【導(dǎo)讀】人工智能(AI) 正在改變世界，并在許多方面改善我們的生活。半導(dǎo)體產(chǎn)業(yè)在AI變革中扮演著關(guān)鍵角色，因為它不只提供AI應(yīng)用所需的強(qiáng)大運(yùn)算芯片，還使用AI來增強(qiáng)其企業(yè)內(nèi)部的運(yùn)營與管理、客戶服務(wù)、辦公流程、系統(tǒng)/產(chǎn)品/電路設(shè)計以及制造。在這篇文章中，我們將重點(diǎn)介紹AI如何協(xié)助制造自動化。
人工智能(AI) 正在改變世界，并在許多方面改善我們的生活。半導(dǎo)體產(chǎn)業(yè)在AI變革中扮演著關(guān)鍵角色，因為它不只提供AI應(yīng)用所需的強(qiáng)大運(yùn)算芯片，還使用AI來增強(qiáng)其企業(yè)內(nèi)部的運(yùn)營與管理、客戶服務(wù)、辦公流程、系統(tǒng)/產(chǎn)品/電路設(shè)計以及制造。在這篇文章中，我們將重點(diǎn)介紹AI如何協(xié)助制造自動化。
什么是AI運(yùn)算？
AI是計算機(jī)科學(xué)的分支領(lǐng)域，專注在創(chuàng)建擁有人類智能行為的系統(tǒng)或機(jī)器，其目標(biāo)為模擬人類的各種認(rèn)知功能，包含學(xué)習(xí)、推理、解決問題、感知、語言理解等等。AI涵蓋了各種技術(shù)領(lǐng)域，如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、自然語言處理、計算機(jī)視覺、機(jī)器人等。
AI是如何運(yùn)算的呢？
我們經(jīng)常聽到AI仰賴機(jī)器學(xué)習(xí)或深度學(xué)習(xí)運(yùn)算，這些不僅需要大量硬件資源，并涉及到極為復(fù)雜的神經(jīng)網(wǎng)絡(luò)計算。那這些背后計算又如何關(guān)聯(lián)至實際的應(yīng)用呢？為了避免復(fù)雜的數(shù)學(xué)公式解說，我們介紹一種相對簡單的核心概念來理解，即 AI運(yùn)算中的“潛藏空間 (Latent Space) ”(如下轉(zhuǎn)圖所示)。盡管底層的計算非常復(fù)雜，潛藏空間通常是將高維度復(fù)雜的原始資料，轉(zhuǎn)換并濃縮至較低維度的空間，在這個轉(zhuǎn)換過程中，可降維壓縮數(shù)據(jù)并同時擷取保留原始資料的重要特征。在潛藏空間的每一筆資料皆代表原始資料的一種特征或特征組合。在各種產(chǎn)業(yè)的應(yīng)用領(lǐng)域中，AI技術(shù)時常與潛藏空間相關(guān)聯(lián)，例如常見的資料維度縮減、訊息壓縮、代表性學(xué)習(xí)、數(shù)據(jù)預(yù)測和數(shù)據(jù)生成等?！笣摬乜臻g」概念已可廣泛地連結(jié)到真實世界人類的知識空間，如數(shù)值資料空間、影像資料空間、文本空間，甚至是這三種空間同時發(fā)生。
AI/機(jī)器學(xué)習(xí)如何解讀人類智能(HI)的資料
當(dāng)AI遇上制造自動化
近年來，AI應(yīng)用不斷導(dǎo)入于制造業(yè)且應(yīng)用面向持續(xù)擴(kuò)大。半導(dǎo)體制造業(yè)可利用AI算法、機(jī)器學(xué)習(xí)/深度學(xué)習(xí)、和數(shù)據(jù)分析等方式，來優(yōu)化和自動化生產(chǎn)線制程。常見的AI實際應(yīng)用如下：
預(yù)防性維護(hù)：透過分析自動化系統(tǒng)機(jī)臺或設(shè)備上的傳感器數(shù)據(jù)，AI可預(yù)測出該機(jī)臺與設(shè)備何時需要進(jìn)行維護(hù)，讓作業(yè)人員得以預(yù)先安排維護(hù)時間，減少非預(yù)期的停機(jī)，大幅減少機(jī)臺問題所造成的停機(jī)時間，進(jìn)而提高生產(chǎn)效率。在此應(yīng)用場景中，回歸模型是最常使用的方法，模型的回歸因子變量可同時考慮各種數(shù)據(jù)型態(tài)，例如傳感器的量測、記錄的時間序列、制程方法、材料等不同類型數(shù)據(jù)皆可。當(dāng)完成收集這些數(shù)據(jù)后，模型在學(xué)習(xí)過程中，會將這些變量轉(zhuǎn)換至潛藏空間用于進(jìn)一步運(yùn)算，針對我們真實世界的實際狀況進(jìn)行預(yù)測，提前預(yù)測機(jī)臺或設(shè)備未來可能遇到的問題。
