3S Market 傳遞 智慧應用與價值的商業資訊
亞洲.矽谷智慧城市計畫 催生應用輸出海外全球首座5G科技村 平昌冬奧揭幕 |
今日主題 工業4.0\智慧城市與環保節能\車聯網\經營管理探討
| ||
工業4.0與智慧工廠
| ||
 |
2018年2月23日 星期五
．2018\02\23\3S Market Daily 智慧產業新聞
3S Market deliver Smart and Valuable information for Business
．工業 4.0 時代，「預測性維護」可以有效降低機器成本
2016台灣雲端二Dell PienoLee
物聯網帶給製造業的關鍵價值 預測性維護
 |
| Nx 雲端影像平台解決方案 |
來源：36氪 作者：aiko
麥肯錫諮詢公司(McKinsey＆Company)在去年 6 月份釋出了一份報告——《人工智慧：下一個數位先導》(「Artificial Intelligence:The Next Digital Frontier」)，該報告呈現了人工智慧「在未來」，將如何促成從預防性維護，到預測性維護這一轉變。
 |
| BusinessWorld | Artificial intelligence: The next digital frontier? |
這一觀點是絕對正確的，但是，這種預測性維護能力，已經存在也是一個事實。我們不必等著它在未來到來；相反，我們需要現在就找到理想的實施方式。
數十年來，有關人工智慧的潛力問題，一直屬於熱議話題，但是現在，我們是時候放棄這種未來學家的思維模式，承認人工智慧現在已經成為現實。
現在，我們正處於由工業 4.0 ，和資料科學引發的革命邊緣，這場革命將改變製造業的每一個領域，同時為管理者提供，比以往更多的控制權。因此，問題不在於各位玩家，能否搭上這股席捲各個行業的新浪潮，而在於他們是會佔據領導地位，還是僅僅排在隊伍之中。（【3S Market】投資下一個競爭力，有多少台灣的大中小企業，還有這樣的企圖心與魄力！）
 |
| What's now and next in analytics, AI, and automation | McKinsey ... |
工業 4.0 時代的需求
隨著工業 4.0 繼續推動資料數據科學的發展，在需要維護時，能夠精確檢測，並且發出訊號的人工智慧技術，將進一步發展。與麥肯錫報告相反的地方在於，企業已經在利用資料驅動的洞察力，來超越預防性維護層面。
現在的企業不再是實行主觀的維護服務時間安排，也避免了隨之而來的不可避免的浪費、冗餘和中斷現象，現在的維護，是以一種更加動態的策略來進行。
企業經常會使用聯機資料，來即時追蹤效能變數。當這些變數表明機器效能正在下降時，技術人員就能夠在機器資產出現故障，並且早在需要關停一條生產線之前介入。只有在必要時，同時又趕在不可挽回之前進行維護。
這是從製造業到石油和天然氣，再到製藥，到零售這各個領域的維護、維修和操作人員多年以來一直夢寐以求的一種能力。而現在，這種等待可以結束了。
通用電氣研發了一項技術，能夠讓企業對機器進行「數位雙胞胎」建模。「雙胞胎」的表現會被密切追蹤，以便檢測者能夠在該機器的整個生命週期深入瞭解它的狀態。如果出現問題，就能夠以前所未有的方式顯示出來。
對於麥肯錫釋出的人工智慧的未來，仍需等待這一報告的追隨者來說，如果他們知道已經有 65 萬，對這樣的「雙胞胎」在運作之中，那肯定會感到十分驚訝。
 |
| Predictive Maintenance, Reliability and Relevant Data in Real Time ... |
電梯生產商迅達集團(Schindler)，就是一家利用預測性維護技術的公司。透過在電梯中安裝感測器，迅達能夠實現所有服務預約的必要性，同時提高電梯的整體安全性。
預測性維護的重要性
預測性維護的到來，可能並不能代表一個令人興奮的新功能的產生，但它確實為整個行業和垂直行業的發展，提供了可能性。下面，讓我們來看一下不同行業中，一些需要利用預測性維護亟待解決的問題：
 |
紐約州州長 Andrew Cuomo
|
交通和公用事業：紐約州州長 Andrew Cuomo 宣佈紐約城市交通管理局(Metropolitan Transportation Authority)，已經處於緊急狀態，原因是由於預防性維護措施不到位，從而嚴重依賴緊急事件解決方案。（3S Market: 台灣今年縣市長選舉，有多少候選人，有像這位美國的州長，如此的高瞻遠矚；或是再用各種政治語言與口水，不斷消費選民，再騙四年⋯⋯）
