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
What Is Industry 4.0
and Smart Manufacturing?
2019 META SMART FACTORY
今日主題 工業 4.0 \智慧車載交通\智慧經營管理
智慧車載交通與能源環保
|
智慧經營管理
2019年8月28日 星期三
．谷歌開源「 AI 手勢辨識」算法
Google is Designing An Advanced Hand Gesture Recognition Sensor
來源：科技行者
谷歌公司的科學家們研究出一種新的電腦視覺方法，用於實現手部感知。該方案能夠在實機實驗中，僅憑一幀圖像辨識出一隻手（或者多只手）上的 21 個 3D 點位。只要在手機上就能進行即時追蹤，並且還能同時追蹤多只手，可辨識遮擋。
即時手形與動作跟蹤方案，一直是手語辨識與手勢控制系統中，最為核心的組成部分，同時在部分增加現實體驗中，也扮演著重要角色。然而，現有技術往往因為遮擋，或者缺乏對比模式等問題的困擾，無法提供理想的可靠性。
面對這一現實挑戰，谷歌公司的科學家們研究出一種新的電腦視覺方法，用於實現手部感知。作為幕後推手，機器學習技術為提供了強大助力。根據介紹，該方案能夠在實機實驗中僅憑一幀圖像辨識出一隻手（或者多只手）上的 21 個 3D 點位。與目前市面的手勢辨識技術相比，谷歌的全新技術，不需要依賴桌上型電腦來計算，只要在手機上就能進行即時追蹤，並且還能同時追蹤多只手，可辨識遮擋。
早在今年6月，谷歌就在 2019 電腦視覺與模式辨識大會上，公佈了此項技術的預覽版本。2月之後，谷歌於美國時間8月20日正式宣佈，將該技術整合於引入 MediaPipe 當中。
MediaPipe 是一套開源跨平台框架，用於建構多模應用機器學習流水線，可以處理不同模態（例如視訊與音訊）中的感知數據。該項目的源代碼，以及端到端使用場景，目前都已經在 GitHub 上全面公開。
研究工程師Valentin Bazarevsky和Fan Zhang在博文他們的當中寫道：「感知手部形狀與運動姿態的能力，有望成為改善各類技術表現，及平台用戶體驗的重要助力。
我們希望將這種手部感知功能，交付至更為廣泛的研究與開發社區處，利用大家的力量，共同促進創新用例的出現，刺激新的應用方式，並開拓出前所未有的研究途徑。」
據瞭解，谷歌的這一技術包含三套串聯工作的AI模型：一個手掌探測模型（BlazePalm）用於分析框體，並返回手部動作邊框；一個手部標記模型（Landmark），用於查看由手掌探測器定義的裁剪後圖像區域，並返回 3D 位點；一個手勢辨識模型，用於將之前計算得出的位點，歸類為一組手勢。
BlazePalm：手部辨識絕不像聽起來那麼簡單。GlazePalm必須能夠解決手部遮擋，這一現實難題。為此，谷歌團隊訓練出一款手掌探測器 BlazePalm ——注意，是手掌而不是手部。他們認為，對拳頭這類物體進行邊界框描繪，在難度上要比跟蹤手指低得多。
具體地，BlazePalm 可以辨識多種不同手掌大小，具備較大的縮放範圍，還能辨識手部遮擋，能透過辨識手臂、軀幹或個人特徵等資訊準確定位手部。
除此之外，這種方式還有另一大優勢，就是能夠很好地相容握手等特殊場景，利用忽略其它寬高比條件的方形邊框模擬手掌，從而將所需的 3D 點數，縮減至以往的三分之一到五分之一。據統計，經過訓練之後， BlazePalm 辨識手掌的準確率可以達到 95.7％。
