《阿富汗撤離實時報導》8/28美軍撤離倒數三天
*美國駐喀布爾大使館警告稱,在機場的美國公民“現在位於機場Abbey Gate大門、東門、北門或新內政部門的美國公民必須立即離開。”
美國的兩個主要盟友英國和法國周五宣布,他們正逐步或已經結束對機場的疏散。
*週五的人群再次冒著危險,到達機場,他們不顧另一次可能的恐怖襲擊威脅迫在眉睫,他們必須賭下去,拼命試圖逃離塔利班。
*法國官員將機場缺乏安全,歸咎於美軍過快迅速脫離。
與此同時,法國已經停止平民疏散工作。自週四恐攻襲擊以來已停止,幾名參與撤離工作的人士向紐約時報透露,私營安保公司和非政府組織已告訴阿富汗人留在安全屋內並避開機場,建議他們修改計劃乘坐租車巴士通過陸路,穿越巴基斯坦邊境,逃出阿富汗。
*在機場和街頭,美軍和塔利班試圖恢復秩序,控制現場。手持卡拉什尼科夫步槍的塔利班士兵要求人群遠離機場大門,他們用卡車守衛檢查站,每個路口至少停著一輛悍馬。美國軍方已恢復撤離的航班,白宮官員周五早些時候表示,儘管發生了恐攻襲擊事件,但在過去的 24 小時內,仍有 12,500 人從阿富汗撤離。
*等候的阿富汗人群,許多站在公車旁,身邊提著袋子,成百上千,人數減少,而不是前幾天的數千。
但仍有數十萬人不顧一切地想逃離塔利班的統治,但周五他們似乎很少有人能抵達機場大門。
機場本身幾乎已被封鎖。在機場的南門和東門,塔利班警衛告訴記者,任何人都不得靠近機場,所有入口大門都已關閉。五角大廈週五表示,約有 5,400 人仍在等待疏散。
*週五,美國軍方修正前一天在機場發生的恐怖攻擊判斷。美國參謀部泰勒少將說:“我們不相信在男爵酒店或附近發生了第二次爆炸。 只有一名自殺式炸彈襲擊者。”
但許多目擊者報告說聽到了兩次爆炸。
*美國上調爆炸受害者的人數,週五死亡人數急劇上升。阿富汗醫院官員統計共170 人死亡和至少 200 人受傷,其中尚不包括 13 名美國軍人死亡和 受傷15 位美國公民人:因為他們未在阿富汗醫院就醫。醫院官員要求匿名,塔利班告訴他們不要與新聞媒體交談。他們說,那些遇難平民,不是一般阿富汗人,而是擁有美國公民身份的阿富汗裔美國人。
*美軍在喀布爾自己摧毀最後的中央情報局全境基地。美國官員周五表示,情報基地位於喀布爾機場外。
炸毀基地目的為確保:不留下的任何設備或訊息,相關資料及情資不會落入塔利班手中。
這個被稱為「鷹」的基地,最初在阿富汗戰爭初期以一家前磚廠改造。過去二十年一直扮演前哨角色,從一個小型前哨基地發展為一個龐大的中心,用以訓練阿富汗情報機構的反恐部隊。
據不願透露姓名的現任和前任官員透露,隨著阿富汗政府垮台,僅有一些人留下,大多已逃離。
“他們是一支出色的部隊,”前中央情報局局長馬爾羅伊 (Mick Mulroy) 說。在阿富汗服役的軍官。 “它們是阿富汗政府在過去二十年裡,阻止塔利班的主要手段之一。他們是最後戰鬥的人,但他們傷亡慘重。”
當地阿富汗人對該基地知之甚少。該建築物非常安全,並且經過精心設計,因此幾乎不可能滲透。高達 10 英尺的圍牆環繞著現場,一扇厚厚的金屬門迅速打開和關閉,汽車才能進入。
一旦汽車進入內部,他們仍然需要通過三道安全檢查站,搜查車輛,檢查文件。
在戰爭初期,一名初級中央情報局 (C.I.A.官員被派去負責鷹基地附近的拘留所。在那裡,軍官命令一名囚犯古爾·拉赫曼(Gul Rahman)脫光衣服,並把他銬在牆上。他死於體溫過低。
