Pin It

製造智慧化關鍵

撰文/李洵穎

人工智慧(AI)是未來科技的核心,隨著技術逐漸到位,AI應用也實際在產業付諸實現。製造業出口值占整體出口總值的7成,是我國創造外匯的主力,AI的深度學習技術,大幅精進機器視覺、大數據分析與決策能力,賦予製造業更多的智慧與彈性,不再受限於低價生產成本,進一步吸引製造業回流。 

 如何應用AI導入製造業,達到轉型升級、競爭力提升,是製造業此刻最熱門的話題。
如何應用AI導入製造業,達到轉型升級、競爭力提升,是製造業此刻最熱門的話題。

長期以來,台灣以深厚的製造業供應鏈實力睥睨全球,協助眾多知名品牌在國際舞台上發光發熱。然而,東南亞等新興國家崛起,造成全球製造業板塊移動,台灣製造廠商面臨競爭。大量生產與低毛利已不是最具競爭力的獲利模式,如何應用AI導入製造業,達到轉型升級、競爭力提升,是製造業此刻最熱門的話題。 

台灣科技與傳產製造龍頭不約而同擁抱AI,希望導入AI來提高生產效率、降低成本,然而還有更多的台灣製造業者想問:企業現階段是否該導入AI?AI能解決企業哪些問題?提供製造業哪些應用?導入AI的挑戰為何?工研院日前舉辦「AI大未來:技術與應用交流會」,對於上述問題都提供了詳盡的解答。 

應邀以「企業數位轉型與AI」為題發表演說的微軟AI研發中心執行長張仁炯指出,企業必須洞察自己的商業核心問題,想清楚自己究竟想做什麼,也可以從客戶端的價值去看,想替客戶帶來什麼價值。他建議,企業可以先從已知的、既存的問題開始,以AI的創新方式去解決。換言之,用新技術解決舊問題,可以讓產品或服務獲得更高的商業價值,是企業導入AI時應思考的方向。 

對製造業而言,品質、彈性與速度是決勝關鍵,在現今講求高效、快速的生產環境下,透過導入AI,實現少量多樣的生產模式,追求提升營運效率或服務品質。若沒有善用AI增加競爭優勢,未來數年可能會面臨業務流失的風險。 

設備故障先預知 把搶修變維護

AI帶給製造業最大的幫助,是讓機器也像人一樣有判斷能力,不僅能自動完成各項製造流程,透過大數據的訓練學習,還能判斷、預測,採取適當的應對。製造設備的預診斷,正是AI在製造業可大顯身手之處。 

設備無預警停機,會造成整個產線停擺,是製造業的心頭大患,輕則產線上半成品報廢,重則交期延宕影響商譽。根據統計,各產業因意外停機帶來的成本,航空業每秒延遲損失65美元;數據中心每分鐘當機損失為8,851美元;汽車製造業因生產線停頓,每分鐘損失約2.2萬美元;半導體製造業更為慘烈,爐管區乾式幫浦每次停機,損失就高達12萬美元。 

「如果設備故障前就能提前預知,用維護取代維修,就可以減少停機損失了,」半導體設備廠商帆宣系統科技副總經理韋建名表示,帆宣很早就有研發設備預診斷系統的規劃,為了研發乾式幫浦設備預診斷系統,先後接洽過某知名日商與工研院,工研院的解決方案做出來的資訊分析數據相對準確,甚至還能找到問題所在,讓帆宣十分驚豔,從此開啟雙方合作的大門。 

微軟AI研發中心執行長 張仁炯(左)和帆宣系統科技副總經理 韋建名(右)。
微軟AI研發中心執行長 張仁炯(左)和帆宣系統科技副總經理 韋建名(右)。

大數據建構預測模型 設備管理輕鬆做

「合作4年來,深深感受到工研院扮演了『導師』和『探索性研發』的重要角色,」韋建名說,工研院教帆宣充分了解預診斷相關技術,並竭力協助開發,讓帆宣少走了許多冤枉路,節省很多時間。 

帆宣技轉工研院技術後,研發出「基於大數據分析之預診斷系統」,主系統包括設備預診斷、設備生命週期管理、零件生命週期管理、保養與維修管理、決策支援管理、運行即時監控及設備管理等多項子系統,功能相當齊全。 

韋建名說明,預診斷系統作業流程包含訓練階段和預測階段等兩大階段,前者先蒐集即時數據,利用先進AI學習技術,建置預測模型;後者利用先前建好的預測模型進行預測。如此一來,可降低無預警故障的損失,提供更好的設備零件管理、生產管理,良好的決策支援管理。 

半導體或高科技電子產業容不得無預警停機所造成的損失,設備事前診斷功能相形重要,運用AI讓機台可達到即時監控、提前預警的功效,對於生產線上遍布精密電子零件的高科技電子產業而言,可確保產線運作維持穩定。 

AI怎麼做?
AI怎麼做?