Landmark：在手掌檢測之後，手部標記模型開始接管，負責在檢測到的手部區域之內，建立21個由手到肘的 3D 定位坐標。在訓練當中，模型要求研究人員手動注釋多達 3 萬份真實場景下的圖像，並立足多種背景對相應座標，進行渲染和映射，最終創建出高質量的合成手部模型。據統計，在經過訓練後，算法的平均回歸誤差可降低到 13.4％。
手勢辨識模型：流水線上的最後一步是手勢辨識，該模型利用關節旋轉角度，來確定每根手指的狀態（如彎曲或伸直），並將手指狀態集合與預定義的手勢映射起來，進而預測基礎的靜態手勢。Bazarevsky 和 Zhang 介紹稱，該模型能夠辨識來自多種文化（例如美國、歐洲與亞洲）的算數手勢，以及握拳、「OK」、「搖滾」、「蜘蛛人」等常見手勢。
除此之外，這些模型也可以執行對應的單獨任務，例如利用顯卡進行圖像裁剪與渲染，從而節約運算資源；並且，手掌探測模型只有在必要時才運行 —— 因為在大多數時段內，後續影像幀內的手部位置，只憑運算出的手部關鍵點，即可推理得出，不再需要手掌探測器的參與。也就是說，只有當推理置信度低於某個臨界值時，手部檢測模型才會重新介入。
展望未來，Bazarevsky、Zhang 及其團隊，還計劃建立更強大且、更穩定的跟蹤擴展技術，同時增加能夠可靠檢測出的手勢數量，並考慮支持即時動態手勢辨識。
他們總結道：「我們相信，這項技術的發佈，將為研究及開發者社區帶來助力，幫助他們發現更多新的創意與應用方向。」
 |
．世界首輛 3D 列印摩托車問世
World-First Fully 3D Printed e-Motorcycle
 |
|
任何顏色車牌——都拍攝的清清楚楚！
|
來源：3D之窗
不久前，外國一家公司利用其 3D 列印技術，打造了世界上第一款列印電動摩托車！
沒錯，就是這個全身黑色、簡潔犀利、稜角分明、科幻感十足的傢伙！
這輛曾在Formnext，展出的電動摩托車款名為 NERA，它成功地將數位設計與數位製造，結合在一起。
NERA 由德國 3D 列印機製造商 Bigrep，旗下的創新實驗室和咨詢公司 NOW lab 打造。
NERA 整車全長 190 公分，高 90 公分，重量僅為 60 公斤。3D 列印組件總數為 15，最大 3D 列印尺寸：120cmx45cmx20cm。
不管是從整車的犀利造型，還是到鑲板、擋泥板和整流罩等細節，都讓NERA電動摩托車，看起來像是諾蘭的電影中黑暗騎士的座駕。
它的血統非常純正，整合了 3D 列印輪胎、輪輞、車架、座椅等。除關鍵動力部分和電子元件外，整車全部主體零件均由3D 列印技術完成。
所有 3D列印組件，均透過BigRep 的大型 FDM 3D 列印機完成，利用的材料包括 PLA、以 TPU 為基礎的彈性材料、以及工程級的 ProHT 列印材料。
必須得承認外，除了更加簡潔科幻以外，這輛未來感十足的Nera，有著獨特的風格和力量感，看起來與傳統的摩托車有很多不同。
的確，在設計建造 Nera 的過程中，工程師們並沒有直接採用現有的摩托車設計，而是著力於重新思考摩托車結構，並提出了一種適用於大型摩托車的 FFF 技術。
Nera 的眾多創新之一，就是它的訂製胎面無氣輪胎，和輕質的菱形輪輞，這種輪胎採用的材料，包括 Tweel 型硬質塑料輪。它採用了蜂窩狀結構結構，這不僅賦予其強度和柔韌性，使其能夠模仿天然橡膠輪胎，還讓輪胎極其易於打理。
