3S Market deliver Smart and Valuable information for Business
3S Market 傳遞 智慧應用與價值的商業資訊
The Car Factory of the Future: Factory 56
今日主題 工業 4.0 智慧工廠．智慧生活科技
工業 4.0 智慧工廠
智慧生活科技
|
2019年1月17日 星期四
．全球智慧城市發展見長，哪些地區是領頭羊?
Top 20 cities in the world | The Global Smart City Performance Index 2017-18 by Juniper Research Org
來源：物联网世界
全球第二大市場研究機構MarketsandMarkets日前發佈報告稱，2018年全球智慧城市市場規模為3080億美元，預計到2023年這一數字，將成長為7172億美元，預測期(2018—2023年)內的年複合成長率為18.4%。
報告指出，公共安全需求、城市人口以及政府舉措的不斷增加，是全球智慧城市市成長的主要驅動力。
報告認為，全球智慧城市市場主要分為智慧交通、智慧建築、智慧公用事業，以及智慧公民服務四大板塊。
其中，智慧交通板塊又可分為智慧票務、交通管理系統、乘客資訊管理系統，貨運資訊系統，以及聯網車輛等其它子版塊。
智慧建築板塊也可分為建築能源優化、應急管理系統，以及停車管理系統三大子版塊。
智慧公用事業則又可分為高級計量基礎設施、配送管理系統，以及變電站自動化三大板塊。
需要指出的是，在全球智慧城市市場體系中，智慧交通運輸板塊，預計在2018年佔據了全球智慧城市市場的最大板塊，預計在預測期內這一板塊，將得到驚人的成長；而智慧交通解決方案則為現有和新的交通基礎設施項目，提供了重要的推動力，同時考慮了多個因素，例如城市人口成長，和日益嚴重的環境問題。
透過對北美、歐洲、亞太地區，以及世界其他地區的智慧城市市場進行調研後，MarketsandMarkets得出了以下三大結論——
在預測期內，智慧公民服務部門，將獲得最高的年複合成長率
報告指出，在智慧公民服務體系中，由於其最終目標是為用戶提供高品質的醫療保健解決方案和服務，智慧醫療保健市場也將得到快速成長。
此外，對有效監測健康狀況需求的成長，對遠端健康監測解決方案和服務的需求，也為推動智慧醫療保健領域的發展，發揮著巨大作用。
在智慧建築解決方案中，應急管理部門預計佔據最大市場比重，並預計在預測期內，以較高的複合年成長率成長。
由於全球範圍內自然災害和恐怖襲擊活動的不斷增加，與公共安全相關的監管政策，也在不斷增加和推進實施中，再加上應急準備工作的必要性，以及公共安全解決方案，需求的日益增加等因素，都在不斷將推動應急管理部門的發展。
報告還指出，公共安全解決方案，需要透過複雜的計算系統來完成，這些系統必須能提供執法人員、消防員和緊急醫療支持提供者的有效和安全響應所需的正確資訊。
預測期內，亞太地區(APAC)預計將佔據最大的市場比重。
在對全球五個地區——北美、亞太地區、歐洲、中東和非洲(MEA)以及拉丁美洲的智慧城市市場進行分析後，MarketsandMarkets認為，由於北美地區智慧技術採用率的不斷提高，2016年北美地區佔據了全球智慧城市市場最大的市場佔有率。然而，得益於政府政策的支持，預計亞太地區將超過北美地區。
需要提及的是，在亞太地區，由於中國正在致力打造500個智慧城市，預計中國將在該地區處於領先地位。截至目前，中國已經近290個城市啓動了智慧城市試點工作。
此外，報告還總結了2018全球智慧城市市場的關鍵事件，包括：
●2018年9月，思科系統公司與印尼政府簽署了一項全球國家數位加速(CDA)計劃協議。根據協議，該計劃將重點關注數位政府、數位產業、數位國有企業以及網路安全和數位內容。
●2018年9月，Hitachi Vantara與科羅拉多智慧城市聯盟合作，為科羅拉多城市開發智慧城市解決方案。
