趨勢觀察/AI助攻 建構智慧自動化

改善營運 讓製造變聰明

Jeff Steinheider表示，應該要推動智慧自動化，首要原因是現今的基礎架構效率不彰且非常脆弱，放眼全球，近半的全球廢棄物都是因為製造效率低下而造成，例如產品組合錯誤，太早製造產品，導致產品過期，或供應鏈、製造與訂單系統間缺乏連結，導致製造端錯誤。

同時，Jeff Steinheider也說，從製造鏈再看到運輸，高達30％的卡車是空車，浪費燃料、設備與人力。讓邊緣更智慧，並為自動化添加智慧，有助改善營運。利用預測式維修可在問題發生前就找到問題，每年可節省大量停機成本。

Jeff Steinheider指出，當把更多的智慧加入系統，系統的連結度更高，系統必須互相連結才能分享資訊以推動營運。去年最常遭受攻擊的產業是製造業，攻擊者常使用細緻的手法，攻擊高價值系統，例如攻擊生產能源或生產我們每日仰賴商品的工廠與製程節點。

在生產力方面，Jeff Steinheider強調，透過AI可以提升自動化任務，例如掃描與產品識別，讓機器與產線以更快的速度來移動產品，或讓機器更可靠。

同時，AI也可提高工廠的安全性，在危險環境中減少人力，以機器人取代之，或在重複性的工作裡去除人力。

最後，也可以利用AI來預防某些網路攻擊。

Jeff Steinheider並提到，NX有些案例就是運用AI在攻擊發生時就識別攻擊，儘早識別可以在問題蔓延前採取矯正措施，例如關閉受感染系統，或將系統還原成安全狀態。

另外，把所有的數據送上雲端，會有延遲與成本問題，而賦予系統更多智慧有助解決這些問題，也就是在收集資料的邊緣進行決策。

邊緣運算 提升行動決策

整體而言，Jeff Steinheider表示，恩智浦希望打造具有復原力與高效率的基礎架構，這當中有四個建構智慧自動化的主要領域，首先是邊緣運算，這是將運算移至收集資料的邊緣裝置，可以為這些邊緣裝置賦予智慧，根據所收集的資料來行動或決策。再來是機器學習，這會嵌入邊緣運算系統，讓使用者做出更細緻的決策。

除了可根據已知資料來做「是、否」的決策，甚至可訓練機器來考量多個因子，邊做邊學，或在資料改變中學習。將機器學習嵌入邊緣運算系統，系統會變得更有效率，並提供更低延遲的決策。

第三是端到端安全。每個被賦予智慧的工業自動化系統都須連結，成為整體網路的一部分，而這會增加攻擊面。因此，在每套個別系統嵌入安全至關重要，藉此才能增加自動化系統的智慧。

第四是通訊，這可透過軟體更新，來更新機器學習演算法，為邊緣運算系統添加新軟體。這樣一來，不同系統間可互相分享資料，用以最佳化操作。