人工智慧

數百年來，紙類產品商品化的程度極深，因此這個產業平均利潤介於中低個位數之間。同時，調查結果顯示，造紙或紙漿廠非計畫性停機的成本，每天的金額估計是 $220,000。

簡言之，紙類供應商承受不了設備故障。這正是他們使用 AI 技術視覺檢查防範濕線（以機械方式壓泥狀混合物製紙產生的多餘水分）這類併發症的原因。

如果它進入印刷機的位置太深，則濕線可能毀損乾燥中的紙張，並且導致生產過程本身停止。

這是在壓平含水紙漿期間自然發生的現象，因此無法完全消除。儘管如此，它必須受到監控，而且過程可能是一大挑戰。目前，印刷機操作人員會爬上機器側面的梯子，因為水線往往從銳角才看得見。如果前進距離太遠，就必須從鄰近的壓頭箱重新調整，甚至可能是清潔。

搭載 AI 技術的電腦視覺可將此過程自動化，讓印刷機持續運轉，濕線控制得恰到好處。另外，這也不算是極其新潮的概念驗證。byteLAKE 這間公司專精於 AI 技術視覺檢查和製造業的大數據分析，已經在某大歐洲造紙廠部署其 Cognitive Services 平台。

紙上 AI

byteLAKE 的 Cognitive Services 是一種端點對端點的 IT/OT 平台，可執行傳統上由人類完成的工作。然而，雖然進一步將自動化程序自動化貌似容易，但 byteLAKE 工程師依舊必須先滿足特定需求，才能在工廠實作他們的解決方案。這些包括工廠操作人員希望達成的願望：

• 印刷機不受影響
• 生產過程維持不變
• 儘量降低部署成本

這些需求立即排除了採用傳統濕度感測器或流量感測器的監測解決方案。同時，他們還需要複雜的分析與邊緣處理功能，操作人員才不會被感測器資料疲勞轟炸。

byteLAKE 繼續安裝了高解析度攝影機，工廠印刷機的濕線一覽無遺。影像會傳輸到邊緣運算平台，結合 byteLAKE AI 模型的某版本 YOLO 即時物件識別演算法，會判斷濕線是否已超出預先定義的界限。

接著，影像與中繼資料會傳送至工廠管理軟體，可以提醒操作人員或觸發指令調整紙漿成分，或是提高乾燥風扇的功率（圖 1）。

資料接著會繼續傳送至 IT 系統，由 Cognitive Services 平台套用分析，這樣一來操作人員便可微調印刷機和工廠程序，提高未來運作效率。

從數月到自動化

除了新的與現有 IT 和 OT 平台複雜的系統整合難題，byteLAKE 還傾注了大量心力，打造紙張印刷和濕線影像的資料集，訓練他們的物件偵測模型。接著，他們必須將內部部署硬體最佳化，讓它能有效執行新的演算法。第一步就是評估搭載 Intel^® Core^™ i5 的邊緣運算解決方案。

Intel Core 處理器比其他替代選項更符合成本效益，也更省電。另外，就濕線分析的情況而言，它們可提供具競爭優勢的 12 張影像處理每秒畫面格數（FPS），這一切歸功於 Intel^® OpenVINO^™ 工具組提供的類神經網路執行提高了 10 倍，因為這套開發套件微調 AI 演算法，可儘可能在 Intel^® CPU、FPGA、GPU 與加速器以最佳方式執行。

「你可以花好幾個月手動完成，也可以善用 YOLO 和 OpenVINO，讓它們檢查產品與架構，最終提升 10 倍的速度。」byteLAKE 的聯合創始人 Marcin Rojek 說。

AI 輔助的造紙：在牆上書寫

byteLAKE Wet Line Detector（byteLAKE 之 Cognitive Services 的一部分）部署雖然是造紙業最早採用 AI 的案例之一，但絕對不會是最後一個。由於濕線監測每分鐘只需要幾張影像，因此系統的 12 FPS 的效能餘量，足以在相同的邊緣硬體為全工廠執行濕線偵測。

另外，byteLAKE 還開發超越造紙廠的解決方案，在計算流體力學（CFD）這類使用案例中部署 AI。Rojek 表示，該公司目前正利用深度學習將液體的 CFD 模擬時間縮短，原本耗時超過四小時，現在則不到 10 分鐘，而且準確度逾 93%。CFD Suite 這套產品也適用於化學工業。

他聲稱：「在許多情況下，這項技術已漸趨成熟，現在輕而易舉就能為我們需要的解決方案善用各種 AI 建置區塊。」

智慧型工廠、這類採用 AI 技術的解決方案只會愈來愈普及，尤其是利潤微薄的情況。