最後，MarketsandMarkets還指出，全球智慧城市市場的主要和新興市場參與者包括：(美國)，IBM(美國)，西門子(德國)，施耐德電氣(法國)，愛立信(瑞典)，沃達豐(英國)，Itron Inc.(美國)，Verizon(美國)，Telensa(英格蘭)，ABB(瑞士)，Honeywell International Inc.(美國)，SAP SE(德國)，KAPSCH Group(奧地利)和AGT International(瑞士)。
這些智慧城市解決方案提供商，透過新產品發佈、收購、業務擴展和合作等手段，擴大了業務範圍並推動了業務收入。
這些智慧城市解決方案提供商，透過新產品發佈、收購、業務擴展和合作等手段，擴大了業務範圍並推動了業務收入。
此外，各種智慧城市解決方案提供商，正在採取各種策略，包括風險投資資金、新產品發佈，收購，以及合作夥伴關係和合作等，以增加其在全球智慧城市市場的影響力。
．AI 晶片技術架構的 4 種類型，哪種能笑到最後？
AI, ML Chip Choices
 |
來源：Ai芯天下
 |
AI 晶片產業生態
|
技術架構發展分為四個類型
01、通用類晶片
代表如GPU、FPGA
GPU：Graphics Processing Unit圖形處理器
GPU原本需求大部分，都來源於PC端大型遊戲對圖形處理的需求，現由於科技發展漸漸在行動端也慢慢崛起。
而做GPU的大佬正是英偉達NVIDIA，從遊戲、數據中心到人工智慧，市場對英偉達晶片的需求越來越大，在遊戲業中甚至增加了對加密貨幣挖礦者用戶的服務，等過去三年時間內，英偉達依靠自身在 GPU 方面的技術累積，搭上了人工智慧發展的快車道，其股價也在三年內翻了10 倍。
 |
英偉達GPU加速算法示意圖
|
與股價上漲發生的，還有這家公司的轉型，英偉達也正在經歷從一個圖形晶片公司到AI平台搭建者的轉型，聚焦於底層計算，致力於搭建高效平台的策略，使英偉達在當下的技術革命中，佔得了一席之地。
除了英偉達，還有AMD，ARM家的Mali，Imagination的PowerVR，Qualcomm的Adreno等
FPGA：Field－Programmable Gate Array現場可編程門陣列
它在PAL、GAL、CPLD等可編程器件的基礎上，進一步發展的產物。它是作為專用整合電路（ASIC）領域中的一種半訂製電路而出現的，既解決了訂製電路的不足，又克服了原有可編程器件門電路數有限的缺點。
全球知名的FPGA生產廠商有：Altera、 Xilinx、Actel 、 Lattice、Atmel。其中Altera作為世界老牌可編程邏輯器件的廠家，是可編程邏輯器件的發明者，開發軟體MAX＋PLUSII和QuartusII。Xilinx是FPGA的發明者，擁有世界一半以上的市場，提供90％的高端65nmFPGA產品，開發軟體為ISE，其產品主要用於軍用和航太。
Altera和Xilinx主要生產一般用途FPGA，其主要產品採用RAM工藝。Actel主要提供非易失性FPGA，產品主要基於反熔絲工藝和FLASH工藝。
02、基於FPGA的半訂製化晶片
代表如深鑒科技DPU、百度XPU等
DPU：Deep－Learning Processing Unit深度學習處理器
Deephi Tech深鑒，一家位於北京的清華背景start－up，深鑒將其開發的基於FPGA的神經網路處理器稱為DPU。
深鑒已經公開發佈了兩款DPU：亞里士多德架構和笛卡爾架構，分別針對CNN以及DNN／RNN。
百度也發佈了XPU，這是一款256核、基於FPGA的雲計算加速芯片，合作夥伴是賽思靈（Xilinx）。XPU的目標是在性能和效率之間實現平衡，並處理多樣化的計算任務。
 |
XPU的256個內核，集成了一個共享內存用於數據同步，所有內核都運行在600MHz
|
03、全訂製化ASIC晶片
代表如TPU、寒武紀 Cambricon－1A等
ASIC：Application Specific Integrated Circuit