AI灌頂 配方生成快又好

隨著全球製造業生產技術的迅速發展,如何提高生產良率,已成為降低生產成本及提高產品品質的關鍵指標。以光電半導體製程為例,多需按照客戶的規格,進行製程配方參數的調整。過去製程工程師調整參數時,多憑著領域知識和經驗,但過程耗時、耗力、耗材,工程師的經驗也不易累積成為公司的研發資產,現行製程配方參數研發的作法,已無法滿足產業高效率需求。 

工研院研發「製程分析與參數最佳化技術」,採用前瞻資料取樣與實驗設計方法,整合多種先進AI演算法,建構製程模型來描述製程參數和產品品質間的關聯,並利用全域最佳化演算法,優化產品品質,快速估測產品品質特性,也可與製程工程師透過互動協作模式,提升研發速度,減少實驗次數,有效縮短先進製程的研發週期、提升良率,加快上市時間。 

此基於AI的製程分析與參數最佳化技術已實際運用在光電半導體產業,以薄膜製程品質預測為例,可提升品質預測準確度,誤差可降至21.6%;運用於鋼鐵產業的製程參數優化,則可減少35%的實驗次數。 

「瑕疵影像分類技術」兼具決策彈性與運算效能,瑕疵分類正確率可達99.95%以上,可協助目檢員減少57%的檢測篩檢量,解決現行生產線需大量人力複檢、效率低落的問題。
「瑕疵影像分類技術」兼具決策彈性與運算效能,瑕疵分類正確率可達99.95%以上,可協助目檢員減少57%的檢測篩檢量,解決現行生產線需大量人力複檢、效率低落的問題。

有眼有腦 瑕疵檢測精準高效

良率不高是製造業者的致命傷,不僅增加不必要的成本,更是企業信譽的風險因子。製造業普遍應用自動光學檢測(AOI)設備實現自動化生產流程,但現行設備檢測的正確率不高、瑕疵分類能力不足等問題,容易造成誤判,因此產線仍需仰賴大量人力進行複檢,檢測效率低落。 
應用AI可讓機器視覺擁有學習能力,解決上述問題。設備導入AI將可透過監督式學習演算法,遇到相似的產品種類或瑕疵時,即可自主判斷,不必再由管理人員重新設定、調整判別模式。 

工研院的「瑕疵影像分類技術」以深度學習網路架構,並兼具決策彈性與運算效能,瑕疵分類正確率可達99.95%以上,可協助目檢員減少57%的檢測篩檢量,解決現行生產線仍需仰賴大量人力複檢、效率低落的問題。結合「智慧化資料標記解決方案」,持續強化資料標記品質,降低訓練所需資料標記量至少一半,大幅降低AI導入產線應用門檻。 

目前工研院已將「瑕疵影像分類技術」導入半導體及PCB產業領域。以晶圓廠瑕疵分類為例,運用該技術進行瑕疵檢測的整體正確率大於97%,高於產業一般所要求的95%。 

Pin It

AI現在進行式

撰文/王珮華

近年科技的大趨勢是什麼?全球趨勢專家異口同聲指向人工智慧(AI),AI不僅被視為驅動科技前進的引擎,甚至認定未來的世界從產業到生活,都將受AI的影響。別以為AI還在遙不可及的未來,事實上,隨著機器視覺與自然語言的突破性進展,AI已經成為現在進行式。 

工研院產業科技國際策略發展所副所長鍾俊元指出,近期國際AI大型展會的主軸均鎖定企業AI應用,他歸納各調研機構對AI趨勢的觀察,認為2019年企業AI趨勢重點為:自動化、對話與理解。 

AI趨勢化
AI趨勢化

自動化、對話與理解 企業AI應用趨勢

自動化方面,機器人流程自動化(Robotic Process Automation;RPA)可模擬人員在電腦上的操作,將企業日常營運重複性高或系統整合程度高的作業,交由自動化系統來處理,降低至少15%的人工成本。這塊市場年複合成長率高達65%,研調機構Forrester估計,到了2021年全球將有400萬個RPA案例在運作。 

對話應用上,美國聊天機器人(Chatbot)在企業市場的需求,遠高於消費者市場,2016年全球聊天機器人市場突破上億美元,並以每年36.7%的複合成長率增加。未來,企業用智能助理(Intelligence Agent)將扮演重要角色,與聊天機器人相比,智能助理更具個性化,處理更複雜的事,並提供有用的建議,至少「不同使用者呼喚自己的Alexa,應該要得到不同的回應。」 