質(zhì)量保證(QA)：AI可讓系統(tǒng)自動解析相機(jī)圖片數(shù)據(jù)，進(jìn)行實時質(zhì)量控制，檢測制程中的產(chǎn)品是否有缺陷或異常。常用技術(shù)包含監(jiān)督式學(xué)習(xí)的物體檢測模型，以及無監(jiān)督式學(xué)習(xí)異常檢測模型，目標(biāo)是高準(zhǔn)確度判斷視覺圖片是否有瑕疵或異常。這些基于圖像的模型通常利用復(fù)雜深度學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)層，將數(shù)據(jù)轉(zhuǎn)換到潛藏空間運(yùn)算出機(jī)率值，再輸出異常的區(qū)域與類別。這些先進(jìn)技術(shù)已可高度準(zhǔn)確判讀圖像資料，偵測出缺陷產(chǎn)品，并自動移除異常產(chǎn)品，以確保生產(chǎn)品質(zhì)。
制程參數(shù)優(yōu)化：AI算法可通過分析各種數(shù)據(jù)來優(yōu)化制程，提升生產(chǎn)效率。例如，在制程開始前，AI可模擬并分析大量的歷史數(shù)據(jù)，生成最有效的設(shè)計解決方案，縮短產(chǎn)品開發(fā)時間?？山忉尩腁I模型被廣泛應(yīng)用在這個階段，為使用者提供適當(dāng)?shù)臎Q策方案。在制造過程中，AI可精細(xì)地分析過去生產(chǎn)的數(shù)據(jù)，且同時考慮機(jī)器、配方、操作員和環(huán)境等因素，以確保最有效的參數(shù)設(shè)定。除了數(shù)值預(yù)測模型和整合式學(xué)習(xí)等常見的模型外，可涵蓋各種因子的大型神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換模型也經(jīng)常被使用。通常更復(fù)雜的模型代表運(yùn)用更大的潛藏空間。這種方法已廣泛導(dǎo)入制造業(yè)中，顯著地提高生產(chǎn)效率和穩(wěn)定產(chǎn)品品質(zhì)。
機(jī)器人流程自動化(RPA)：AI亦可透過RPA自動執(zhí)行重復(fù)與規(guī)則性的任務(wù)，例如人工的手動數(shù)據(jù)輸入、訂單處理、財務(wù)報告和行政事務(wù)等，使人力可專注更具挑戰(zhàn)性和創(chuàng)造力的工作。常見的AI應(yīng)用有圖像與文本識別，如OCR技術(shù)已可顯著地協(xié)助人類判斷圖像文字，幫助用戶快速將數(shù)字、表格和文本轉(zhuǎn)換為數(shù)據(jù)數(shù)據(jù)，并將其整合至報表系統(tǒng)中，甚至可輕易監(jiān)控數(shù)據(jù)的變化，實時排除異常狀況。
供應(yīng)鏈優(yōu)化：AI也能優(yōu)化整個供應(yīng)鏈流程，包含采購、需求預(yù)測、訂單狀態(tài)、物流分配和財務(wù)管理等各個面向。透過AI分析數(shù)據(jù)，可預(yù)測市場趨勢，制定生產(chǎn)流程、有效資源分配和庫存管理。此部分最常使用數(shù)值回歸模型、定價模型和時間序列模型，讓模型預(yù)估數(shù)量或監(jiān)控數(shù)量變化，來提升工作流程效率與減少費(fèi)用的開支。
AI輔助自動化可帶來什么效益呢？
將AI與自動化系統(tǒng)整合，在各種產(chǎn)業(yè)應(yīng)用已帶來許多優(yōu)點(diǎn)，其中最顯著的效益如下：
提高準(zhǔn)確度與精確度：利用數(shù)據(jù)分析方法，使AI透過大量數(shù)據(jù)不斷學(xué)習(xí)與調(diào)整，可提高自動化流程的準(zhǔn)確度與精確度，避免決策錯誤，確保品質(zhì)表現(xiàn)一致性。
提高效率和生產(chǎn)力：AI驅(qū)動的自動化流程，可減少人工手動操作，優(yōu)化產(chǎn)線的工作流程，讓工作任務(wù)完成更快，產(chǎn)量更高，整體生產(chǎn)效率更提升。
節(jié)省成本：AI可自動化例行性和重復(fù)性的工作，使資源分配更優(yōu)化，讓企業(yè)更節(jié)省勞動成本和運(yùn)營成本。
AI協(xié)助日月光邁向智能制造的未來
AI和自動化協(xié)同可創(chuàng)建智能、高效和機(jī)敏的制造系統(tǒng)。AI的智力、學(xué)習(xí)和預(yù)測能力可為自動化增添了許多加值應(yīng)用，提供更正確的決策與更優(yōu)化的流程。我們深信: 每當(dāng)需要人類智慧進(jìn)行判斷、操作、或決策時，必定潛藏存在以AI來協(xié)助人類智慧的無限可能，以此理念為基石，日月光傾力打造更具競爭力和生產(chǎn)力的智能制造生態(tài)系統(tǒng)。
（來源：ASE日月光，作者：蕭劍安?日月光研發(fā)副總，黃翁賢，許奕中）
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請聯(lián)系小編進(jìn)行處理。
推薦閱讀：
克薩重磅發(fā)布高性能超輕薄、帶有四個分布式CAN模塊的緊湊型嵌入式通訊卡
榮耀加冕！榮湃半導(dǎo)體榮獲VDE頒發(fā)“最具競爭力合作伙伴獎”
學(xué)子專區(qū)—ADALM2000實驗：集成駐極體麥克風(fēng)的音頻放大器
