2017年12月14日 星期四

從 Al 要如何改變設備業!?

從 AlphaGo到Alpha Zero,
而且Alpha Zero只需要36小時,
就能達到頂尖人類的棋藝水平。
引發了全世界的AI狂潮!!
但對設備能發揮多少功能?
多快能影響整個設備/自動化業?

也許會有不少人認為,設備加了AI,
短時間後就不會有不良品了

其實真的必要這麼悲觀,
AI來協助判斷問題是是未來趨勢,
但時間還沒這麼快。

===================









Alpha Zero之所以能成長這麼快,
是因為可以利用兩台 Alpha Zero之間,
快速的運算出結果。
所以在短時間內,可以得到累積大量的結果。
而且必定有一方輸,有一方贏,
輸的一方,就可以藉此修正自已的類神經網路判斷比重。

1.如果是設備,大約90%都是良品,10%的不良品可能也要到後段製程才會發生。如果能記綠的只有趨勢。

2.一個製程設備,少則幾秒,慢則幾分鐘都有可能,不可像Alpha Zero之間互練這麼快。

3.棋盤為固定的點數,一定可以推算出一個位置來下。
而設備的SENSOR感測器有限,也有可能看不出來結果,
還需要加裝SENSOR。加裝SENSOR又要重新抓數據,記綠趨勢,
等待不良品。


4.每台設備製程不盡相同,都要創一個AI !?未來也許有可能,
但也不知道經過多久了。


======================
個人認為可能從設備的維護方面導入AI會有比較快的成效。



1.設備的基本架構組成大同小異,像馬達、螺桿的組合,
在非常多製程設備中都有,
所以在製訂維護時程時,大多依經驗。
在此AI可以得到比較大量的數據,
而且時間可以拉到很久。

2.有維護資料,可以反回到設計、應用場合是否有問題。
當有通用的設計基礎,就可以把設計人員的資歷、經驗差拉近一點。

3.當設備設計的越好,穩定性、耐用度就高,良品就高。

個人認為這樣的AI比較實用,可以長期的累積經驗,
持續使用,新設計也能套用。


沒有留言:

張貼留言