當前位置: 主頁 > 策略&營運 >
 

工業電腦,不只是「工業電腦」

本文作者:任苙萍       點擊:11680 2018-05-17 13:09
前言:
研華SRP深入垂直應用,「新零售」揚帆啟航
人們最早對於「工業電腦」(Industrial PC, IPC) 的認識,是將它們當作工業控制器使用;然隨著物聯網 (IoT) 的到來,現在,它也是「新零售」的利器。研華科技嵌入式 IoT 事業群產品經理高信揚指出,物聯網應用主要有三塊:1.智慧工廠——供應鏈的設備端整合 (包括數據採集與資料格式) ;2.智慧城市——遠距離傳輸模式的協定及佈建;3.智慧零售——貨架確認、人流計算、顧客管理、提袋率分析、熱區分析,乃至影像辨識、智能語音的自助服務等,龐大的運算量對系統是沉重的負擔。
 

照片人物:研華科技嵌入式 IoT 事業群產品經理高信揚
 
高信揚分析,工業 4.0 在全球政府跟進鼓勵及資金補助下,未來 3~5 年仍是 IoT 的重頭戲,但上游未必是最大獲利者;尤其工廠或有許多敏感的「配方」(Recipe) 資料,半導體廠內的高階設備更是不允許變更,否則就無法獲得保固。因時,需有龍頭廠商帶領較易成事,不然就只能從馬達等周邊設備、側面採集相關數據;例如,透過「預處理框架」將馬達波形與傅立葉轉換 (Fourier transform) 的訊號做比對 (參見《Deep Learning 與 AI 進駐工業 4.0》一文http://compotechasia.com/a/____//2017/0911/36625.html )。
 
「新零售」崛起,智能邊緣來相助
智慧城市則因牽涉到公部門專案及諸多談判,看得到、卻不好做,工程耗時,目前新加坡是最積極推動者;相較之下,反而是零售、電商這個區塊較有潛力,可採集到的資料多、對保密也有一定的認知。有鑑於此,研華從工業電腦出發,將所有資料整合、串聯,以及供決策之用的函式關係預先載入設備端;有 80% 資料是在本地完成運算,必要時才會將資料派送至雲端。以人臉辨識為例,若攝影機數量多,拍照後把所有資料一股腦兒丟上雲端未免太沒效率。若藉由「模組化」輕量模式,可將選定的雲端運算功能完全複製到地端設備。
 
透過精心編程的事件觸發 (trigger) 動作,可吐出想要的運算資料;搭配從各個節點收集到的消費行為,就可做客製化電子菜單推播、增加互動性。在整個流程中,「如何精準又不過於煩瑣」是操作重點,故研華正研礙進一步加入「消費者群組邏輯」設定;為達目的,讓設備端再學習或是可行之道。他主張,智能邊緣有幾大要素:
1. 資料整合:硬體介面/資料通訊協定、格式一致化轉換、預處理與輕量分析、原始資料暫存;
2. 邏輯執行:邊緣邏輯規劃、智能流程執行和資料反射動作;
3. 資料安全:標準且公開的資料協定和格式、可靠/加密的資料傳輸、系統與資料保護、穩定的資料傳輸;
4. 連結雲端:跨雲端平台的整合能力、深度學習,並將雲端學習結果返回邊緣設備執行。
 
高信揚回顧,早在 IoT 一詞出現之前,研華就在做類似工作、自 2010 年開始發展連網概念,對不同應用領域多有涉獵且已經過「內化」,宏遠紡織的智慧工廠即是他們的代表作之一。研華所力推的「邊緣智能伺服器」(Edge Intelligence Servers, EIS) 有能力精準地簡化邏輯流程;在底層通訊協定部分,考慮到用戶可能基於設備機密性和複雜度起見、不願走標準程序,研華特地提供軟體開發套件 (SDK) 並開放原始程式碼,供用戶快速連結其他設備、由主機肩負「翻譯」任務,且針對不同垂直應用包裝各類「SRP」(Solution Ready Platform) 解決方案。
 