中央情報局董事會曾經建議採取紀律處分,但被否決。
前中央情報局承包商表示,拆除基地絕非易事。除了燒毀文件和粉碎硬盤,還需要銷毀敏感設備,以免落入塔利班手中。前承包商說,Eagle Base 不像大使館,可以迅速燒毀文件。
基地的全部炸毀是撤軍計劃的一部分,與週四機場發生的爆炸案無關。
但在機場襲擊事件發生數小時後,美國自動引爆炸毀情報基地,驚動了喀布爾許多人,他們以為這是另一次恐怖襲擊。
*美國在阿富汗疏散美國公民和阿富汗盟友的官方任務定於下週二,即 8 月 31 日結束。塔利班表示,疏散工作絕不能延長,拜登政府官員表示,繼續超過該日期將大大增加阿富汗人和美國軍隊面臨的風險。
*喀布爾機場的英國官員周五已停止接受當地阿富汗盟友的撤離申請,並開始準備在美國設定的 8 月 31 日撤軍截止日期之前讓約 1,000 名英國軍隊和文職官員撤離。
“我們即將結束,”英國空軍參謀長威格斯頓接受電話採訪時說。 “一夜之間,我們被迫關閉了撤離緊急中心。”
空軍負責人說,若加上已批准目前已在機場內的最後數百名阿富汗人,登上從哈米德卡爾扎伊國際機場撤離的航班時,英國將有大約 15,000 人在這場行動中安全離開。
他說,這些人大約有 4,500 人是英國護照和簽證持有人,其餘是在阿富汗與英國軍隊一起服役的阿富汗人及其家人。
* 另一個美國關鍵盟友法國周五宣布,該國已結束在阿富汗的撤離行動。在一份聲明中,法國外交部長和國防部長將缺乏安全歸咎於“美軍迅速想撤離“。
https://www.nytimes.com/live/2021/08/27/world/afghanistan-taliban-biden-news/kabul-airport-attack-isis-us-strike
*巴基斯坦堅稱不會接受更多來自阿富汗的難民。但難民還是來了。
自兩週前塔利班接管喀布爾以來,數千人通過西南邊境的一個主要過境點,湧入巴基斯坦。雖然從喀布爾機場的疏散引起了全球的關注,但每天都有大量試圖逃離該國的人,聚集在 Spin Boldak-Chaman 附近,這是唯一指定且開放的難民過境點。
大約有 4,000 至 8,000 人越過那裡的邊界。據巴基斯坦官員和部落領導人表示自從塔利班佔領喀布爾以來,進入巴基斯坦的阿富汗人數量增加了三倍。他們擔心喀布爾機場的攻擊會促使更多人轉而使用過境點,進入巴基斯坦。
一般車輛自動檢查表 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
AI落地工業環境挑戰多,中鋼歸納3大AI導入經驗:足量訓練資料、選對技術、循序漸進為成功關鍵
中鋼採取由現場出題、專家解題的方法,從2017年開始較具規模的導入AI,今年在臺灣AI年會上,更分享了實作AI過程中遇到的挑戰,更以自家代表性的AI專案,歸納出3大實戰經驗來提供他者參考
文/翁芊儒 | 2020-11-19發表
中鋼綠能與系統整合研究發展處研究員許朝詠,以自己實作過的多個AI專案,來分享從選題、執行到落地的3大AI實戰經驗。
中鋼從2014年開始擁抱智慧製造,經歷了許多試驗後,才在2017年更有規模的落地AI應用,採取由現場出題、專家解題的方法,每年從上百個提案中篩選約20個可行性較高的方案,來導入應用場景。中鋼綠能與系統整合研究發展處研究員許朝詠,也在今年的臺灣AI年會上,以自己實作過的多個AI專案,從選題、執行到落地,歸納出3大AI實戰經驗,來提供其他企業借鏡參考。
