熱門Ptt文章

[爆卦]庫存管理系統流程圖是什麼？優點缺點精華區懶人包

雖然這篇庫存管理系統流程圖鄉民發文沒有被收入到精華區：在庫存管理系統流程圖這個話題中，我們另外找到其它相關的精選爆讚文章

在 庫存管理系統流程圖產品中有5篇Facebook貼文，粉絲數超過3,992的網紅台灣物聯網實驗室 IOT Labs，也在其Facebook貼文中提到， 倉儲、組裝設備安裝與運作 VR/AR讓IoT更準確 涂翠珊 2021-01-27 倉庫及組裝線可在實際安裝設備前，先利用VR、AR工具進行模擬與評估，避免成本及資源的浪費。物聯網(IoT)感測器則可捕捉用戶的反應，藉此提升VR、AR體驗以及工具的準確度。 據IT Now報導，人在感受外界...

「庫存管理系統流程圖」的推薦目錄
  • 台灣物聯網實驗室 IOT Labs

    庫存管理系統流程圖 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文

    2021-03-10 13:58:45
    有 0 人按讚

    倉儲、組裝設備安裝與運作　VR/AR讓IoT更準確

    涂翠珊 2021-01-27

    倉庫及組裝線可在實際安裝設備前，先利用VR、AR工具進行模擬與評估，避免成本及資源的浪費。物聯網(IoT)感測器則可捕捉用戶的反應，藉此提升VR、AR體驗以及工具的準確度。

    據IT Now報導，人在感受外界刺激時，往往會出現瞳孔放大、肌肉收縮、呼吸心跳速度改變等情形。當VR、AR工具指示不清時，用戶的表情、瞳孔也會與平時不同。最新的VR、AR工具除了原有的顯示功能外，還能與感測器整合，追蹤用戶眼球動作及各種生理回饋，藉此得知用戶對於虛擬體驗的反應，並改進系統中容易讓用戶感到困惑及誤導的部份。

    舉例而言，倉儲的視覺撿拾系統常與庫存管理系統、倉庫位置系統整合在一起。視覺撿拾系統如果能引進AR顯示，就能將地圖資訊、方向、物件照片、條碼等訊息覆蓋在實體影像上，提升撿拾作業的準確度與速度，而物聯網的感測與人工智慧(AI)技術，則有助於立即改進AR系統的問題，並協助系統採取最佳的工作流程。

    這類系統的成敗大多取決於視覺系統與鏡頭的品質。一般而言，畫面品質越高、資料越豐富，反應時間也會被拖慢，因此許多系統會選擇較便宜的GPS技術與掃描標籤，以降低畫面解析度，但如此一來也就犧牲了高品質視覺系統所能提供的有限分析(finite analysis)能力。

    附圖：VR、AR工具可受惠於感測器及AI訓練。法新社

    資料來源：https://www.digitimes.com.tw/iot/article.asp?cat=158&cat1=20&cat2=130&id=0000602865_NOW97MSN515EL566DM5YT

  • 台灣物聯網實驗室 IOT Labs

    庫存管理系統流程圖 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

    2021-01-28 20:43:49
    有 1 人按讚

    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

  • 台灣物聯網實驗室 IOT Labs

    庫存管理系統流程圖 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答

    2021-01-13 11:30:12
    有 0 人按讚

    AI人工智慧正在改變你我的醫療行為

    2021-01-07 14:39 聯合新聞網 / 常春月刊
    本文摘自《常春月刊》454期
    文／鍾碧芳

    近來，數位科技正逐步與醫療緊密結合，試圖將人工智慧的發展應用在醫療上，這在21世紀第二個十年當中是最被看重的一環；經過多年的應用測試下，如何透過人工智慧讓醫療變得更安全、錯誤更少、更精準，又能在最短時間內處理並解決病人的資訊，讓醫療效果更高、費用更低廉，是所有醫療領域最迫切得到的理想目標。

    臺北醫學大學附設醫院（以下簡稱北醫）近年在院長陳瑞杰的領導下，積極導入智慧醫院，他認為在進行人工智慧前，全院數位化是必經過程。「這幾年北醫團隊在數位化的建置上已經趨於完整，無論從掛號、報到、繳費、加護病房，甚至到給藥系統等，都可見人工智慧（AI）的蹤跡，能提升整體醫療服務與照護品質。」

    動脈取血栓，延長腦中風黃金救援時間

    數據是人工智慧很重要的基礎，透過技術能達到過去做不到的部分，陳瑞杰舉北醫的急救為例，以前腦中風的患者必須要搶在6小時內注射靜脈血栓溶解劑；但在數位化後有了革新，現在可以擴大到在24小時動脈取栓治療，等於是用更科學的方法找到更好的治療成效。

    北醫所運用的是以電腦斷層或核磁共振影像，加上電腦自動分析軟體（RAPID）來了解病患的腦中風狀態，依此得知患者腦內壞掉組織後的存活機率，如阻塞的範圍、大小等預測。這彌補了過去光靠時間來判定病患狀況，讓醫學治療的路徑產生改變，在北醫，這樣的案例已經執行了50多例，成效良好。

