從大數據到智慧資料 AI演算偕感測器邁向工業4.0 - 技術頻道 - 新電子科技雜誌 Micro-electronics


熱門關鍵字:電源模組 | SiC | 機器視覺 | GaN | 5G

訂閱電子報

立刻輸入Email,獲取最新的資訊:


收藏功能:
分享報新知:
其他功能:

從大數據到智慧資料 AI演算偕感測器邁向工業4.0

文‧Dzianis Lukashevich/Felix Sawo 發布日期:2020/06/29 關鍵字:智慧感測人工智慧AI data-drivenKalman filter streaming analytic

工業4.0應用產生大量的複雜資料,亦即大數據。持續增加的感測器以及資料來源,使得機器、系統、流程的監控圖結構變得越來越精細,也促使整個價值鏈達到產生更多價值的潛力。然而究竟要如何發掘出價值?這項問題變得越來越難解答,畢竟用來處理資料的系統和架構複雜度持續增加,只有透過具關聯性、高品質、有用資料,也就是智慧資料才能發掘出有效的經濟潛力。

蒐集所有可能資料並儲存在雲端,待日後再進行評估、分析以及結構化,是目前各界廣泛採納的做法,但運用在從資料中擷取價值的目標上卻不特別有效。資料產生附加價值的潛力迄今仍有待開發,導致之後的階段尋找解決方案變得更加複雜。較理想的替代作法,是儘早判斷什麼資訊和應用有關聯,以及要在資料流中擷取什麼資訊。換個方式來說,提煉資料就是從整個處理鏈的大數據萃取出智慧資料,同時判斷哪些AI演算法在個別處理步驟中有較高的成功機率,這樣的決策可以在應用層面執行,而且取決於多種邊界條件,像是可用的資料、應用類型、可用的感測器模態、以及較低階實體流程的背景資訊。

在個別處理步驟中,正確處理與解讀資料非常重要,攸關是否能從感測器訊號中擷取出真正的附加價值。依據應用的種類,可能不容易正確解讀個別感測器資料,以及擷取出所要的資訊。這方面的其中一個重點,就是暫時性行為會直接影響人們想得到的資訊。此外,必須經常考量到各感測器之間的相關性。在一些複雜任務中,光是用簡單的門檻數值以及人工判斷邏輯或規則,已不足以應付當前的需求。

》想看更多內容?快來【免費加入會員】【登入會員】,享受更多閱讀文章的權限喔!
研討會專區
主題式電子報
熱門文章