【導讀】人工智能(AI) 正在改變世界，并在許多方面改善我們的生活。半導體產(chǎn)業(yè)在A(yíng)I變革中扮演著(zhù)關(guān)鍵角色，因為它不只提供AI應用所需的強大運算芯片，還使用AI來(lái)增強其企業(yè)內部的運營(yíng)與管理、客戶(hù)服務(wù)、辦公流程、系統/產(chǎn)品/電路設計以及制造。在這篇文章中，我們將重點(diǎn)介紹AI如何協(xié)助制造自動(dòng)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。半導體產(chǎn)業(yè)在A(yíng)I變革中扮演著(zhù)關(guān)鍵角色，因為它不只提供AI應用所需的強大運算芯片，還使用AI來(lái)增強其企業(yè)內部的運營(yíng)與管理、客戶(hù)服務(wù)、辦公流程、系統/產(chǎn)品/電路設計以及制造。在這篇文章中，我們將重點(diǎn)介紹AI如何協(xié)助制造自動(dòng)化。
什么是AI運算？
AI是計算機科學(xué)的分支領(lǐng)域，專(zhuān)注在創(chuàng )建擁有人類(lèi)智能行為的系統或機器，其目標為模擬人類(lèi)的各種認知功能，包含學(xué)習、推理、解決問(wèn)題、感知、語(yǔ)言理解等等。AI涵蓋了各種技術(shù)領(lǐng)域，如機器學(xué)習、深度學(xué)習、自然語(yǔ)言處理、計算機視覺(jué)、機器人等。
AI是如何運算的呢？
我們經(jīng)常聽(tīng)到AI仰賴(lài)機器學(xué)習或深度學(xué)習運算，這些不僅需要大量硬件資源，并涉及到極為復雜的神經(jīng)網(wǎng)絡(luò )計算。那這些背后計算又如何關(guān)聯(lián)至實(shí)際的應用呢？為了避免復雜的數學(xué)公式解說(shuō)，我們介紹一種相對簡(jiǎn)單的核心概念來(lái)理解，即 AI運算中的“潛藏空間 (Latent Space) ”(如下轉圖所示)。盡管底層的計算非常復雜，潛藏空間通常是將高維度復雜的原始資料，轉換并濃縮至較低維度的空間，在這個(gè)轉換過(guò)程中，可降維壓縮數據并同時(shí)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)的應用領(lǐng)域中，AI技術(shù)時(shí)常與潛藏空間相關(guān)聯(lián)，例如常見(jiàn)的資料維度縮減、訊息壓縮、代表性學(xué)習、數據預測和數據生成等?！笣摬乜臻g」概念已可廣泛地連結到真實(shí)世界人類(lèi)的知識空間，如數值資料空間、影像資料空間、文本空間，甚至是這三種空間同時(shí)發(fā)生。
AI/機器學(xué)習如何解讀人類(lèi)智能(HI)的資料
當AI遇上制造自動(dòng)化
近年來(lái)，AI應用不斷導入于制造業(yè)且應用面向持續擴大。半導體制造業(yè)可利用AI算法、機器學(xué)習/深度學(xué)習、和數據分析等方式，來(lái)優(yōu)化和自動(dòng)化生產(chǎn)線(xiàn)制程。常見(jiàn)的AI實(shí)際應用如下：
預防性維護：透過(guò)分析自動(dòng)化系統機臺或設備上的傳感器數據，AI可預測出該機臺與設備何時(shí)需要進(jìn)行維護，讓作業(yè)人員得以預先安排維護時(shí)間，減少非預期的停機，大幅減少機臺問(wèn)題所造成的停機時(shí)間，進(jìn)而提高生產(chǎn)效率。在此應用場(chǎng)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(shí)考慮各種數據型態(tài)，例如傳感器的量測、記錄的時(shí)間序列、制程方法、材料等不同類(lèi)型數據皆可。當完成收集這些數據后，模型在學(xué)習過(guò)程中，會(huì )將這些變量轉換至潛藏空間用于進(jìn)一步運算，針對我們真實(shí)世界的實(shí)際狀況進(jìn)行預測，提前預測機臺或設備未來(lái)可能遇到的問(wèn)題。
質(zhì)量保證(QA)：AI可讓系統自動(dòng)解析相機圖片數據，進(jìn)行實(shí)時(shí)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)包含監督式學(xué)習的物體檢測模型，以及無(wú)監督式學(xué)習異常檢測模型，目標是高準確度判斷視覺(jué)圖片是否有瑕疵或異常。這些基于圖像的模型通常利用復雜深度學(xué)習的神經(jīng)網(wǎng)絡(luò )層，將數據轉換到潛藏空間運算出機率值，再輸出異常的區域與類(lèi)別。這些先進(jìn)技術(shù)已可高度準確判讀圖像資料，偵測出缺陷產(chǎn)品，并自動(dòng)移除異常產(chǎn)品，以確保生產(chǎn)品質(zhì)。