自然語言理解技術(Natural Language Understanding;NLU)的進步,為機器理解人類語言跨出大步,在此基礎上,也發展出企業投資或決策專用的搜尋引擎、可分析註釋市場資訊、研調文章,供決策參考;甚至有可理解圖形報表,自動生成文字敘述,加速企業商業決策。 

鍾俊元表示,企業對AI的需求,端視AI技術的演進,如何「從行動像個人,到思考像個人」。他認為,AI於企業的應用才剛開始,未來仍有很大的成長空間。 

資料、領域知識與AI 共同解決產業問題

回頭來看AI在台灣的應用,工研院日前舉辦「AI大未來:技術與應用交流會」,吸引超過300位產業與學界人士參與,現場展示AI在製造、醫療、商務、無人經濟四大領域、共計7項AI應用,都已導入產業,展現AI落地實績,也見證台灣AI時代的來臨。 

工研院巨量資訊科技中心主任馮文生表示,過去兩年聽過太多有關AI的「狂想」,彷彿AI無所不能,到了今天應更務實來面對,「AI有它能做到的,也有做不到的。」以瑕疵檢測為例,儘管AI影像辨識的能力大幅躍進,但沒看過的瑕疵圖案(Pattern),就是抓不出來,還需搭配異常偵測的技術;深度學習需要大量標記過的資料,這些資料的收集與標記,往往耗費很大的成本,所以標記的相關技術,如主動學習、轉移學習就相當重要。「要讓AI落地,單憑AI是辦不到的,要整合其他技術、知識的搭配,才能真正解決產業的問題。」 

工研院針對製造、醫療、商務、無人經濟四大領域的產業需求,開發出「半導體機台故障預診斷」、「瑕疵影像分類技術」、「機器人自主學習夾取技術」、「糖尿病視網膜病變分析技術」、「理財機器人」、「文字問答虛擬助理」、「易取智慧貨架」,現已實際進入半導體、印刷電路板、金屬加工、醫院、客服與零售業。 

跨域合作、軟硬兼施、產業落地

對於台灣發展AI的策略,馮文生提出12字箴言:「跨域合作、軟硬兼施、產業落地」。台灣要發展AI,一定要配合資料與領域知識(Domain Knowledge),馮文生說,製造與醫療是台灣的強項,製造有配方資料、檢測資料;醫療有影像資料、就診資料,都有很多發揮的空間。馮文生認為,台灣的終端設備製造能力數一數二,透過AI與硬體設備的結合,提昇硬體設備的價值,是AI對台灣產業最大的幫助。 

他也認為,工研院具備跨領域的環境,擁有產業的領域知識,也洞察產業問題,因此無論是細胞療法、新材料發展、半導體配方生成,都是工研院可以著力的方向。 

工研院產業科技國際策略發展所副所長 鍾俊元(左),工研院巨量資訊科技中心主任 馮文生(右)。
工研院產業科技國際策略發展所副所長 鍾俊元(左),工研院巨量資訊科技中心主任 馮文生(右)。

Pin It

自駕車驅動關鍵力

撰文/游易文

工研院與國內車電業者攜手打造自駕中巴,2018年在台中花博展期間,提供載客接駁服務,其中,由國人所研發的「自動駕駛感知次系統」,肩負感知與運算任務,正是自駕車聰明又安全的關鍵。 

工研院期望透過合作、技轉等方式,協助對自駕車、AI有興趣的台灣廠商提升相關生產技術。
工研院期望透過合作、技轉等方式,協助對自駕車、AI有興趣的台灣廠商提升相關生產技術。

工研院「自動駕駛感知次系統攻堅計畫」,研發與合作領域涵蓋核心技術、整車展示、資訊安全等三大分項,其中,CPU、GPU、RACam、天線、射頻模組等,都屬於感測分析硬體元件。 

善用台廠優勢媒合感測分析硬體

有鑑於當今國外自駕車廠商大多採用「單一集中式運算平台」,研發成本與整合門檻都較高,而台灣廠商在個別硬體與模組製造方面一向擁有優勢,作為產業協作的領頭羊,工研院期望能找出利基市場,以「分散式運算平台」作為研發方向,透過合作、技轉等方式,協助對自駕車、AI有興趣的台灣廠商提升相關生產技術。 
若是有廠商已著手研發自駕車感測分析相關硬體,工研院也樂意提供演算法軟體,進行開發評估及驗證環境,加快商業化進程,並且搭橋媒合,協助台廠及早打入國際自駕車供應鏈之列,目前預估到了計畫時程第三年就能陸續看見合作成果。 

