#工業4.0 #虛實整合系統CPS #智慧工廠 #物聯網IoT #自動光學檢測AOI #傅立葉轉換FourierTransform #深度學習DeepLearning #人工智慧AI #卷積神經網路CNN #遞歸神經網路RNN #多尺度熵MSE
【Domain know-how 是深度學習& AI 能否產生效益的關鍵】
深度學習 (Deep Learning) 最主要的兩個部分是訓練 (training) 和推論 (Inference)；對智慧工廠來說，若訓練時間過久或輸入到輸出的推理時間過長，是絕對無法接受的！GPU 藉平行運算、先對龐雜資料預做處理再丟回給 CPU，協助分擔 CPU 負載、加快運算速度及訓練時間，特別適用於由許多神經元與層級構成的深度學習、大型矩陣或資料量大、參數多的運算。產線機台設備不論是健康評估／診斷或效能預測，所使用的演算法皆與統計或機器學習密切相關。
以深度學習為核心，向外圍擴展的順位依序為類神經網路、機器學習與 AI；而訓練方式決定推論成果。以科技廠常用的自動光學檢測 (AOI) 為例，由於 AOI 需要極高解析度的影像學為基礎，且來料品質對檢測參數有很大影響，故 AOI 設備業者往往須派駐專業人員到客戶廠房協助微調機器；若加入大數據、深度學習和人工智慧，將有助於提高辨識效率，更精確區別出處於合格邊緣的 NG 報廢品、或尚可補救的瑕疵品。另兩個應用場域是：聲音與振動檢測。
透過收集、研究機器運轉的聲音訊號，來檢測風力發電機的軸承是否有異常狀況？不過，前提是克服環境噪音和回音等其它聲源干擾。至於振動檢測，最麻煩的就是決定要餵多長的資料？參數不同，可能導致推論天差地遠！因此，特徵擷取方式將是 AI 能否良好辨識的關鍵。目前診斷工廠馬達、轉軸多是利用傅立葉轉換 (Fourier Transform)，但有個重大缺陷：它假設所有訊號都可用正弦／餘弦波模擬，再積分求得，可惜內情並非如此單純。
一旦轉子不平衡、位置產生角度、呈現平行、彎曲或沒有鎖緊，會誘發「倍頻」現象。傳立葉頻譜雖可取得轉子系統異常訊號特微，但仍須經由人為判讀診斷，
對產線人員有一定難度，也無法達成智能機械目標；輔以經驗模態拆解、多尺度熵 (Multiscale Entropy, MSE) 分析是理想方案。深度學習演算法還能用於金屬切削加工，將良好與損壞刀具相較並改變當中參數，包括轉速、進給、振動、電流值，可監控刀具磨耗程度並預測使用壽命。
工業 4.0 的虛實整合目前並無確切系統規格，實現理論均以為機學習為基礎，其中，將感測器 (包括振動、電流、溫度……) 的原始訊號直接作為類神經或深度學習網路的輸入值，效果不彰；若要達到預先診斷，訊號的特徵擷取是重要因子。此外，醫療業與製造業許多應用的背後理論相似，檢驗醫療影像的技術也能用於 AOI，檢驗心電訊號的演算法，可用於檢驗機台振動訊號。
AI 現正於各領域蓬勃發展中，演算法進入門檻亦越來越低，真正的關鍵是如何為現有數據有效轉化為實際應用並產生效益，Domain know-how 才是真正挑戰所在。模型訓練 (Model Training) 需要強大的 CPU 運算能力奧援；但若能找到決定性的型態 (pattern)、做成推論引擎 (Inference Engine)，便能以最少運算資源、在最短時間內算出想要的結果。
延伸閱讀：
《Deep Learning 與 AI 進駐工業 4.0》
http://compotechasia.com/a/____/2017/0911/36625.html
(點擊內文標題即可閱讀全文)
#麗臺科技Leadtek #輝達nVidia #統一運算架構CUDA
★★【智慧應用開發論壇】(FB 不公開社團：https://www.facebook.com/groups/smart.application/) 誠邀各界擁有工程專業或實作經驗的好手參與討論，採「實名制」入社。申請加入前請至 https://goo.gl/forms/829J9rWjR3lVJ67S2 填寫基本資料，以利規劃議題方向；未留資料者恕不受理。★★
統一運算架構cuda 在 [新聞] 輝達小心！AMD產品發佈會來了- 看板Stock 的美食出口停車場
黃仁勳小心了！AI晶片下週有大事 業者曝擁護「它」抗輝達霸權
2023年6月10日 週六 下午10:21
記者呂承哲／綜合報導
https://reurl.cc/RzO0p9
輝達（NVIDIA）執行長黃仁勳日前在台北國際電腦展COMPUTEX 2023展現了該公司強大的A
I相關應用的伺服器GPU H100，透露現在訂單供不應求，並透過先前輝達財測下一季營收
將來到110億美元的驚人數據，證明該公司在AI晶片領域的獨霸地位。不過，供應鏈消息
指出，市場也不希望NVIDIA獨霸，期待即將在13日舉行全球資料中心與AI技術發布會的超
微（AMD），可以與其抗衡，因為任何業者也不想看，主導權完全被一家公司掌控。
這次發布會，預計會由AMD執行長蘇姿丰(Lisa Su)親自主持，預計AMD將推出與H100抗衡
的MI300，市場期待能多透露一些這款第4季量產的產品細節、規格與競爭優勢。
AMD於今年1月6日在美國拉斯維加CES 2023國際消費電子展，展示這款最新一代資料中心
加速處理器（APU）Instinct MI300晶片，也是首款融合 24 核 Zen 4 架構CPU 與 CDNA
3 加速 GPU，透過小晶片(Chiplet)、3D封裝技術，混合 5奈米製程與 6奈米製程晶粒，
高達 1,460 億個電晶體，彼此晶粒透過第 4 代 Infinity 架構連接，同時透過 UMAA 技
術搭配 128GB HBM3 統一儲存架構記憶體。
AMD表示，MI300較現行旗艦產品 Instionct MI250X，提升8 倍 AI 效能、5 倍能源效率
。
據《Digitimes》報導，儘管在生態系整合與規模差距不小，但市場仍期待AMD可以制衡NV
IDIA如今市場地位，畢竟沒有人希望昔日英特爾獨佔伺服器平台的景象再度發生。供應鏈
說明，NVIDIA自2007年推出CUDA以來，一直在燒錢，甚至幾度營運狀況跌落谷底，終於熬
到AI的「iPhone」時刻已經來臨，GPU的算力也勝過CPU。
由於英特爾過去幾年因為先進製程推進不斷延宕，加上AMD將訂單委由台積電先進製程生
產，不僅在消費級產品有挑戰英特爾之勢，甚至連伺服器處理器都靠著高性價比，持續提
高市場接受度，市占率衝上2成，並持續侵蝕英特爾市占率。
在伺服器平台獲得一定優勢後，AMD繼續加強在GPU的競爭力，準備再次挑戰NVIDIA。AMD
近幾年最成功的投資，莫過於買下FPGA龍頭賽靈思（Xilinx），整合自家的CPU、GPU，讓
產品實力不斷上升，甚至擴張生態系與持續相容對手平台架構，加上為了制衡NVIDIA主導
地位，市場也開始醞釀一股支持AMD生態系的力量。
—
心得：ai晶片輝達最強，gpu超強
每次有機會看到車尾燈的只有AMD
Intel 洗洗睡（被nvda Amd夾爛）
科技大廠（如Google TPU)也洗洗睡
AMD 快點回去160
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 39.15.16.24 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1686534202.A.531.html
... <看更多>