制程參數優(yōu)化：AI算法可通過(guò)分析各種數據來(lái)優(yōu)化制程，提升生產(chǎn)效率。例如，在制程開(kāi)始前，AI可模擬并分析大量的歷史數據，生成最有效的設計解決方案，縮短產(chǎn)品開(kāi)發(fā)時(shí)間?？山忉尩腁I模型被廣泛應用在這個(gè)階段，為使用者提供適當的決策方案。在制造過(guò)程中，AI可精細地分析過(guò)去生產(chǎn)的數據，且同時(shí)考慮機器、配方、操作員和環(huán)境等因素，以確保最有效的參數設定。除了數值預測模型和整合式學(xué)習等常見(jiàn)的模型外，可涵蓋各種因子的大型神經(jīng)網(wǎng)絡(luò )轉換模型也經(jīng)常被使用。通常更復雜的模型代表運用更大的潛藏空間。這種方法已廣泛導入制造業(yè)中，顯著(zhù)地提高生產(chǎn)效率和穩定產(chǎn)品品質(zhì)。
機器人流程自動(dòng)化(RPA)：AI亦可透過(guò)RPA自動(dòng)執行重復與規則性的任務(wù)，例如人工的手動(dòng)數據輸入、訂單處理、財務(wù)報告和行政事務(wù)等，使人力可專(zhuān)注更具挑戰性和創(chuàng )造力的工作。常見(jiàn)的AI應用有圖像與文本識別，如OCR技術(shù)已可顯著(zhù)地協(xié)助人類(lèi)判斷圖像文字，幫助用戶(hù)快速將數字、表格和文本轉換為數據數據，并將其整合至報表系統中，甚至可輕易監控數據的變化，實(shí)時(shí)排除異常狀況。
供應鏈優(yōu)化：AI也能優(yōu)化整個(gè)供應鏈流程，包含采購、需求預測、訂單狀態(tài)、物流分配和財務(wù)管理等各個(gè)面向。透過(guò)AI分析數據，可預測市場(chǎng)趨勢，制定生產(chǎn)流程、有效資源分配和庫存管理。此部分最常使用數值回歸模型、定價(jià)模型和時(shí)間序列模型，讓模型預估數量或監控數量變化，來(lái)提升工作流程效率與減少費用的開(kāi)支。
AI輔助自動(dòng)化可帶來(lái)什么效益呢？
將AI與自動(dòng)化系統整合，在各種產(chǎn)業(yè)應用已帶來(lái)許多優(yōu)點(diǎn)，其中最顯著(zhù)的效益如下：
提高準確度與精確度：利用數據分析方法，使AI透過(guò)大量數據不斷學(xué)習與調整，可提高自動(dòng)化流程的準確度與精確度，避免決策錯誤，確保品質(zhì)表現一致性。
提高效率和生產(chǎn)力：AI驅動(dòng)的自動(dòng)化流程，可減少人工手動(dòng)操作，優(yōu)化產(chǎn)線(xiàn)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。
節省成本：AI可自動(dòng)化例行性和重復性的工作，使資源分配更優(yōu)化，讓企業(yè)更節省勞動(dòng)成本和運營(yíng)成本。
AI協(xié)助日月光邁向智能制造的未來(lái)
AI和自動(dòng)化協(xié)同可創(chuàng )建智能、高效和機敏的制造系統。AI的智力、學(xué)習和預測能力可為自動(dòng)化增添了許多加值應用，提供更正確的決策與更優(yōu)化的流程。我們深信: 每當需要人類(lèi)智慧進(jìn)行判斷、操作、或決策時(shí)，必定潛藏存在以AI來(lái)協(xié)助人類(lèi)智慧的無(wú)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。
（來(lái)源：ASE日月光，作者：蕭劍安?日月光研發(fā)副總，黃翁賢，許奕中）
免責聲明：本文為轉載文章，轉載此文目的在于傳遞更多信息，版權歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權問(wèn)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(gè)分布式CAN模塊的緊湊型嵌入式通訊卡
榮耀加冕！榮湃半導體榮獲VDE頒發(fā)“最具競爭力合作伙伴獎”
學(xué)子專(zhuān)區—ADALM2000實(shí)驗：集成駐極體麥克風(fēng)的音頻放大器