深度學習影像辨識幫助自駕車識別路況

同樣屬於核心技術項目,攝影機、雷達、光達等感測分析硬體必須透過深度學習技術建立影像辨識模型與軌跡預測模組,進而讓自駕車在不同天候情況下,可以即時偵測行車路徑上的周遭環境,包括車輛、行人、號誌等各種動靜態物件,減少發生碰撞可能性。 

計畫在第一年已經進行影像部分的數據累積與辨識分類,第二年起將在這一架構基礎之上,進一步建構三維光達點雲數據,提供合作廠商更全面、精準、高效能的影像辨識自動化標示服務。 

而這項影像辨識技術不只能運用在自駕車行駛過程上,還可以用來辨識公車站牌等候人數、車廂內的搭乘人數等,所以能夠協助台灣廠商推出不同類型產品,開拓自駕車應用商機。 

多重感測融合平台進軍亞洲市場

所謂多重感測融合平台,是將光達、雷達、攝影機等異質感測器,整合於自動駕駛輔助系統的解決方案,希望進一步提升影像辨識能力,就算在夜晚、大霧等天候環境裡,也可以針對各種狀況做出立即又正確的反應,確保安全性與穩定度。 

台灣天候狀況、道路環境多變複雜,情境分析難度自然較高,因此工研院期望這套應用在自駕中巴的多重感測融合平台,能發展更符合亞洲國情的運輸輔助系統,一旦在台灣道路成功運行,將可順利協助台灣廠商進軍東南亞,實現大眾運輸智慧化最後一哩路。 

此外,不同於房車型自駕車,自駕中巴安裝的感測分析硬體,由於高度較高、視角較廣泛,所建構的多重感測融合平台成為工研院的技術優勢,台灣廠商更可延伸相關利基型商品,成為全球自駕車產業的領先群與供應商。 

工研院研發多重感測融合平台,將光達、雷達、攝影機等異質感測器,整合於自動駕駛輔助系統,進一步提升影像辨識能力,就算在夜晚、大霧等天候環境裡,也可以針對各種狀況做出立即又正確的反應。
工研院研發多重感測融合平台,將光達、雷達、攝影機等異質感測器,整合於自動駕駛輔助系統,進一步提升影像辨識能力,就算在夜晚、大霧等天候環境裡,也可以針對各種狀況做出立即又正確的反應。

即時事件推理大幅提升AI決策力

與深度學習影像辨識相輔相成的即時事件推理能力,透過深度學習完成路徑周圍物件影像辨識,再交由自駕車推理系統估算行進路徑與危險程度,做出下一步要開、要停、要快、要慢等重要決策。 

攸關乘客與行車安全,工研院除了強化相關軟硬體整合與預測準確度,還延伸之前的專案成果,與iRoadSafe智慧路側系統結合,讓自駕中巴上的OBU透過V2X(Vehicle-to-Everything)通訊系統,可以與交通號誌直接且快速地溝通,例如知道紅綠燈還剩幾秒變換,就能及早決定行駛速度快慢,不會有急煞及突然開動等狀況;若是路上有闖紅燈的人,也能透過智慧路側系統立刻獲得偵測訊號及早反應。 

有了通訊系統與推理機制,工研院未來將與智慧電子看板廠商以及各縣市政府攜手合作,共同打造智慧路口,運用自駕車相關技術進一步提升道路安全。 

Pin It

全台首輛自駕中巴上路

撰文/游易文

受惠自駕車、車聯網趨勢,先進駕駛輔助系統,如車用影像、盲點偵測、車道偏移、停車輔助系統、車用LED等需求大增。工研院IEK Consulting預估,台灣汽車電子產值至2020年將超過2,700億元台幣,直逼整車產值。工研院鏈結資通訊廠商,合組「自駕感知次系統」旗艦隊,搶攻車輛自動安全防護系統及自駕車應用商機。

「自動駕駛感知次系統產業合作夥伴計畫」協助想跨進車電領域的台灣半導體、資通訊業者,打進國際自駕車供應鏈,目前已吸引10家資通訊廠商加入,儼然是台灣自駕車產業的「旗艦隊」。
「自動駕駛感知次系統產業合作夥伴計畫」協助想跨進車電領域的台灣半導體、資通訊業者,打進國際自駕車供應鏈,目前已吸引10家資通訊廠商加入,儼然是台灣自駕車產業的「旗艦隊」。

