工業4.0與AI訓練資料收集

此文延續上篇〈人工智慧下的工業4.0：應用、機會與挑戰的系統回顧〉的研究內容，接續講解工業4.0導入人工智慧（AI）的資料管理方流程與背後困境。

該研究將工業4.0的資料管理區分成四大階段：

1.資料收集與驗證：從各項感測器中收集相關的訓練資料。該研究指出，這是最耗時的任務。

2.資料適應與處理：對行業中的大量資料進行處理。研究中提到，企業可以利用AI/ML（人工智慧與機器學習）方法進行動態資料連結、資料過濾與資料融合。

3.模型與智慧系統：開發模型與智慧系統。在此階段，透過特定行業的領域專家能夠提升模型開發的效能。同時，企業需要建立「智慧試點系統」，以測試模型的結果。

4.投資報酬率評估：評估前幾階段和整個工業4.0的投資報酬率。該研究強調，此階段的關鍵在於了解AI系統產生的效益，以及如何提高效率、促進問題診斷與提升模型的信任度。

在許多情況下，獲取資料通常面臨一些挑戰，包括：不同感測器技術的選擇、資料噪音以及即時資料的獲取和驗證。為應對這些問題，該研究提出以下解決方案：

首先，企業可以利用機器學習（ML）分類器，自動檢測和分類感測器生成的故障資料，以提升資料的可信度。

其次，企業可以採用網狀網路（Mesh Network，一種網絡結構）和邊緣運算，以降低資料傳輸的延遲時間，實現人機無縫協作。

最後，企業可以通過生成模擬合成資料，用於機器學習系統的測試。

上述內容提出工業4.0中資料管理的四大方法，同時提供了應對挑戰的實際解決方案，有助於企業建立更深層次的數據意識。

作者：黃揚博（政大企管碩士、識商創辦人）、羅凱揚（台科大企管博士）

資料來源：Jan Z., Ahamed F., Mayer W., Patel, N., Grossmann, G., Stumptner, M., Kuusk, A. (2023). Artificial intelligence for industry 4.0: Systematic review of applications, challenges, and opportunities. Expert Systems with Applications, 33. https://doi.org/10.1016/j.eswa.2022.119456.