另外，同樣為菱形結構、靈活有彈性的減震系統，取代了傳統的懸架，它由熱塑性聚氨酯製成。
其它的技術還有功能整合和嵌入式感測器等。摩托車的動力由電動發動機提供，電動發動機本身安裝在 3D 列印機殼內。
毫無疑問，這是一個設計和工程完美融合在一起的傑作。正像 NOW lab 聯合創始人兼總經理所說：這輛電動摩托車和我們的其它原型車，顛覆了工程創意的極限，並將重塑我們所知道的 AM 技術。
在路試完成之後，Nera 還沒有量產的計劃，目前暫時是用於展示 BigRep 和 NOWlab 的設計研發，與 3D 列印生產的水準。
但我們相信，Nera 的無氣輪胎及訂製胎面，和輕質菱形輪輞設計等細節，肯定會繼續發展，用不了太久，人們就會在商用車輛中，見到這樣的應用。
|
．太陽能實現高效產氫
New Solar Panel Invention directly
creates Hydrogen
來源：OFweek氢能网
日前，DeutschesZentrumfürLuft－und Raumfahrt（DLR）的一個團隊，成功地將太陽能熱量，整合到固體氧化物電解槽中。
原型系統的實驗裝置由太陽能模擬器，太陽能蒸汽發生器，蒸汽蓄能器和固體氧化物電解器組成。
用於製氫的太陽能加熱固體氧化物電解槽系統的實驗裝置
用太陽能蒸汽發生器生產最大流量為 5.0 kg h-1 的熱蒸汽，與 10％H2 混合的一小部分（0.58kg h-1），供應至12-cell細胞固體氧化物電解器組，並使用2千瓦電力。
在 770℃和–1.25Acm-2 的電流密度下，該電解槽效率為 93％ 時，蒸汽轉化率達 70％。目前，關於這項研究的論文，已發表在「電源雜誌」上。
研究人員表示，在更廣泛地使用諸如風能，光伏和太陽能熱能的可再生能源的背景下，由於可再生能源的間歇可用性，以維持電力基礎設施的高穩定性，因此需要化學能源載體用於電力儲存。水電解被認為是用於生產可持續氫氣，作為這種能量載體的有希望的途徑。
鹼性電解作為數十年來，經過充分驗證的技術，以及最近的質子交換膜（PEM）電解，目前正在低溫 100°C 以下的低溫範圍內，開發用於高性能間歇操作。
與低溫電解技術相比，在 700–1000℃ 的高溫狀態下操作的固體氧化物電解（SOE），是一種有前景的新技術，其提供了一些額外的優點。
固體氧化物電解電池（SOEC），和電池組的顯著更高的操作溫度，導致更快的反應動力學，從而實現潛在更高的電效率。從熱力學觀點來看，吸熱水分解反應的部分能量需求，可以透過來自太陽能熱能的高溫熱量，或來自工業過程的廢熱來提供，因此顯著降低了電能需求。
在傳統的高溫蒸汽電解中，水分解的總能量需求，作為電力供應。如前所述，通過太陽輻射的集中提供的高溫熱，例如在太陽能塔中，可以在 SOE 工藝中引入，用於蒸發和過熱水。
管式太陽能接收器，作為將太陽能熱量整合到 SOE 工藝中的關鍵組件，已經開發用於在複製的 DLR 高通量太陽能模擬器中運行。在 DLR 項目「Future Fuels」的框架中，已經實現了由太陽能模擬器的熱量驅動的太陽能接收器，與固體氧化物電解器的組合。
水分解反應的熱力學與溫度的關係
研究人員在 700℃ 和 –1.0Acm-2 的穩態操作，總共進行了 4 小時，總共產生 1600L的H2，證明瞭太陽能熱 SOEC 操作的可行性。