自駕技術一旦成真,將為汽車產業帶來翻天覆地的影響,但在技術發展的過程中,仍然有許多的挑戰需要克服。簡單來說,自駕車猶如在路上跑的超級電腦,為了保護自己以及周圍的車輛、行人,達到安全性與可靠性等終極目標,必須掌握環境感知、行為決策、運動控制三大核心邏輯。 

三大核心猶如人的感官、大腦與手腳/神經,其中環境感知仰賴攝影機、光達、雷達、車聯網、GPS所組成的「融合多重感應器的軟硬體系統」,讓自駕車擁有人類的視覺、聽覺、觸覺與方向感,對周遭環境物件進行正確判讀,並且預測未來行進軌跡,作為方向決策與速度控制依據。 

資通訊技術是感知次系統發展優勢

工研院資訊與通訊研究所所長闕志克分析,目前自駕車的行為決策與運動控制,大多掌握在汽車大廠與科技巨擘手上,因此環境感知是台灣廠商切入汽車電子產業的最佳選項。在經濟部技術處支持下,工研院的「自動駕駛感知次系統產業合作夥伴計畫」,一方面帶動台灣汽車電子廠商技術升級,另一方面則協助想跨進車電領域的台灣半導體、資通訊業者,打進國際自駕車供應鏈。 

合作夥伴計畫推行一年多來,已吸引包括亞勳科技、鼎天國際、朋程科技、光寶科技、新鈳電子、英業達、車王電子、華電聯網、明泰科技及遠傳電信等10家資通訊廠商加入,儼然是台灣自駕車產業的「旗艦隊」。 

闕志克進一步表示,隨著國內廠商踴躍加入,「自動駕駛感知次系統」供應鏈逐步成形,尤其攝影機、光達等感測器元件廠商,藉由取得工研院開發的演算法軟體技術轉移,可望順利跟國際自駕車大廠對接,擠進第一線供應鏈(Tier1),再運用台灣的資通訊實力,替目前的車輛、電動車乃至於未來的自駕車,打造更安全、更智慧的行車體驗。 

計畫合作夥伴之一,車王電子暨華德動能董事長蔡裕慶表示,台灣的交通運輸獨特又複雜,是很好的驗證場域。這套技術在台灣如果可行,在全世界的場域都可行。此外,自駕車若能搭配捷運,解決從捷運到家門最後一哩路的問題,將是全世界重大的突破。 

由工研院、資策會及自駕車產業業者合力打造的自駕中型巴士,於台中花博期間,在水湳智慧城場域試運行,並提供民眾搭乘。
由工研院、資策會及自駕車產業業者合力打造的自駕中型巴士,於台中花博期間,在水湳智慧城場域試運行,並提供民眾搭乘。

自駕巴士是成為台灣最佳切入機會

2018年底,結合工研院、資策會所研發的自動駕駛感知次系統,以及車王電子、電動巴士廠華德動能、車輛整合運動控制系統新創公司iAuto,合作打造的17人座自駕中型巴士,已於台中花博期間,在水湳智慧城場域試運行,並提供民眾搭乘。 

該自駕中巴,除了具備行駛時感測周遭物件相對位置、相對速度與軌跡推理的能力,還擁有定速巡航、車道維持、緊急煞車、號誌停等、停點定點停靠、迴轉道迴轉六大功能,不僅是國產自駕車關鍵技術落地的重要指標,未來還能吸引更多合作夥伴加入,將自駕車這塊餅做大。 

闕志克表示,國外發展自駕技術多以房車為主,競爭相當激烈,反而是固定路線行駛的自駕巴士,研發者較少,台灣更有值得一搏的機會;而感知次系統與模組一直都是台灣資通訊產業的強項,若能將雷達、光達、衛星定位、慣性導航衛星等技術,整合運用在自駕巴士上;將針對亞洲道路環境設計的「S3自動駕駛感知次系統」軟硬體平台與交通號誌連線,設定應用軟體白名單(Whitelisting),拒絕不明程式登入,強化資安管理,對台灣廠商進軍全球高達6.7兆美元的自駕車市場,將會是極佳利基。 

Pin It

撰文/魏茂國

1980年代風靡一時的美國電視影集《霹靂遊俠》(Knight Rider)中,能說話、與人互動,具備自動駕駛能力的霹靂車,許多觀眾至今仍印象深刻。30多年後,科技終於讓霹靂車的奇想付諸實現,在這個每個人都能成為「李麥克」的時代,自駕車將不只是「人性化的萬能電腦車」,還會是巡邏、接駁、物流的好「夥計」。 