瞄準垂直應用,研華SRP讓用戶一試上手
以連鎖速食店的人性化自助服務為例,可將電子菜單、語音服務和廣告推播整合在邊緣設備 (EIS-D210),以收集消費習慣;再將各分店初步運算過的資料上傳至雲端,就客戶資料、自動服務和出餐資料分析、做出企業智慧 (BI) 的商務決策,將「新零售」精神發揮到極致——以互聯網為依托、以大數據為驅動,運用新科技和用戶體驗改造零售業形態。上述電子菜單 SRP 已內建 WebAccess / IMM 內容管理軟體,只需簡單三步驟:上傳影片/圖片等素材、依喜好或模板編輯電子菜單內容、按時間排程,便可實現多達 500 家連鎖店的遠端電子菜單派送。
 

圖1:研華邊緣智能服務器
資料來源:http://www.advantech.tw/
 
高信揚表示,作為中間整合者,能做的就是展示技術與服務。以英特爾 (Intel) Atom 平台為基礎,可外接模組提供更高效能;若客戶有改用現場可程式邏輯閘陣列 (FPGA) 做運算的需求,研華亦可配合。與此同時,研華還致力於提供應用程式介面 (API) 與最有效率的邏輯順序,以及呼叫 AWS 服務方式……。透過與亞馬遜 AWS 及客戶的三方合作,將使拼圖更完整。研華對於智慧農業的推動亦甚為積極,備有內含多種環境感測器、軟體及儀表板 (Dashboard) 系統的 SRP。
 
關於智慧農業高信揚認為,「產值和投資報酬率要足以支撐」,是發展的先決條件,高經濟作物或精緻農業會是優先標的,日本算是先驅之一,歐美倒以畜牧業居多。他特別提到,特徵值萃取固然重要,但具體如何定義、得取決於客戶願不願意分享他們的 know-how;適合產業取用是當務之急,資料量夠大是 AI 落地的關鍵。必要時,還須與合作夥伴發展建模 (modeling) 工具並現場陪同訓練。
 
AWS Greengrass 將微服務延伸到邊緣,加速本地回應
就新零售來說,借助大量資料學習深入研究消費偏好,至少不用再亂槍打鳥,可增加購買率 (擊中率)。研華自我期許,在一年內會有 AI 具體成果問世。高信揚亦不吝於對亞馬遜 AWS 表達肯定。AWS IoT 提供的開發套件可透過 MQTT、HTTP 1.1 或 WebSocket 通訊協定,快速連接硬體裝置或行動應用程式、進行驗證和交換訊息,且在連線的每個時間點都會做共同的身份驗證及加密;其中,MQTT 連線採用以憑證為基礎的身份驗證,由 AWS IoT 產生、或由偏好的憑證授權單位 (CA) 簽署。
 
裝置開發套件支援 C、JavaScript 和 Arduino,且內含用戶端程式庫、開發指南和製造商的移植指南,也可使用開放原始碼替代或撰寫自己的開發套件。開發者可根據訊息內容,在管理主控台內、或使用類似 SQL 語法編寫行為規則,一經觸發,資料就會傳給 AWS Lambda。高信揚說明,AWS Lambda 是一種無伺服器 (Serverless) 的運算服務,可執行程式碼以回應事件;其規則引擎提供數十個轉換資料功能,也可透過 AWS Lambda 建立,在 AWS Lambda 觸發執行 Java、Node.js 或 Python 程式碼,讓開發者擁有更多彈性和強大處理能力。
 

圖2:亞馬遜 AWS IoT 運作架構
資料來源:
https://aws.amazon.com/tw/iot-platform/how-it-works/
 
然而,高信揚不諱言,「非圖形化」是 AWS Lambda 美中不足之處,無法像 IBM Bluemix 的 Node-Red 開源視覺化介面,可直觀地為情境或外部條件建立相關性;他亦敦促 AWS 加快支援 Windows 版本,因為不少應用端業者仍習慣使用微軟系統。在邊緣設備方面,AWS Greengrass 軟體提供本機運算、發送簡訊、資料快取/同步和機器學習 (ML) 的推論功能,確保 IoT 裝置能快速回應本機事件,並透過無線更新保持最新狀態。即使未連接到網際網路,也可與其他裝置安全通訊,盡量減少雲端傳輸的成本。
 
AWS Greengrass 將多項微服務無縫延伸到邊緣設備,同時對接到雲端管理、分析和儲存。開發者可在 AWS Greengrass 編程以篩選裝置資料、只將所需的資訊傳回雲端。此外,AWS 超強的人臉辨識能力——即使經過變裝仍可辨識出來,尤讓擁有此類專業背景的高信揚讚賞有加。