資源描述：
《讓物聯(lián)網(wǎng)更智能 AI會導入物聯(lián)網(wǎng)4大領域.doc》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在學術論文-天天文庫。
1、讓物聯(lián)網(wǎng)更智能AI會導入物聯(lián)網(wǎng)4大領域 物聯(lián)網(wǎng)是未來企業(yè)運行的核心骨干，目前制造、醫(yī)療、交通、零售等四大領域是物聯(lián)網(wǎng)的主要應用領域，而這些產(chǎn)業(yè)現(xiàn)在也開始嘗試導入AI，其經(jīng)驗將成為其它產(chǎn)業(yè)的應用典范，加速AI的普及度?！ ∥锫?lián)網(wǎng)被視為第四波IT產(chǎn)業(yè)革命，根據(jù)Gartner與MachineResearch的統(tǒng)計(圖1)，2020年全球的連網(wǎng)設備將達260億個、相關營收為3,000億美元， 龐大的商機主要來自物聯(lián)網(wǎng)幾乎可以應用在人類所有生活，近期AI成為IT產(chǎn)業(yè)的新議題，AI與物聯(lián)網(wǎng)的結(jié)合，則會讓物聯(lián)網(wǎng)更智能，也進一步加深各領域的應用。 圖1全球物聯(lián)網(wǎng)商機
2、 聯(lián)網(wǎng)與AI都強調(diào)各產(chǎn)業(yè)的垂直應用，由于不同領域的專業(yè)極其不同，再加上目前各產(chǎn)業(yè)所需的系統(tǒng)，通常不像消費性產(chǎn)品需要極高的運算效能，主要的設計訴求在于最適化，因此現(xiàn)在AIoT設計會走向高度客制化模式，設計出各領域的專屬系統(tǒng)?！ 【驼w發(fā)展來看，物聯(lián)網(wǎng)現(xiàn)在仍處于發(fā)展前期，因此導入的產(chǎn)業(yè)并不多，目前主要導入產(chǎn)業(yè)包括制造、醫(yī)療、交通、零售等四大產(chǎn)業(yè)，其它如建筑、農(nóng)業(yè)、物流等，雖也有系統(tǒng)業(yè)者推動，不過數(shù)量仍少。 而這些產(chǎn)業(yè)都有其相同特點，包括e化系統(tǒng)建置較早、IT系統(tǒng)的KPI(關鍵績效指標)明確等。由于e化建置較早，因此在既有系統(tǒng)上延伸出AIoT功能難度相對較低，而且操
3、作人員對新系統(tǒng)的抗拒也較少，KPI明確則代表可精準掌握系統(tǒng)的功能設計與對企業(yè)組織的回饋?！ ?集成自動化設備AI落實智能制造愿景 智能化是這幾年制造業(yè)最重要的趨勢，未來的制造業(yè)將以工業(yè)物聯(lián)網(wǎng)作為運行骨干，從圖2可以看到，智能制造要求系統(tǒng)設備從接單、生產(chǎn)、出貨均可以100%自主化生產(chǎn)?！ D2工業(yè)4.0運作方式 工業(yè)物聯(lián)網(wǎng)建置的主要目標，是透過感測技術擷取設備數(shù)據(jù)，傳輸?shù)阶钌蠈拥墓芸仄脚_，用以掌握現(xiàn)場設備狀態(tài)，并制定出最佳生產(chǎn)策略， AI與工業(yè)物聯(lián)網(wǎng)結(jié)合后，最上層的應用與第一層的設備端，都會有運算能力，上層平臺主要讓AI計算大量制造數(shù)據(jù)后，建立出最佳化的