如今幾乎全世界的車廠都大規模投資研發自駕技術與相關服務,希望能透過更具智慧創新的自駕車及應用服務,來爭取未來的商機。
如今幾乎全世界的車廠都大規模投資研發自駕技術與相關服務,希望能透過更具智慧創新的自駕車及應用服務,來爭取未來的商機。

在資訊科技的帶動下,近年來汽車產業的創新展現出前所未有的風貌,其中關鍵就在於運用了物聯網(IoT)、大數據(Big Data)、人工智慧(AI)等技術,加上更多、更快的運算能力挹注,汽車已不再只是移動工具,還可以變得更聰明、多功能,其中自駕車(Autonomous Vehicles)正是當前最熱門的發展焦點。 

開發自駕車的最主要目的,自是要取代人為駕駛,連帶也會改變移動的方式與銷售型態。但要做到汽車能「自駕」,卻是需要多種技術之間的連結整合,尤其是在人工智慧與物聯網結合的智慧物聯(AIoT)趨勢下,讓原本以機械性能為中心的汽車,具備感知與學習能力,能自行精準判斷及操控。積極投入自動駕駛技術發展的輝達公司(NVIDIA),就指出自駕車可有效減少因交通意外而造成的數百萬人傷亡及數10億美元的損失,並降低每單位距離移動成本。 

從汽車產業來看,美國通用汽車(GM)預估,全球連網汽車於2020年將達到8,300萬輛,約等於全球汽車一年的銷售量;也就是說,屆時市面上所銷售的汽車幾乎都可以連網,對汽車連網功能及服務的需求也會愈來愈高。這也使得目前幾乎所有車廠都大規模投資研發自駕技術與相關服務,希望能透過更具智慧創新的自駕車及應用服務,來爭取未來的商機。 

自動駕駛成未來趨勢  建立生態系是關鍵

台灣IBM全球企業諮詢服務事業群顧問協理陳昌裕表示,在科技快速的發展與推動下,許多技術愈來愈貼近,甚至實際導入我們的生活。就以目前於各地如火如荼研發的自駕車相關技術,透過機器學習與訓練,人工智慧系統能夠運作得更順暢、精準度更高,甚至能運算出駕駛的偏好與習慣,提高行駛的舒適度與安全性。 

例如IBM就運用人工智慧系統「華生」(Watson),與通用汽車合作開發OnStar Go車用軟體,能根據使用者的行為、習慣、所處位置等資訊,並與加油站、信用卡等廠商合作,經分析並提供個人化的服務,像是提醒油量並建議行駛路線上的加油站,更有效地與車廂外的世界聯繫,突顯出自駕車在AIoT的導入及應用下,將不只是個能夠自動駕駛、載運人貨的工具,而是可以提供更多的應用服務與價值。 

陳昌裕認為,以目前世界主要車輛大廠所著重的發展重點,就是要從使用者出發,並建立「生態系統」(Ecosystem)、提供多元服務,也才能滿足自駕車在改變移動方式時的各種需求,特別是在物聯網與AI的結合及驅動下,就可將許多使用者需要的服務串連起來,也是自駕車在發展時的重要方向。 

整合AIoT軟硬體  發展智慧自駕技術

要讓自駕車上路行駛的過程,可簡單地視為從各種資料的感測接收,並經過資料的處理分析與決策後,進而控制車輛的運作,因此自駕車必須具備能夠有效掌握周遭環境的感測技術與設備。除了目前廣為運用的雷達(Radar)、GPS、超音波等,以及結合影像辨識技術的攝影機,工研院資訊與通訊研究所車載資通訊與控制系統組組長蔣村杰指出,「光學雷達」(LIDAR;簡稱光達)也是另一項達成高階至全自動駕駛的感測技術。 

目前應用於自駕車上的3D光學雷達,能提供更精準可靠的偵測能力、涵蓋範圍廣,並且不易受到環境光源和天候、溫度等影響,使得許多自駕車開發商都在車上搭載數顆不等的光達,以提升車輛感測效果。縱使現階段光達的價格仍相當高昂,但已有廠商運用不同技術原理來開發價格更低的光達,未來對自駕車的應用與發展將會有所助益。 

在提供自駕車各種分析模型並實際行駛之前,需要不斷收集資料來訓練演算法、提高精準度,蔣村杰表示,雖然目前各家開發商都不斷讓自駕車上路測試,但包括使用的車型與載重、行駛速度和環境、未來應用目的等因素,都會牽涉到系統的設計與運作,因此自駕車開發者十分重視用來幫助訓練自駕車建立各項模型的AI軟硬體及開發平台。 