ASIC在整合電路界，被認為是一種為專門目的，而設計的整合電路。ASIC晶片技術發展迅速，目前ASIC晶片間的轉發性能，通常可達到1Gbs甚至更高，於是給交換矩陣提供了極好的物質基礎。
TPU：Tensor Processing Unit Google 的張量處理器
 |
TPU的架構框圖
|
Google在2017年5月的開發者大會上，正是公佈了TPU2，又稱Cloud TPU．相比於TPU1，TPU2既可以勇於training，又可以用於inferrence．TPU1實用了脈動陣列的流處理結構。
04、類腦計算晶片
代表如IBM TrueNorth、westwell、高通Zeroth等
類腦計算：是指借鑒大腦中，進行資訊處理的基本規律，在硬體實現，與軟體算法等多個層面，對於現有的計算體系與系統做出本質的變革，從而實現在計算能耗、計算能力與計算效率等，諸多方面的大幅改進
TrueNorth：IBM 2014年發佈的仿人腦晶片，在這個只有郵票大小的矽晶片上，整合了100萬個「神經元」，256個「突觸」，4096個並行分布的神經內核，用了54億個晶體管，然而功耗卻只有70mW。
 |
TrueNorth芯片結構、功能、物理形態圖
|
WestWell Lab：西井科技是一家專注研究Neuromorphic Engineering神經形態工程的，類腦強人工智慧商業公司，即模擬人腦神經元工作原理，而製造出的晶片，它既具備人腦的學習能力，又具備強大的特定運算能力，僅需一張郵票大小的晶片，就能模仿人類大腦，在短時間內處理海量的感官資訊。
本人認為，以上4種技術架構的類型，隨著科技的發展不斷最終將殊途同歸，區別在於不同時期不同需求，這也是各個AI晶片創業公司，為什麼要進行卡位戰的原因。但無論怎麼發展，技術永遠都是第一要義。
．瑞士發明 ANYmal 四足機器人 可檢查下水道等區域
ANYmal – Let Robots Go Anywhere
 |
據外媒TechCrunch報導，瑞士聯邦理工學院，研發了一個名為ANYmal的四足機器人，可代替工人對下水道進行檢查。
幾乎所有的城市都有著龐大的地下基礎設施，這些設施通常，只能由專業檢查員進行檢查。這是一項危險而繁瑣的工作，對於工作人員來說，諸如下水道等地，不僅空間狹窄，難以進行檢查、維修等工作，而且黑暗潮濕的環境，也加劇了工作的危險程度。如果能夠利用機器人，對這些地方進行檢查，工作效率將大大提高。
ANYmal可以進入人類無法進入的區域，一旦發現異常情況，它可以將圖片、數據等資訊反饋給地面上的工作人員，工作人員可以做到點對點的精確式檢查。
儘管下水道缺乏光線，但該機器人配備的感測器，使得它能以輕鬆的步伐穿過淺水道，對下水道區域進行檢查。
除此之外，ANYmal還可以做很多事情。它不僅可以自主行走，還具有視覺、聽覺和觸覺等感官能力。例如，它能夠讀取機器上的氣壓顯示，辨識聲音和辨識物體，確定滅火器是否在正確的位置。
機器人甚至可以自己執行某些手動任務。它配有一個額外的夾臂，可以打開門，處理垃圾或按下電梯按鈕。它可以辨識環境溫度，並檢測空氣中是否存在異常氣體。
．物流倉儲等應用場景中超高頻 RFID 天線怎麼選？
RFID High Rack Warehouse
|
說到超高頻RFID天線，我們經常會在項目應用中不知道該怎麼去選擇天線，選擇天線最關鍵點在於：極化方向，天線增益，波束角度，工作頻段，機械尺寸，應用環境等。
極化方向分別有：圓極化，線極化，雙線極化。
1， 圓極化天線使用場合最為廣泛，對標籤擺放沒有要求，360度旋轉都可以正常辨識。
2， 線極化天線就必須保證標籤和天線，在同一水平才能識辨識，標籤旋轉90度後就無法讀取，但是同等尺寸的天線，線極化的效率比圓極化高30%左右，原因是線極化天線能量都集中在一個方向。
3， 雙極化天線是由2個線極化天線組成，天線有2個端口分別為水平極化和垂直極化，雙極化天線具備了線極化的高效率和接近圓極化的使用效果，唯一的缺點就是必須佔用讀寫器2個端口。
