AR所建立之一些可視化的Twin Model。 (4)如何利用實際Data，來讓一些商用軟體成 為Twin Model。 34
- 37. Inductive AI、Deductive AI (Statistical AI、Classical AI) ◆ Inductive AI (statistical AI), which is coming from machine learning, tends to be going on the path of "inductive" thought: given a set of patterns, induce the trend. (Neural Networks) ◆ Deductive AI (classical AI) is concerned with "deductive" thought: given a set of constraints, deduce a conclusion. (Fuzzy Logic、 Expert Systems、Control Technologies) 37
- 38. Endpoint e-AI of Smart Manufacturing (1/2) (Renesas Electronics Corporation；Junko Yoshida of EE Times) ◎ IIoT需要與網際網路連結，但工廠管理層最不希望看到的是生產製造系統受到網路 攻擊。實際上，多年來人們都認為工業控制系統(ICS)環境應該與IT網路隔離，以防範 駭客攻擊。另外，數據隱私是在Endpoint處理而不是在Cloud處理的動機之一。 ◎ OT領域的Real-time Continuous AI與IT領域推動的Statistical AI有著鮮明對比。 ◎ OT領域在能源消耗和延遲等方面的要求與IT領域截然不同，工廠生產線上的各種 設備有成百上千個感測器，絕不允許停機；可預測性、安全性、穩健性、可靠度、即 時性、和效能等條件，對工業控制系統(ICS)環境至關重要。一座智慧工廠所需的基礎 設施，其穩健性和可靠度要比一般的IT基礎設施高出一個等級。 ◎ 當生產線上的特定問題已經被確定時，AI技術最能妥善應用於OT領域；AI會要求 OT管理者將生產過程分解為多個小塊，然後在每個終端節點進行AI推理，使用即時 輸入資料來執行“做或不做”等的決策。 38
- 39. Endpoint e-AI of Smart Manufacturing (2/2) ◎Artificial Intelligence is rapidly driving growth in the Information Technology (IT) and Operational Technology (OT) domains. In the Smart Manufacturing, the needs of Operational Technology are Endpoint Real-time Inference Technology, Endpoint Learning, Real-time Cognition and Intelligence without Cloud Lag, Control Technology, Safety, Robustness, and Low Power. The e-AI (embedded artificial intelligence) solutions are enhancing OT-based systems and products by placing AI where it matters the most – at the endpoint – while decoupling dependency on the Cloud for real-time decisions, real-time action, and AI inference at endpoint with real-time action no cloud lag. (Renesas Electronics Corporation) 39
- 40. 智慧製造/工業4.0 (圖的來源：黃俊弘，工研院機械所系統組，2019年3月5日) ● Endpoint AI、Edge AI、Cloud AI ● Statistical AI (Inductive AI) Real-time Continuous AI (Deductive AI、Classical AI) ● MES (Manufacturing Execution System) MOM (Manufacturing Operations Management) 40
- 41. Ensemble Model (http://www.fujielectric.co.jp/) The Estimation/Prediction effect/accuracy varies at times depending on the built model. A developed Ensemble Model allows effective/accurate estimation/prediction. 41
- 42. 42
- 43. 43
- 44. 44
- 45. 45
- 46. 46
- 47. 核心技術的發展需求、趨勢與挑戰 @ 人工智慧的應用(德國漢諾威工業展) @ 智慧生產網路系統(德國漢諾威工業展) @ 預測性維護服務(德國漢諾威工業展) @ 人機協同(Cobots)(德國漢諾威工業展) @ 數位雙胞胎(Digital Twin)(德國漢諾威工業展) @ 循環經濟系統設計 @ 穩健性、可靠性、可解釋性、即時性、 低耗能、安全、模塊化之機動性 47
- 48. Technical Perspective (From the Fraunhofer, Germany) 48
- 49. Research & Development Needs (Professor Alf J. Isaksson, ABB, Västerås, Sweden) ◎ What services are helpful? ◎ What business models make sense? ◎ How to technically implement software services? ◎ How to provide self-healing, self-organizing or self-optimizing production and negotiation capabilities? ◎ How to protect investments of existing plants? ◎ How to model and store virtual models ? ◎ How to interact between virtual and real world? ◎ How to reach industrial performance? ◎ How to provide a secure network? ◎ How to model and standardize interfaces towards physical objects and services? ◎ How to connect devices into the internet? ◎ How to model self-awareness across vendors regarding functionality, requirements etc.? 49
- 50. ♡❤❤❤♡ Thank you for your attention! 50