許朝詠首先引述麥肯錫2019年發布的一份報吿指出,企業要在工業場景落地AI並不容易,超過7成的企業正在進行局部試點,其中29%企業已經試點超過2年,56%進行了1~2年,更有15%才剛起步。對中鋼來說,在導入AI過程中,也同樣面臨了「試點困境」,尤其在電腦視覺要落地煉鋼場域時,中鋼也面臨了4個AI應用挑戰。
其一,是工業環境不易控制,會造成取得影像的品質差異大,比如鋼鐵製造環境動輒在900度以上的高溫中,處理過程也可能噴水冷卻,導致難以取得清楚的影像;又或是在同樣位置拍攝的影像,也可能因光源不同,導致影像呈現不同的效果。
其二,現場實際環境會限制AI應用的計算能力,比如部分場所的空間有限,無法擺下GPU伺服器、或高計算能力的設備,甚至連網路線都無法部建,「在這樣的環境下,我們的模型就必須要能兼容邊緣運算,才能實際應用。」許朝詠說。
其三,被偵測物體的尺寸不一,也會影響深度學習的模型訓練成果。許朝詠以識別鋼品身分的AI序號辨識為例,就算是相同的鋼品,影像拍攝的尺寸不同,會造成鋼品上印製序號大小的差異,進而影響序號辨識模型的表現。
最後,則是深度學習模型的調整彈性差。同樣以序號辨識模型為例,許朝詠表示,有時會遇到視覺效果相同的數字(比如像是同一個數字1),在不同序列中卻無法辨識,「為什麼有時候,1可以辨識出來,有時候卻不行?」許朝詠表示,要解決這個問題,通常需要重新訓練模型,但會消耗許多時間。因此,中鋼目標要提出適合工業應用的物件偵測技術,來更輕易且廣泛的應用到各個製程。
3大AI導入經驗之一:充足訓練資料是AI成功落地的一大關鍵
許朝詠也透過多個中鋼導入AI的案例,來分享導入經驗。比如說,前述提到的AI序號辨識應用,是指在將鋼片卷曲製作成一卷卷的鋼卷後,會在鋼卷的金屬表面或是側面,噴印上鋼鐵的生產序號,藉此來辨識每一卷鋼鐵的身份。但是,這些序號的噴印位置,可能帶來不同的辨識挑戰,比如噴印在鋼卷表面,就可能因金屬反光影響序號辨識的精準度,若是噴印在鋼卷側面,層層堆疊的鋼片又可能導致字體變形,均會影響AI判讀。
「我們提供技術,但有些問題不是技術能解決的,就要跟現場人員溝通,請他們協助解決問題。」許朝詠指出,AI落地需要與第一線人員溝通協作。
不過,就算與現場人員合作,序號的辨識率仍無法達到100%,尤其是鋼卷側面序號的辨識率,僅達到9成5,「序號要完全正確才能用,9成5其實很低。」許朝詠表示,為了克服這項挑戰,中鋼在產線上的多個位置都設有攝影機,同時將這些攝影機判讀的資訊互通,透過多點的資訊對接,來判斷出鋼卷序號。
「不要把問題放在同一個地方,比如利用多點攝影機、多資訊的串流,去補足AI模型上的不足,就能讓整個系統的準確率達到100%。」他說。
另一個例子,則是高爐原料粒徑分析的AI應用。一般來說,高爐是用來將原料溶解為鐵水,而原料在送入高爐時,若粒徑大小分佈較平均,就能提升高爐的燃燒效率,中鋼甚至推算,高爐燃燒效率每提高1%,每年可以減少上億的燃料經費,因此,中鋼用AI來辨識每顆原料的粒徑大小,即時計算出進到高爐的物料大小與分佈狀況,再根據計算結果來調整物料分佈,進而提升燃燒效率。