實驗顯示，堆棧行為與蒸汽品質流量之間，存在強烈的相互作 因此，正確控制蒸汽品質流量非常重要。而進一步的系統優化包括減少外圍加熱管，增加系統部件的隔熱性，和開發高溫蒸汽蓄能器。
．工業 4.0 轉型升級需要注意哪些問題？
Upgrade your production to the Industry 4.0 level
來源：
隨著新一輪技術革命的到來，製造商開始思考工業4.0模式，利用物聯網、大數據技術，提升效率和增加收益。雲計算和人工智慧技術的進步，使得世界各地的製造系統和技術水準，達到了一個新的高度。
不過，雖然全球製造業，都在積極轉型智慧製造，但仍然存在許多問題，阻礙工廠車間的優化、效率提升甚至導致安全隱憂。
不過，雖然全球製造業，都在積極轉型智慧製造，但仍然存在許多問題，阻礙工廠車間的優化、效率提升甚至導致安全隱憂。
製造商在升級之前必需瞭解清楚，實現工業4.0要解決哪些問題，最終目的是要獲得哪些功能價值。新一代資訊技術可以幫助企業提升生產力，為管理者提供富有遠見的洞察力，認識車間哪些因素可能會降低效率，會對公司的業務產生負面的影響，越來越多的智慧製造平台，在實現這樣的功能。
工業4.0將使工廠變得比以往更加智慧，但不代表透過自動化、大數據、物聯網和雲計算技術，就能達到想要的效果。企業在升級過程，應該把重點放在發出問題和解決問題上，並讓員工參與到這個變革中，以理解必須採取哪些措施，才能讓這些創新技術解決方案，發揮出最大的潛力。
今天的工業物聯網將生產過程的所有對象，包括機器設備、人和電腦連接起來，採集大量來自車間底層的數據，用於機器的健康監測、預測性維護、診斷分析、流程優化等，企業也將可能利用機器學習，來處理和分析數據，獲得更多可靠的見解。但在進行數位化過程中，工廠需要認識清楚一些關鍵的問題。
設備故障可能引發災難
任何工廠設備都不可能一直運行下去，並保持同樣的生產效率。當機器設備老化或者失效時，必將導致生產的延遲，或者需要進行停機維護，同時也可能會嚴重影響員工的安全和業務的效益。
此外，工廠必需保證交付時間，機器故障引發的是一種災難，為了按照市場需求的速度繼續生產，公司可能不得不外包業務來滿足生產需要，這可能是非常昂貴的。最終讓企業付出更多成本，甚至有可能虧損。
總體而言，由於數據轉換的複雜性和數據訪問的複雜性，要獲得正確的見解，前提是取得正確的數據，採集來的數據需要經過篩選和清洗。不過，傳統設備過於老舊，有時無法獲得合適的數據，這些都可能會成為製造商數位轉換的障礙。
系統地收集和挖掘數據
工廠的日常運營不只是製造那麼簡單，從產品設計到原料採購、生產加工、測試、物流等，每一個環節都可以影響企業效益。為了使工廠有更高的效率，生產管理者每天都要對庫存、供應、交付、品質、生產、客戶支持、處理和日常管理等資訊進行分析、監控和更新。
正確的流程分析和創建強大的數據模型，可以指導操作人員如何優化產線性能，為提升生產品質，和機器正常運行時，間提供指導。機器學習可實現智慧過程控制，從而自動甚至自主地考慮，所有關鍵變量和相關修正。
通常來說，生產人員日常工作表現、生產表單以及機械設備的數據等都需要收集，這些數據對務決策極為重要。如果沒有一個有效的系統，運營經理及其團隊會浪費大量時間，去收集數據，才能獲得這些對做出關鍵業務決策非常重要的必要資訊。
資訊可靠性是一個關鍵
