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

如果你對資料科學、演算法交易、機器人技術或任何人力被機器取代的行業感興趣，那麼你來對地方了！

從這 6 小時的課程，你會學到

✅獲取資料科學家在他們的工作所需的最重要的技能 – 機器學習
✅親身體驗第一手在大量資料尋找複雜關係的無與倫比的滿意結果
✅以 Python 應用 NumPy 和 TensorFlow 創建機器學習演算法
✅做大數據程式設計和任務解決時，發展商業直覺
✅全面了解 TensorFlow – Google 的尖端機器學習框架
✅將機器學習應用於一個真實的案例，有真實的人群、真實的資料和真實的洞見，幫助企業優化其行銷工作
✅獲得公司在雇用資料科學家時尋找的技能
✅從非常基礎 – 資料、模型、目標函數和優化演算法開始
深入了解機器學習過程
✅經由我們的課程筆記，了解機器學習演算法背後的數學
✅從 NumPy 開始，轉移到 TensorFlow，從不同的角度看 ML 過程
✅從頭建構機器學習演算法
✅展現深層神經網路的力量
✅了解反向傳播 ( backpropagation )
✅逐漸學習更複雜的話題，比如：彌合不足或過度彌合、訓練、驗證、n-fold交叉驗證、測試、提早停止、初始化
✅了解像隨機梯度下降、批量、動量和學習率規劃等優化技術
✅應用你學習的每一個主題
✅用 Python 實踐機器學習功能
✅加快演算法
✅執行預處理 – 標準化、規範化和獨熱編碼 ( One-hot Encoding )
✅評估機器學習演算法的準確性
✅調節超參數以獲得更好的性能

https://softnshare.com/machine-learning-with-tensorflow-for-business-intelligence/

明周專欄：後人類與後自我

上次談到凱薩琳．海爾斯（Katherine Hayles）的論著《後人類時代：虛擬身體的多重想像和建構》，當中追蹤了cybernetics這個學科在二十世紀下半的發展，並配合對同時期科幻小說的分析，探討「後人類」這個概念為甚麼會對人們帶來焦慮和恐懼，它又如何可以成為令人類脫胎換骨，重親自我創造的契機。
Cybernetics中譯為「控制論」、「自動控制論」或「模控學」，聽起來始終有點不明不白。其實cybernetics本身是個混雜的學科，橫跨許多個範疇，包括數學、統計學、機械學、生物學、神經科學、心理學、計算機學，甚至是人類學和社會學。控制論的創始人諾伯特．維納（Nobert Wiener）把它定義為「生物體或機器中溝通和控制的科學研究」。維納是數學家出身，二戰時曾替美國軍方研製反戰機自動攻擊系統，但戰後卻成為和平主義者，拒絕參與任何軍方計劃。控制論主要是在維納的鼓吹和推動下形成的學科，當中對「生命體」的理解涵義極廣，除了有機生物，還包括機器和社會等不同層階的自動系統。
上次我說控制論和人工智能的分別，在於前者重視實體而後者只關心數據和運算，其實並不十分準確。事實上，在稱為控制論第一波發展（1945-1960）的時期，研究者利用數學模型和機率函數計算自動系統應對環境和處理信息的能力。到了第二波發展（1960-1980），研究焦點才轉移到個體與環境的物質互動，認為實體（身體）和信息（意識）有著不可分割的關係。控制論究竟傾向實體化還是去實體化（embodiment and disembodiment），端看研究者的對生命本質的不同觀點。比如認為可以把人的意識和記憶化為數據，下載到電腦中的機器人學家漢斯．莫拉維克（Hans Moravec），便相信生命的本質就是沒有形體的信息。
控制論和人工智能的最大分別，可能是對客觀現實的看法。人工智能研究者假設客觀現實是存在的，而技術研發的目的，就是要創造出雖然功能更強大，但模式上是以人類為參照的程式和機器，無論是下棋、駕駛、聊天、投資，還是在戰場上殺敵。另外，把意識化為數據，把人從肉體的束縛解放出來，也必須先假定有一個客觀的、統一的、獨立存在的意識，也即是有一個界限清晰的自我。相反，控制論對現實的看法是建構性的。現實世界對任何一種生命體來說，就是它的系統設計所容許它認知的現象。對青蛙、小狗或海豚來說，牠們的「現實」和人類所認知的極可能是差異大於共通。我們沒有任何理由認為，人類所認知的才是最真實、最客觀的版本。它只是其中一個版本而已。
客觀現實不存在的另一面，是意識的非一致性。生命體對外界的反應以分層和分工的方式運作，絕大部分的情況都是自動的，無需經過思考和定奪。所以自我意識在生物演化中是個偶發或後起現象（epiphenomenon）。這和十八世紀在西方興起的人本主義（Humanism）和自由主義（Liberalism）所推崇的理性自主自我，是互相抵觸的。二十世紀末以來的文化批判理論，普遍認為自由人本主義與自由經濟理論同出一轍，並由此發展出現代時期的掠奪性資本主義，以及人類對地球資源的開發和控制的無限擴張。對《後人類時代》的作者海爾斯來說，控制論提出的分散式認知系統，是對自我本位的人本主義的批判。這就是她所理解的「後人類（本）主義」（Posthumanism）的積極意義所在。
從腦神經科學的最新發現可見，「自我」的確是個建構出來的幻象。在日裔美國科學家加來道雄（Michio Kaku）的科普著作The Future of the Mind中（中譯作莫名其妙的《2050科幻大成真》），舉出了許多證實「自我」並不存在的案例。比如說，為了防止一些癲癇症患者嚴重發作，會對他們的左右大腦半球的連結進行切斷手術。手術後患者表面上沒有甚麼行為異常，但研究者發現，如果分別給他們的左眼和右眼展示相同的問題，得到的卻是不同的答案。（左眼由右腦主管，而右眼由左腦主管。）這說明了左腦和右腦其實分別運作，各有不同甚至是相反的取向。在一般的情況下，由於左腦是主管語言的區域，所以右腦的取向會被左腦的表述能力所凌駕。
科學家指出，腦神經元連結的運作是多線同步並進的，許多單元既互相補足，也互相競爭，產生出認知和述說世界的模型，而最後我們之所以感到有一個單一的、穩定的自我，是因為內側前額葉皮質這個區域，發揮了統領的工作，把所有混沌和矛盾的信息，建構成一個合理的、一致的故事，製造出我們知道自己是誰的幻象。問題是，這個所謂統領，實際上的決策能力是有限的，它的工作只是對無意識的自動行為加以自圓其說而已。人類所自傲的理性和自由意志，不但不是我們的意識的主要內容，甚至只是扮演著邊緣的角色。
控制論的其中一名重要人物，研究自生系統和人工生命的法蘭西斯科．凡瑞拉（Francisco Varela），是一位佛教信徒。佛教所說的「無我」，正正就是生命系統中的諸種運作群龍無首的現象。可是，正如在《周易》乾卦中的「群龍無首」是吉兆，從生命的角度，沒有一個既定的、固有的自我，也不一定是壞事。控制論可以導引出不同於人本主義的價值觀，更新對生命及其自主性的理解。凡瑞拉如此定義說：「生物自主性的解釋，就是考量行動和創造世界意義的方式。」所以海爾斯樂觀地相信，後人類解構了唯我獨尊的自我，創造出新的更開放的後自我的可能性。