4、制程模型， 終端設備則是在實時性需求較高的制程中，讓AI可以經(jīng)由深度學習做出精準動作，例如視覺檢測中，就可將AI與視覺感測元件結(jié)合，讓設備可以自行判斷產(chǎn)品質(zhì)量是否合格，再結(jié)合機器手臂，就可讓腦、眼、手合一，達到設備智能化的愿景?！ ?過濾大量資料AI成為醫(yī)師最佳助手 相對于其它產(chǎn)業(yè)，醫(yī)療是e化建置較早、應用也較深的領域，醫(yī)療的智能化可分為三部分，包括行動醫(yī)療、遠距醫(yī)療、智能醫(yī)院，從圖3可以看出，這三大部分應用技術雖各有不同，但信息會彼此交互流通、使用，形成醫(yī)療體系專用的物聯(lián)網(wǎng)架構(gòu)?！ D3智慧醫(yī)療進展與導入階段 與過去的e化導入速度相同，AI在醫(yī)療體系
5、的發(fā)展也比其它領域快，前微軟AI亞太研究總監(jiān)杜奕瑾回臺創(chuàng)辦的「臺灣AI實驗室」，醫(yī)療就是其研發(fā)方向，在醫(yī)療物聯(lián)網(wǎng)部分，現(xiàn)已有廠商利用醫(yī)療設備連網(wǎng)，取得大量數(shù)據(jù)，用以改善醫(yī)療行為，提升診療速度與質(zhì)量。 另外在遠距與行動醫(yī)療部分，也都有相同作法，未來AI在醫(yī)療系統(tǒng)的應用，將以過濾大量數(shù)據(jù)從而判斷出病征，并將結(jié)果提供給醫(yī)師，再由醫(yī)師做出具有邏輯性思考的醫(yī)療行為。 3深度學習判斷車流AI架構(gòu)智能交通面貌 交通的智能化系統(tǒng)包括基礎建設與車輛兩類：基礎建設除了道路上可見的號志、告示之外，軌道交通也屬于此類；車輛則分為自用車與商用車，現(xiàn)在交通物聯(lián)網(wǎng)多用于基礎建設與商用車
6、輛的車隊管理，從圖4可以看到，ITS協(xié)會所定義的智能交通子系統(tǒng)多達七種，這七大子系統(tǒng)涵蓋了目前的所有交通類別，架構(gòu)出智能交通的整體面貌。 圖4智慧交通系統(tǒng) 物聯(lián)網(wǎng)是各類垂直應用市場的運行主要骨干，在交通領域，歐、美、日等較為先進的國家，已開始導入使用，尤其是日本，現(xiàn)在已開始嘗試將AI的深度學習模式導入交通系統(tǒng)， 透過路上監(jiān)視攝像機的影像訊號，推算出該路段未來1~2小時的車流量，再將交通訊息提供給駕駛，藉此舒緩交通狀況；在商用車的車隊管理部分，則是以行車計算機做成駕駛記錄，由AI判斷司機的駕駛行為，確保行車安全?！ ?集成CRM系統(tǒng)AI提供零售業(yè)差異化服
7、務 零售業(yè)e化導入時期相當早，過去此一領域的核心為POS系統(tǒng)，以此掌握店面的進貨、銷貨、存貨等流程，大型連鎖零售的POS早已有數(shù)據(jù)簡單的銷貨記錄與訂貨建議等功能，后期各類型IT系統(tǒng)如Kiosk、數(shù)碼看板、安全監(jiān)控系統(tǒng)等進駐，這些系統(tǒng)相互連結(jié)，形成店鋪的物聯(lián)網(wǎng)架構(gòu)?！ 〗陙砹闶?.0概念興起，管理咨詢機構(gòu)麥肯錫建議，新型態(tài)的零售業(yè)必須跳脫傳統(tǒng)思維，突破虛實界線(圖5)，而AI將會是未來零售業(yè)者的重要元素?！ I在零售業(yè)的應用目前主要與CRM系統(tǒng)集成，利用安全監(jiān)控攝影機辨識消費者，讓店員提供快速精準的差異化服務； 另外現(xiàn)在也開始有企業(yè)將AI應用于在線客服，透
8、過AI的深度學習，提升回