以圖形處理器(GPU)為主力產品的NVIDIA,便針對自駕車在面對複雜的道路環境時,需要大量的平行運算和即時反應,提供更完整的工具與平台,包括可提供每秒處理30兆次的運算作業系統晶片DRIVE Xavier,DRIVE AV自動駕駛車輛平台則可協助開發者建立各種環境感測技術的模型,甚至能透過虛擬環境來訓練,以克服實際道路測試不易遇到的狀況;甚至擴增AR實境技術,能在自駕車行駛時顯示各項道路及周邊資訊,以及能利用車內外感測器提供更多行駛協助,當駕駛人出現疲勞、不夠專注的情形時,可以適時提醒。 


運用共享自駕概念  打造移動服務新模式

NVIDIA提供自駕車開發平台的目的,其實就是要讓不同的開發者都能方便快速地建立各種自駕工具,進而形成生態系、推助自駕車產業,和目前自駕車的發展方向不謀而合。在自駕車即將普及和改變移動方式的趨勢下,陳昌裕認為,未來自駕車最能實現的場域,在於通勤和移動需求較高的城市中,能帶來更高的使用效益。 

例如德國賓士(Mercedes-Benz)推出的Smart概念自駕車,正是主打因應未來移動需求的「共享自駕電動車」(Shared Autonomous Electric Vehicle;SAEV),兼具Connectivity(連結)、Autonomous(自駕)、Shared & Services(分享與服務)與Electric(電動)等特性,並可有效減少交通事故、控制成本,更有利於市區移動服務的建構,讓使用者能夠安全、舒適地移動。 

而瑞士改裝車廠Rinspeed推出的「Snap」概念自駕車,外觀看來就像是輛自駕小巴士,可是當使用者到達目的地後,就能將車體與底盤分離,留下的車體可當成移動商店或辦公室等多種用途,底盤則可自駕移動、供其他人使用,同樣能達成「分享」的概念。 

在自駕車的生態系中,藉由AIoT的驅動,將會不斷提出更多創新、並更具價值和效益的應用,例如自駕車的創新設計或營運模式,也是許多業者關注的地方。因此日本豐田(Toyota)汽車也結合「移動服務」(Mobility as a Service;MaaS)方式並成立移動服務事業聯盟,和亞馬遜、必勝客、Uber、Mazda等公司合作,將新開發的「e-Palette」自駕電動概念車,打造成無人化的快閃商店,方便移動到不同的地點營運,並預計在東京奧運時就會有相關服務。 

在長程貨物運輸上,自駕功能就可避免駕駛疲勞而造成的意外或損失,也能減少每單位距離行駛成本,因此目前如Google、Uber等業者都正投入相關研發與測試。或是如英國自動駕駛軟體開發新創公司Oxbotica,就與線上超市Ocado合作測試,透過小型自駕貨車「CargoPod」在城市中短距移動送貨,顧客在貨車到達後只需輸入密碼就可取貨,讓貨運型態在自駕車的應用下變得更為多元。 

2019 CES展中,NVIDIA發表全球首款商用Level 2自動駕駛系統。圖為裝置在後車廂的NVIDIA DRIVE系統。
2019 CES展中,NVIDIA發表全球首款商用Level 2自動駕駛系統。圖為裝置在後車廂的NVIDIA DRIVE系統。
2019 CES中,賓士展出可隨需求變形的「共享底盤自駕電動車」,透過汽車共乘來解決都會交通問題。
2019 CES中,賓士展出可隨需求變形的「共享底盤自駕電動車」,透過汽車共乘來解決都會交通問題。

專攻自駕感知次系統  推展台灣自駕車產業

回到台灣,即使汽車工業並非我國專長領域,但在資通訊、晶片、車用電子與設備等產業供應鏈方面卻是相當完整,是投入自駕車產業的一大利基。因此工研院成立「自動駕駛感知次系統產業合作夥伴計畫」,以連結業界的目標產品為發展藍圖,共同制定「自動駕駛感知次系統」架構及技術介面與規格,以使國內產業能自主開發差異化的技術與產品,並順利接軌全球自駕車潮流、促進產業升級。 

蔣村杰表示,這項平台整合了國內多個法人機構與單位,不僅業者也相當踴躍,從研發階段就開始參與,並規劃整合軟硬體在車輛環境感知次系統、自駕車接駁服務、自駕車規之資安及可靠度等關鍵技術上建立能量,未來更能延伸至相關產品、迎合業界需要,也會是台灣自駕車產業能夠爭取國際市場與商機的利器。 