許朝詠表示,上述兩個案例的共通點,在於資料的取得非常容易,不管是序號或是原料的影像資料,都在產線上不斷產生,「影像取得沒問題,資料也乾淨,較有機會訓練出良好的深度學習模型,也有機會快速達到成效。」相對來說,瑕疵辨識這類AI應用的影像資料搜集,就比較困難。
「要判斷一個案子能不能做,可以先看能不能蒐集到足量的資料。」這就是許朝詠歸納的第一大AI導入經驗。
3大AI導入經驗之二:不是最新技術也能打造最切合場景需求的應用
許朝詠也接續說明了無人天車的AI應用。天車是一種重型的起重裝置,用來吊送貨品、放置到指定位置,而中鋼就是將原先需要人為操控的天車,透過AI達到無人化,「這也是我認為中鋼應用AI最成功的案例。」
要達成無人天車,主要是把人眼看到的操作資訊,透過電腦視覺轉換為控制的指令,再交由天車自動執行,也就是將操作人員看見的鋼卷位置、放置位置及操作方法,都轉換為天車指揮系統可以判讀的資訊,再透過運動控制達到自動化。
無人天車使用的技術,包括能透過座標辨識來裝卸鋼卷的機器視覺系統,以及能透過RFID讀取鋼卷身份,再準確偵測鋼卷的中心位置來吊起鋼卷的智慧型吊夾,而整體鋼卷的吊運排程與吊運路徑最佳化,則是由天車指揮系統來規劃,中鋼同時也建置用來傳輸車籍資料、整合裝卸車資料的雲端倉儲管理系統。達到天車操作全自動化之後,中鋼也設置了主動式安全防護機制,透過深度學習來偵測天車下方是否有人行走,並在行駛過程中自動辨識障礙物與閃避。
建置了無人天車帶來的一大效益,就是能在出貨的前一晚,由機器自動理貨,將要出廠的貨物就近放置到出貨的位置,「天車不會休息,人會休息,在不需出貨的時間先理貨,就能加速出貨的效率。」許朝詠說。
中鋼的無人天車也早在2018年就投入運作,至今已經完成超過數十萬顆鋼卷的吊運。不只自建自用,中鋼也將這套無人天車系統外銷到中國鋼廠,2019年就已經銷售了12套系統,今年武漢肺炎疫情期間,更是遠距協助客戶調機、將系統落地。
不過,這個貼近鋼鐵業需求的無人天車,實際上並無用到深度學習技術,「深度學習雖然是好工具,但不一定是最佳工具,也不是唯一的工具。」許朝詠表示,由於天車在裝卸鋼卷時,需要非常精準的定位,誤差超過5公分就可能吊不起鋼卷,但深度學習在位置偵測的精準度上並無優勢,加上判斷速度較慢,「傳統影像處理有些技術,應用上會比深度學習來的更好。」
換句話說,不是用最新、最強的技術就好,不同應用場景有其最合適使用的技術,這就是許朝詠歸納的第二大AI導入經驗。
3大AI導入經驗之三:從自動化、人機協作到智慧化循序漸進落地AI
最後,許朝詠也提出一項正在建置的AI應用,也就是出貨前的鋼卷智能檢核,雖然目前僅有初步成果,但這項應用實際影響了傳統檢核作業流程的轉變。
許朝詠解釋,鋼鐵在包裝、裝載完成之後,還需要檢核包裝外觀,以避免客戶收貨後發現包裝瑕疵,因而對品質產生疑慮。為了檢核來自23個倉庫的貨品,中鋼設置了4個主要的檢核站,共計17個車道、每個車道配置4名檢核人員,車輛在倉庫裝載貨品後會先前往檢核站,由人工檢查外觀是否破損,並核對貨品身份與數量,完成檢核才能出廠。
但傳統的人力檢核方式,不僅人力成本較高,大量出貨時載貨司機也常需排隊等待,更佔用了約兩個倉庫的空間來檢核。對此,中鋼試圖透過AI智能檢核的方式,將傳統的檢核中心改以一個雲端檢核中心來取代,在每個倉庫出貨前,直接將鋼卷影像上傳雲端,由檢核人員從雲端照片來判斷是否有瑕疵,若無即可放行車輛出廠,不只能加快檢核效率,檢核人員也能更輕鬆完成任務。