生產過程的數據，通常是複雜而混亂的，如果數據不可靠，那可能很多工作都是白忙。數據分析本身為了給管理者決策建議，如果產生了錯誤的結論，那麼公司可能作出錯的選擇，可能最終選擇最具阻力的路徑，以及進行了複雜的經營流程，最終導致資源浪費或濫用。
此外，由於某些設備既是自動化又是手動的，這意味著還有一層複雜性，操作人員在進入時，必須密切關注可操作的數據。那麼，手動輸入數據很容易出現人為錯誤，這可能會導致由誤導性資訊產生更糟糕業務決策。
錯誤的數據，會給生產經理帶來許多困擾，例如不準確的KPI數據，管理者無法瞭解真實的情況，就不能進行下一步的優化。所以只有使用準確數據，才可以有效地做出決策。
知識流失影響公司效率
穩定熟練的工人是維護工廠效率的保障，很多企業會不斷有老員工流失，新員人交替的過程會影響到公司的效率。當企業失去頂尖人才或者員工退休，那些多年的經驗也跟著員工離去，企業可能需要外聘專家，或者長期累積才能形成成熟的生產系統。
還有一點，新員工入職時，通常會由老員工進行數小時的培訓，然後快速上崗。但許多公司沒有內部資源和正確培訓，這樣就增加了操作錯誤的可能性，新員工可能執行未經批准動作，而造成公司的損失。熟練工人的流失和新人過度階段，都會對整個公司的效率和生產力水平產生影響。
如何保證一家工廠持續穩定的運行，技術工人和知識經驗都很關鍵，企業應該建議完善的知識培訓體系，讓員工在工作中可以不斷學習和提升個人水準。企業可以透過雲伺服器建立知識庫，當員工在工作遇到問題時，可以隨時隨地獲得相關的知識支持。270181205
|
‧ 車聯網離開數據和整合就是扯淡
車聯網這個日漸被熟知的概念，已經在冥冥之中被用戶勾勒出了一個美好的未來：某一天自己可以在無人駕駛的汽車內安詳的補著覺、開著會、吃著飯……由車聯網整合後的智慧時刻緊盯著前方的車、前方的路，並在下班連接智慧家居為我們舒適的佈置好一切……每每想到這些，都會讓人沈浸其中、欲罷不能。
遺憾的是，對於目前已經存在的車聯網平台來講，這些我們也只能在偶爾的夢中想想，不能當真。因為沒有數據整合，所以筆者認為目前市場上所標示的車聯網，都是炒熱的虛假車聯網概念。
若是不信，我們首先來回顧下車聯網的基本定義：車聯網是由車輛位置、速度和路線等信息構成的巨大交互網路，需要通過GPS、RFID、傳感器、攝影機圖像處理等裝置，來讓車輛完成對自身環境和狀態資訊的收集，並以此為過渡，用以解決行車過程中，可能遇到的安全、擁堵、路線、路況等實際問題。
如果拿車聯網的基本定義，來審視目前互聯網企業、車廠，亦或汽車後裝內的車聯網平台的話，那麼正如我們以上所說的，如今的市場上，是沒有真正的車聯網可呈現給車主們的。大家基本都是在一個系統定位內，不斷的演習著 GPS 所牽絆的綜合出行服務，偶爾加上一些附帶在硬體產品中的智慧安全輔助，以此建構了一個虛無的車聯網市場，供用戶臆想觀摩。
比如互聯網企業以娛樂為中心的系統建構，少許硬體產品所並不能改變的後裝硬體產品模式。比如車廠意識到自己應該很好的擁抱車聯網後，用合作搭建的，只管奢侈難以平民化的市場模型。
再如後裝翼卡車聯網一樣，可供效仿的後台服務交互模式、無限流量服務雖然夠好，但並未有效的附帶在汽車上某個可行的感測器或其它裝置之中。
缺少數據支撐、缺少硬體整合、缺少車聯網所需的感測器，以及其它的硬體匹配是車聯網「市場幻象」的根本成因。
可能會有觀點認為，這樣的產品線擴充，在筆者上面說的幾點內，都有我們不知的局限性。但如果你站在市場的角度來看，就不會這麼說，因為進入車聯網市場兩年以來，BAT 專制自己，並沒有提供數據基礎的先兆，也沒有跟對競者合作的理念。