    重症照護平台，提早預測敗血症機率

    而由北醫自行研發的「TED- ICU AI重症照護平台」，則能自動蒐集、整合、分析重症病患的生理數據，讓醫師與護理人員能即時掌握各項病歷資訊，這不但能省去醫護人員填寫資料的時間，讓醫療團隊更有效率專注於照護工作，透過大數據的分析與AI演算模型平台的建立，還可計算病人得到敗血症的機率。

    陳瑞杰表示，對於加護病房內常見的幻覺性疾病「譫妄症」，也能提出預測及解決方法，達到及早發現提早給藥，舒緩病患的不安，也能降低死亡率。

    智慧藥盒，安心用藥零風險

    當然，AI技術運用的範圍不只限於醫院端，於病人端同樣也能得到好處。陳瑞杰說，北醫於2018年底所引進的智慧藥盒，是專門為慢性病與長者量身打造，對慢性病患或長期獨居的長者，智慧藥盒能提供很大的幫助。

    北醫的智慧藥盒系統能存放400種以上不同的藥物，各自有其專屬的RFID，當機器收到病患用藥資訊之後，會將正確藥品掉落在藥盒之中，再利用影像辨識系統，依據藥品的大小、形狀、色澤與反光度等資訊進行比對後再進行包裝，接著再由專任藥師進行複驗，可達分錯藥的零風險。

    智慧藥櫃，提升藥品管理效率

    此外，在醫療照護方面，北醫也打造了智能藥品庫存管理系統。陳瑞杰指出，目前北醫的智慧藥櫃與自動化藥局能夠清點全院的藥物，無論是加護病房或全院一般病房內，都全面建置智慧藥櫃（ADC），能依照醫囑與藥師覆核後，給藥時由護理師直接到病房藥櫃就能取藥。

    這讓取藥變得更為精準，能減少人員的疏失，讓拿錯藥的機率降低為零，同時也因為將常用的藥物做了分類，清點藥物時，也能達到百分之百的準確，庫存可降到最低，不只精簡流程，也節省了每月的盤點人力。

    數位治療需達到精準預防的效果

    隨著大數據的整合日趨重要，過去許多疾病必須花時間找答案，現在已能透過數位治療加以實踐，就像過去認為高血壓的藥物必須一天照三餐吃，但經過資料收整研究後發現，一天吃一顆，效果一樣好，加上不會忘記，用藥順從度提高；但是每天一次是早上或晚上吃比較好，某些藥物如中風、血壓藥，若能放在晚上吃，不僅藥量可以減少，效果也比白天吃來得好。

    陳瑞杰認為，雖然目前國內人工智慧仍處於研究與開發階段，醫院端運用最多的仍在於X光影像處理與加護病房等，但要真正達到精準醫療，進而提升到預防醫學上，仍必須要收集更多的資料。

    比如預測癌症的發生，必須要思考病患的基因與環境表現，他形容這兩者就像命與運；醫院端需要靠病患提供生活端的資料，唯有收集的資料正確，才能得知藥物對病患的使用效果。

    而這些都是數位化與人工智慧結合後，能看到對病患端的好處，當然在醫院端方面，也因為數位化後，不只醫療供給、醫療服務或治療上都會越來越精準，再往上提升，自然就能做到精準預防。

    數位孿生概念，是智慧醫療的願景

    不過陳瑞杰感嘆，目前雖然科技進步，但對於人工智慧所需要的數據端資料收集與應用上，仍有很長的路要走，不僅是法規、資安、隱私等問題都有待克服。到目前為止，人工智慧在智慧醫療的應用仍限於輔助工具，如何將醫界與病患的資料作串聯與系統性的應用，仍是最大的難題。

    他提及，軟體工程師、PTT創辦人杜奕瑾董事長所推行的聯邦式學習，或許是很好的思考方向，不但能將去中心化的醫療資料與數據有效串連，也能給予醫療足夠的AI資料應用，同時又能保有醫院本體的資料自主性。

    此外，他認為未來人工智慧結合智慧醫療的願景，應該會朝著「數位孿生」（digital twin）的概念走，白話一點說，就是能在茫茫人海中找到跟自己很像的孿生兄弟姊妹，幫助自己看到未來的樣貌，或疾病的過程，提供自己老年後的參考。但一切都必須有數據，累積的越多，自然就更準確。

    未來，人工智慧與智慧醫療結合將有無限可能，不過陳瑞杰認為現階段最重要的是，如今北醫已經將手邊的資源做最大的利用，畢竟醫院的價值與品質同樣重要，而數位化、人工智慧都是工具，用來達成全人醫療為核心的目標，如何做到「視病猶己」才是目前最需要努力的方向。

    資料來源：https://udn.com/news/story/7016/5155255?fbclid=IwAR2cH3OfnaDPpuR0Y43YltxyJNcPbAxKDbMdAwCBixIemq6FfbX8vGP89dw

你可能也想看看

搜尋相關網站