Pin It

20190320

透過智慧調控,工研院的微電網系統測試場域,年發電量約51.8萬度,占六甲院區年負載用電量約20%,約等於100戶四口之家1年的用電量。

「網」住每一度電

撰文/李洵穎

為追求環境永續,提高再生能源比重是各國能源政策的重要議題。但再生能源受限於自然條件,其不穩定性與間歇性影響供電品質,利用微電網的調控技術能有效提升綠能運用。工研院於六甲院區設置微電網系統測試場域,兼具創能、儲能與電能管理功能,是台灣綠能科技前進國際的前哨站。 

工研院院長劉文雄指出,人類必須離開對化石能源的依賴,為求環境永續發展,再生能源是最好的選項。但各種能源都有優缺點,如何從中尋求平衡點,需要各方一起努力。再生能源的挑戰在於無法挑選設置地點,還有間歇性問題,必須搭配微電網的調度,配合儲能、預測、整合等功能,才有利於再生能源的發展。

電網管理與現代化策略辦公室技術長盧展南進一步表示,微電網及大型儲能系統不僅可整合分散式的再生能源,其另外的價值,在於大電網發生事故時,可使斷電損失高的重要產業及維生設施延續供電一段時間,加強重要園區的供電可靠度,減少無預警斷電損失,另外,亦可協助大事故下,供電系統的運轉靈活性及復原工作,強化電網韌性。 

根據政府規劃,藉由建置太陽光電、離岸風力等,將讓台灣的再生能源發電量占比由目前的4.6%,成長到2025年的20%,其中增加最快速的是太陽光電。工研院綠能與環境研究所電力及電網技術組組長梁佩芳認為,排除不可預測的人為政經因素,就技術面來說,只要整體分析相關因應措施得宜,諸如改善輸配電系統、裝設儲能設施、導入需量反應方案與預測技術等,電網將可順利容納20%的再生能源。 


發展再生能源 微電網系統助攻

再生能源發展勢在必行,但其間歇和不可控制性,仍是影響再生能源發展的重要因素。當大量再生能源發電發生劇烈變動,將影響區域電力系統供電品質與電網運轉穩定性,區域電網的管理及微電網技術應運而生。 

微電網技術屬於智慧電網的一環,透過微電網整合分散式的再生能源,依據用戶的負載進行協調運轉,能夠使電網的整體運作更有效率。打個比方,以微電網進行區域性的電力調度,就像是為運用替代道路,如果依據車流狀況妥善調度,可以舒緩主幹道的塞車,使整體交通更為順暢。 

梁佩芳表示,微電網本身也可以是一個獨立自主的小型電力供應網絡,讓電力自給自足,適合應用於小型離島的再生能源整合。過去離島仰賴柴油發電,應用微電網技術,供電系統就能更加環保。然而,系統整合並不僅是讓再生能源併入電網,再生能源供給過多時,逆送電力可能導致柴油發電機跳脫,而柴油機跳脫時,如果儲能系統無法立即維持穩定的電壓,再生能源將隨之跳脫,最後供電完全中斷,因此,微電網的控制系統非常重要。 

工研院微電網系統測試場域添助力

工研院在台南六甲院區建置旗艦級微電網系統測試場域,並以此為基地,吸引產業界共同合作。在測試場域內,不僅設有太陽能板,還包含5個貨櫃的儲能設施、能源管理系統,技術關鍵在於如何智慧調控能源配置。透過智慧調控,工研院的微電網系統測試場域,年發電量約51.8萬度電,占六甲院區年負載用電量約20%,約等於100戶四口之家一年的用電量,若以一度電3元計算,一年能為六甲院區省下155萬元。 

微電網系統測試場域操作的基本模式包含再生能源平滑模式和再生能源出力移轉模式。上班日院區用電較多,太陽能輸出能夠減少午間對台電的電力需求,微電網操作的重點在於平滑再生能源的輸出,並降低尖峰用電。假日無人上班時,院區的耗電量低於太陽光電的裝置容量,為了避免逆送電力至台電,將多餘的電力儲存至儲能系統中,在適當的時間再釋放出來,以避免棄光的情形。 

上班日院區用電較多,太陽能輸出能夠減少午間對台電的電力需求。
上班日院區用電較多,太陽能輸出能夠減少午間對台電的電力需求。

工研院的微電網系統測試場域不但吸引帛琉總統親自遠道前來觀摩,也爭取了億鴻、大同、中油等廠商的技術合作,共同解決未來必須面對的再生能源整合問題。關鍵技術之一的儲能電力轉換系統(PCS),工研院亦與國內廠商進行技轉簽約,協助產業界發展儲能技術。藉由儲能系統可使綠色能源更容易與電網或家庭用電整合,加速分散式能源的發展,增加電力系統穩定性,讓能源使用更有效率。