圓極化輻射電磁波
線極化輻射電磁波
天線增益代表的就是天線的效率，值越大相對應的辨識距離就越有，相同天線體積隨著天線的增益增高而增大。
波束角度代表的就是天線輻射寬度，輻射角度又分寬波束和窄波束，天線尺寸越小輻射角度就越大。
寬波束
窄波束
項目應用中如何正確選擇RFID天線
通常接觸到的項目管理應用有倉儲管理、物流管理、產線管理、圖書管理、檔案管理、車輛管理、服裝零售管理、固定資產管理等，往往在接觸項目的過程中，不知道該怎麼正確的選擇天線，通常的思維就是用萊爾德的天線，覺得進口品牌肯定可靠，從而沒有想到過是否適合項目使用環境，在項目中串讀，誤讀，辨識率低是最常見的問題，也是用戶最頭疼的問題，這些問題其實都可以用天線的(場)來解決。
超高頻 RFID 天線
倉儲物流
在倉儲物流圖書管理中，都會使用到門禁系統，需要實現的功能就是進出盤點、防盜、區域定位等，在項目中最常見的問題就是誤讀，門禁安裝都是在門口。
而倉庫裡面貨架離門口，大概就在一米的距離，通常天線都會讀取到貨架上面的標籤，在類似項目種，選擇的天線必須是圓極化窄波束天線。
因為標籤方向是凌亂的，所以天線極化非常重要，再就是窄波束天線，因為門口的管理是左右兩邊的輻射盡可能的窄，這樣就可以保證不誤讀到倉庫裡面的標籤，普通天線在同等功率的情況下，3米外度能讀取到標籤，而窄波天線就可以控制到1米內的外圍讀取，窄波天線另外的優點就是水平波束窄，垂直波束寬，這樣貨物堆積很高也可以正常辨識，很好的解決的誤讀，串讀等問題。
而倉庫裡面貨架離門口，大概就在一米的距離，通常天線都會讀取到貨架上面的標籤，在類似項目種，選擇的天線必須是圓極化窄波束天線。
因為標籤方向是凌亂的，所以天線極化非常重要，再就是窄波束天線，因為門口的管理是左右兩邊的輻射盡可能的窄，這樣就可以保證不誤讀到倉庫裡面的標籤，普通天線在同等功率的情況下，3米外度能讀取到標籤，而窄波天線就可以控制到1米內的外圍讀取，窄波天線另外的優點就是水平波束窄，垂直波束寬，這樣貨物堆積很高也可以正常辨識，很好的解決的誤讀，串讀等問題。
RFID天線選型能解決哪些問題
往往在項目應用中會遇到各種各樣的問題，很容易讓大家產生誤判，從而不知道問題點出在哪裡！
天線能解決：波束寬度、場的分布、增益大小、極化特性等。
讀寫器解決：多標籤能力、接收靈敏度、讀取距離 輸出功率等。
．有自己想法的智慧工廠
Industry 4.0 - "Smart Factory" explained
 |
來源：物联之家网 作者：Jeremy Cowan
譯：冬夜
沒錯，機器不僅可以分析數據，還能像其他人一樣與人類交流。它們可以從像非專業人士那樣說話，轉變為吐出愛因斯坦和霍金那樣眾所皆知的智慧。
所有這些都是因為人工智慧(AI)已經成熟。從2016年的2.725億美元，到2023年，人工智慧在製造業的收入將達到48.829億美元，複合年成長率不低於52.42%。
人工智慧( AI )、機器學習、深度學習和神經網路，正在推動技術創新，例如，深度學習技術正在幫助公司，進行信號辨識、數據挖掘、語音和圖像辨識，而機器學習則使它們能夠理解技術資源，例如來自感測器和物聯網( IoT )的數據。
人工智慧( AI )、機器學習、深度學習和神經網路，正在推動技術創新，例如，深度學習技術正在幫助公司，進行信號辨識、數據挖掘、語音和圖像辨識，而機器學習則使它們能夠理解技術資源，例如來自感測器和物聯網( IoT )的數據。
在工業領域，人工智慧驅動的機器，正在使用結構化和非結構化數據，來徹底改變製造業的商業模式和策略。隨著數據量的增加，企業甚至正在確定性能改進領域，以使智慧工廠更加智慧。
人工智慧驅動的績效改進策略
即時監控和機器學習，透過提供有關機器工作負，載和生產計劃性能的可操作見解，共同優化工廠營運。即時獲取這些知識能夠幫助工程師，在管理機器和整體操作方面，做出更好決策。如果我們按預測行事，製造商將採用機器學習和分析，在未來五年內將預測性維護提高38%。