整車廠依舊沒有開放自己的數據平台，雖與某些企業合力組建了車聯網體系，安全功能稀少，且依然走著高貴的路線。後裝有相對比較成型化的車聯網應用，但卻並未有機會把這些合理的東西有效切合在車廠、BAT的硬軟體之中。
題目中我所講到的意思大致就是上文說的這些，而我所認為的數據，在車聯網的重要，也不單局限在這些方面，因為他們這些企業未來，有很大的合作傾向，目前也已有相應的合作呈現。
車聯網主管著端、管、雲三個層面，並以此為基帶在智慧交通的未來普及中，擔負著很大的市場重任，數據的整合與硬軟體資源的整合，也都必須在一個同步的市場體系中，才能避免不足為訓的市場標榜，進而完成時刻保護車主用戶安全的任務。而目前為止，數據基礎都是空談，自然也不會有同步化的資源建構了。
在筆者看來，如果想要讓車聯網持續飛速的發展，必然需要三方平台的合力建構，互聯網企業提供數據、車廠專做硬體、後裝以多年累積的市場經驗填補其中，可以併購、可以融合，但數據與聯合一樣都不能少，少了一樣車聯網構想只能繼續晚成。
．製造業供應鏈發展的幾點趨勢
Supply Chain Management in Industry 4.0
來源：江苏巨成软件
1供應鏈向生態圈發展
隨著工業4.0的逐步推進，物流行業也會順應趨勢，逐漸步入4.0時代。在工業4.0時代，協同、互通、生態、平台，將成為物流行業的主要特徵。
物流的業務邊界會逐步模糊，如入場物流、生產物流、銷售物流、逆向物流等，原材料倉可能和車間混為一個區域，供應商的倉庫可能會與企業的原材料倉進行合併，協同作業……而業務邊界的模糊，必將帶來系統的聯通。
要實現物流4.0，需要全程的供應鏈協同。從前端的供應網路，到中間的計劃與生產，再到後端的分銷網路，都不再是獨立存在的，這些網路高效協作的同時，還在不斷向兩端延伸。
過去，製造業在談供應鏈的時候，往往只注重上下游，即自己的供應商和客戶。
未來，企業的競爭將逐漸轉化，為供應鏈生態圈之間的競爭，在生態圈內，除了企業及其上下游，還涵蓋了資訊系統/服務提供商、物流商、物流設備製造商等等，在這個生態圈內，各個企業互利互惠，共同協作，將會形成一個強有力的競爭環境。唯智牽頭成立的「一站式智慧製造雲服務聯盟」就是為了打造這樣一個供應鏈生態圈。
2供應鏈優化模式創新
過去，企業在做供應鏈優化時，往往會先分析需要優化的模式，然後逐個尋找供應商，企業的供應鏈管理人員，個個都被鍛鍊成了專家。
但是隨著資訊爆炸時代的到來，這個事情變得越來越難，過程複雜、選擇又太多，企業的人員不可能瞭解所有的資訊。
有了類似「一站式智慧製造雲服務聯盟」這樣的機構，未來，企業可以直接對供應商提出要求，例如需要提升生產效率、降低單品成本，或實現某一流程等。由聯盟提供總體規劃、解決方案和一站式服務，對雙方來說是共贏。
3自動化設備的應用熱潮
自動化設備的應用，可以說是實現智慧供應鏈的重要的一環。不少自動化設備廠商，都加大了研發力度，產品不斷地創新，能夠滿足企業越來越多的業務需求，如協作機器人、AGV小車等。隨著設備技術的完善、功能的創新、成本的降低，製造企業也更願意去購入設備，特別落實在家電、裝配、電子、汽車、醫藥等行業。
此外，隨著雲技術、大數據、RFID、行動計算、定位等等各類技術的逐步成熟，製造業在供應鏈追溯管理、可視化管理等方面也越來越重視。170181107