不幸的是，這種公共財產失修狀態，並非僅僅集中在某個季節、地域或者行業。整個美國的基礎設施，包括高速公路、橋樑和下水道都急需維修。並且，隨著基礎設施不斷老化，這種維護負擔也會不斷加劇。
因此，提前瞭解應該何時，對何地的基礎設施進行維護，是非常必要的一件事，對於控製成本、避免災難來說都至關重要。
 |
| GM recalling roughly 800,000 pickups for steering defect - WVVA TV ... |
汽車製造商：車輛召回對於製造商而言，非常耗費成本，對於消費者來說又相當危險，並且也相當令人厭煩。就在去年，通用汽車公司在美國召回了 69 萬輛卡車，在加拿大和其他國家召回了大約10 萬輛卡車。但是，如果汽車製造商在整個設計階段，以及後續的產品推出階段，都能利用資料數據和機器學習，那他們就可以早日發現，那些需要注意的問題。
石油和天然氣生產商：美國的石油和天然氣運輸管道，長達 250 萬英里，其中超過一半的管道是在 20 世紀 50 年代和 60 年代建造而成。隨著這些管道資源老化，故障規模和頻率只會不斷增加。因此，能夠提前預測，並做好相應的準備工作，具有非常寶貴的價值。（3S Market: 記得 2014年高雄的氣爆嗎？至今改善了有多少）
 |
| 高雄氣爆／最新死傷人數：28死286傷｜政治社會｜社會現場｜2014-08-01 ... |
航空公司：美國聯邦航空管理局，每天要處理 43864 個航班。考慮到航空業的覆蓋範圍，維護機制過於龐大，同時也過於複雜，任何人或者是任何團隊，都無法做到瞭然於心。因此，採用預測性維護策略，就提供了一種更簡單、更安全，並且更經濟的維護方法，能夠更好地為每個人的利益服務。
讓預測性維護成為現實
預測性維護在技術上是可行的，但更重要的是它在技術上，也是可以採用的。企業不需要為了積極進行維護，而對未經證實的技術進行大規模投資，他們只需要開始抓取、儲存和利用已經存在的資料即可。
 |
| Preventive vs. Predictive Maintenance: Pros and Cons |
他們要做的第一步，就是將機器連線到，可以即時跟蹤資料的感測器，然後將這些資料，輸入到具有儲存和處理大容量資料能力的網路中。最後，應該採用直接自動化方式，來追蹤模式與鑑定異常。如果有需要注意的情況，那就安排技術人員執行糾正措施，來實現最大的投資回報率。
預測性維護能夠實現維護成本最小化，優化現場資源，減少保修索賠，並且消除風險，對於企業來說，是一項顯著的競爭優勢。而最好的訊息是什麼呢？現在就是之前所說的預測性維護的未來，你還在等什麼呢？
．一顆 GPU 如何帶動人工智慧發展？
CPU 與 GPU 到底差在哪？
NVIDIA 找來流言終結者主持人 Demo 讓你瞬間搞懂
|
| Nx 雲端影像平台解決方案 |
為什麼一家顯卡公司，忽然在人工智慧領域，有了巨大影響力？一家圖形解決方案的供應商，與人工智慧行業又能有多少瓜葛？
◆ GPU對深度學習的助推力
到今天，人工智慧研究已經有六十多年的時間。從最簡單的文字對話，到電腦程序戰勝人類國際象棋大師，人工智慧在竪立了一個里程碑之後，似乎就進入了平台期，再無標誌性的成績出現。
然而最近兩三年，電腦的智慧水準突然得到了明顯提升：辨識圖片和語音正確率超過人類，自動駕駛汽車開始上路，參加智力問答競賽獲得冠軍，甚至曾經被認為，無法戰勝人類的圍棋領域，人工智慧也成績斐然。
這些成績的背後，都離不開一種叫深度學習的算法，而運行這種算法的硬體平台，大多都在使用NVIDIA生產的GPU。
NVIDIA全球副總裁中國區總經理張建中，在接受中關村在線視訊專訪時表示，這一兩年機器的智慧水準，突然提升得益於三個因素。第一，大數據；第二，深度學習的算法；第三，強大的計算內容。
這三個因素綜合在一起，在人工智慧的研究領域，產生很大的突破，圖形圖像和語音的辨識準確度都大幅度提升。
NVIDIA全球副總裁中國區總經理張建中
GPU強大的並行運算能力，緩解了深度學習算法的訓練瓶頸，從而釋放了人工智慧的全新潛力，也讓NVIDIA順利成為人工智慧平台方案供應商。然而深度學習帶來的飛躍，是否會很快進入平台期，人工智慧研究和應用會有新的熱點嗎？
在張建中看來，人工智慧由於算法的原因，永遠達不到百分之百的精準度，因此永遠都有提升的機會。
「透過不停的更新提升精度和準確度，越往後難度越高，需要的計算量、數據量、算法模型和深度學習的層次更高，這些都會隨著我們工作當中，不停的累積和提升，這是一個良性循環的過程。」