一家德國工業製造企業，已經開始使用神經網路來監控、記錄和分析其鋼鐵廠的營運情況。嵌入其機器中的感測器始終測量不同的變量，並支持數據驅動的決策。人工智慧系統已成功改善燃氣輪機的性能，並將排放量減少10%至15%，超出了專家們的水準。
石油和天然氣行業是另一個主要例子。在一項著名的研究中，一家全球管理咨詢公司在三年內，從一個裝有5000個感測器的成熟生產平台，收集了數百GB的數據。
從事該項目的數據科學家，使用高級分析來增強海上工廠的預測性維護實踐，他們能夠以超過70%的準確率，預測溢油事故和氣體壓縮機組故障的發生，以及井內壓力增加的可能性。
從事該項目的數據科學家，使用高級分析來增強海上工廠的預測性維護實踐，他們能夠以超過70%的準確率，預測溢油事故和氣體壓縮機組故障的發生，以及井內壓力增加的可能性。
AI 作為智慧工廠的推動者
一段時間以來，智慧製造工廠一直在利用工業機器人和自動化來提高營運效率。2017年，與2016年相比，這些技術取得了顯著成果。到了2018年，由於人工智慧使機器人和自動化機器變得更智慧、更敏銳、更適應和更具反應性，情況才變得更加明朗。
以Amelia為例，它是一名智慧虛擬工程師，由一家美國技術新創公司創建，致力於認知技術和企業自動化。這個虛擬代理利用先進的機器學習模型，可以在沒有任何人工幫助情況下，向客戶提供建議。為了將數據輸入她的系統，Amelia被授權閱讀文檔，從觀察中學習，並遵循基於業務分析的流程。
機器學習技術，可以幫助製造工廠的操作員做更多事情。這些解決方案不僅有助於提取數據驅動的洞察力、運行預測性維護和機械檢查，而且還有助於移動材料和實施生產計劃、現場服務、回收和品質控制。
汽車工業是第一批在製造業務中，利用人工智慧的行業之一。 汽車製造商已經部署了具有電腦視覺技術的cobot，可以在同一工廠車間進行人機協作，而無需改變工廠設計。
對於品質控制，公司已經使用支持AI的視覺品質檢查器，這使得缺陷檢測提高了大約90%。除此之外，人工智慧還透過將預測誤差減少30%到50%，將研發生產率提高了10%至15%，並節省了庫存成本。
對於品質控制，公司已經使用支持AI的視覺品質檢查器，這使得缺陷檢測提高了大約90%。除此之外，人工智慧還透過將預測誤差減少30%到50%，將研發生產率提高了10%至15%，並節省了庫存成本。
未來充滿競爭…
雖然全球製造業組織，仍在研究人工智慧可以為其業務做些什麼，但美國和中國正在透過人工智能爭奪競爭優勢。美國大約有85萬名員工，從事人工智慧工作，其中一半以上擁有超過10年的工作經驗。另一方面，中國有50000名員工，其中40%有不到五年的工作經驗。
考慮到中國堅持不懈地，大規模生產神經網路處理器，並利用這些晶片來增強製造操作，這種情況可能很快就會翻轉，到2025年，我們可能會看到中國主導人工智能市場（當然這是他們自己說的愛國用語⋯⋯）。
考慮到中國堅持不懈地，大規模生產神經網路處理器，並利用這些晶片來增強製造操作，這種情況可能很快就會翻轉，到2025年，我們可能會看到中國主導人工智能市場（當然這是他們自己說的愛國用語⋯⋯）。
這種現象已經有了苗頭。一家領先的中國智慧手機製造商，雇傭了一家人工智慧咨詢公司來幫助提高工廠效率，並部署了4萬多台工業機器人，與人類員工合作生產智慧手機。
...... 還有機會
隨著人工智慧商業化，數據科學家正在尋找更多機會，來密切研究該技術的潛力和應用。下一個合乎邏輯的步驟，是開發高能效的深度神經網路，並建立一個人工智慧驅動的自動化工廠，只有機器人才能在安全距離內，與人類一起工作。為了實現後者，美國一家汽車專業公司，最近收購了一家專門從事工廠車間全自動化的德國工程公司。
人們正在進行研究，以使人工智慧更加人性化。一家開發友好人工智慧應用的非政府組織，正在使用強化學習算法，來訓練AI代理人，從錯誤中吸取教訓，並採取相應行動。
儘管啓用AI的機器實施激增，但仍然沒有監管機構，來管理政府層面的機器智慧。雖然人工智慧還沒有達到人類的智慧能力，但現在是開始探索這條道路的最好時機。