至少在現階段，我們看到深度學習算法，在人工智慧應用領域，還有很大潛力。在以往的研究中，一個特定的應用，在面對海量數據時，可能需要幾個月，甚至幾年的時間，才能完成訓練，這顯然不能滿足實際應用的要求。
以NVIDIA GPU為代表的並行處理技術，進入人工智慧領域，則極大緩解了計算層面的瓶頸，讓深度學習成為實用的算法。
◆ 超前的架構設計為AI興起奠定基礎
在電腦圖形解決方案領域，NVIDIA早已佔據領導地位，而現在它在人工智慧領域也同樣重要。在圖形應用中，GPU裡專門設計的多個計算單元，可以高速完成複雜的圖形學計算，瞬間渲染出清晰逼真的圖像。
但是在NVIDIA看來，GPU不僅能處理圖形，還有潛力完成更多應用領域的數據處理，實現新的算法優化。可以說NVIDIA早在二十年前就已經為今天的人工智慧浪潮埋下了伏筆。
NVIDIA全球副總裁中國區總經理張建中，在採訪中透露，NVIDIA在做CUDA架構的時候，就預測到超級電腦極大的潛力。「為了讓GPU可以百分之百的編程，我們就調整了CUDA架構，每一個處理器並行在一起，從幾百個做到幾千個，成為今天超級電腦的核心根本。全新架構能夠讓超級電腦運算更快，在很小的功耗上發揮最大的計算能力。」
目前GPU在超級電腦行業有相當大的應用，對岸中國的天河1號就是採用NVIDIA的GPU做大型數據處理。
NVIDIA的CUDA架構為GPU在深度學習領域鋪路
GPU大規模並行計算架構，恰好符合深度學習的需要，透過幾年的研發和累積，GPU已經成為超級電腦的重要支撐，極大的提升了機器學習的運算能力。
人工智慧的並行算法，在過去可能需要一兩年的時間，才能看到結果，在GPU的強大計算能力的支持下，深度學習的算法得以突破，可以在短時間內，高效能的得到數據結果。
◆ 最賺錢的人工智能公司背後
當人工智慧走過甲子之年時，AI的熱度也達到了前所未有的高峰，不過對於人工智慧的商業化，卻是很多廠商避而不談的話題。人工智慧商業價值的落地，目前的贏家非NVIDIA莫屬。根據最新的季財報，NVIDIA營收同比成長54%，股價在過去的一年中，更是成長了4倍多，穩坐標普500的榜首。
NVIDIA股價走勢圖
人工智慧無疑給了NVIDIA未來之路，鋪設了更多的可能性。不滿足於只提供GPU，作為人工智慧訓練和研究的平台，NVIDIA還在終端產品解決方案發力，希望在產業上游佔據更多話語權。
2008年推出的Tegra晶片，最初是為手機、平板電腦研究的ARM架構通用處理器，在更替近10年之後，它已經成為人工智慧時代英偉達的重要武器。「在Tegra晶片中，GPU和CPU整合在了一起，在新一代產品中還整合了，專門用來做深度學習的功能模組」。
Tegra除了在傳統的行動領域發力，已經將重心轉移到智慧駕駛、深度學習等領域。目前，全球共有50多家汽車製造商和供應商，在使用或測試NVIDIA的Drive PX平台，其中包括寶馬、戴姆勒和福特等大牌車廠，就連谷歌的自動駕駛汽車，也一直都在使用NVIDIA的Tegra處理器。
NVIDIA是提供整體平台解決方案的公司，各個環節都將使用NVIDIA自己的產品。「汽車上雲端採集數據做訓練，可以使用我們的DGX-1深度學習平台，實際的使用中NVIDIA也可以給到OEM廠商，提供所有的技術支持，我們是從端到端整體的解決方案的供應商，而不只是某一個組件的供應商。」
此外，張建中介紹，NVIDIA無人駕駛技術，將提供不斷更新升級的服務，汽車真正上路之後，NVIDIA仍然會不停的更新數據和服務，讓最終的用戶、廠家和系統供應商，可以不停的優化他們的系統。
人工智慧在終端應用中，需要融合傳統的高性能串行計算，和新興的並行計算，近年來成為產業熱點的異構計算平台，似乎天生就符合這個需求。
但異構計算也給開發者和研究者，帶來了新的挑戰，如何搭建成熟的異構計算平台，如何快速實現異構計算應用，都有很多挑戰。NVIDIA看到這個機會，推出了專門給深度學習，或者人工智慧訂製的硬體。
NVIDIA中國區資深架構專家羅華平
NVIDIA在GTC上發佈了第一個深度學習的超級電腦——DGX-1，NVIDIA張建中稱DGX一個伺服器，相當於幾百台傳統的伺服器的計算能力。NVIDIA中國區資深架構專家羅華平透露，目前對岸中國已經有十幾個用戶在使用DGX-1，「像阿里巴巴、網易、清華大學、BMW、BYD等都購買了DGX-1做深度學習的研究。」
如今，人工智慧已經成為科技領域的下一個風口，而我們則需要用全新的眼光，去審視英偉達這家圖形晶片巨頭。CEO黃仁勳已經將英偉達定義為「世界領先的人工智慧計算公司」，充分展示了自己帶領公司轉型的決心，甚至可以說賭上了整個公司的未來。