而這些檢核照片的篩選,則是先拍攝車輛進入檢核站的影像,經過運算後,自動擷取鋼卷正面、側面品質最佳的影像,透過自動檢放系統來提供檢核人員檢驗,經實測後,完成8張鋼卷照片的檢驗大約只要8秒。
許朝詠表示,將檢核流程雲端化只是第一步,中鋼下一步要利用檢放系統,在檢核人員雲端判讀照片狀況的同時,蒐集異常照片的資料,再利用深度學習的技術來訓練瑕疵辨識模型,進一步將檢核流程自動化且智慧化,來取代人工作業。
「邁向智慧化的過程,很多人會想要一步到位,但很困難,如果能用AI先實現局部的自動化,透過人機協作來提升作業效率,並同步搜集資料,就會對智慧製造的實現有很大的幫助。」許朝詠認為,AI落地並非一蹴可幾,需要一步步優化原先的作業流程,蒐集足夠的資料,才能實現智慧化的目標,這也是他提出的第三大AI導入經驗。
附圖:應用場景的序號本身可能有模糊、手寫字、油漆過淡等問題。
透過資訊的串接,來克服AI序號辨識可能不夠精準的問題。
透過即時原料粒徑大小分析來調整物料分佈,進而提升高爐燃燒效率。
人工檢核過程。
透過檢放系統來檢驗熱軋鋼卷的包裝外觀。
資料來源:https://www.ithome.com.tw/news/141163?fbclid=IwAR3UUiJ0rpr7aUf8d2FmGZaZp3_e4E-9esf6ZOD1iiA20Id4ZYo1-hK7iwc
一般車輛自動檢查表 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
最新《AI經濟》專家觀點:下一波投資熱潮即將到來?
2020/11/16 廣編企劃
富蘭克林華美投信 AI 新科技基金擬任核心經理人黃壬信
評論
在現代社會,手機不只有單純接聽電話功能,更搖身一變成為個人全方位的秘書,時時刻刻協助人們的生活,甚至可能比我們還了解自己的行為習慣;而這些都是智慧型手機問世以前無法想像的現實場景。
2020 年,台灣正式邁入 5G 元年。5G 的佈建與啟用,可不僅止於讓手機網路變快,更推動未來生活全面智慧化:換言之,人們可預見下一個 10 年,生活周遭的每一個物件都將如同手機一般智慧化,更加聰明便利,並徹底改變人類生活。
不過,要開創這樣的 5G 未來,可以如何取得先機、跟上趨勢?
5G 帶動智慧城市發展,預見百業待興的未來榮景
在 5G 時代下,萬物聯網即將成為日常,透過 AIoT 的應用,城市、交通、醫療等面向都將與科技產生質變。
以智慧交通為例,或許在不遠的未來,每個路口都將設置自動化的交通管制系統,有效導流車輛;而佈滿感測器的自動駕駛汽車也能互相溝通,比人眼更有效率的大幅降低事故發生。
此外,在 5G 邊際運算下,智慧醫療也將為人們帶來福祉。諸如:遠距健康監控、線上診斷、遠距檢查等,甚至有機會讓 AI 做第一線判斷,加速醫療跨領域整合。在醫療儀器、手術、臨床需求上,也能透過物聯科技達到高效精準,不僅提升醫療綜效,更加強保障人們的健康。
簡言之,5G 讓 AIoT 的實踐更加快速,讓各種產業有了更多新的可能,並有機會一同打造未來智慧城市的榮景。
掌握科技新趨勢,5G 成為熱門投資題材
「智慧城市的概念,除了智慧能源、智慧通訊,還包括整體智慧化的基礎建設、公共建設。」
富蘭克林華美投信 AI 新科技基金擬任核心經理人黃壬信表示,5G 影響的層面之大、AIoT的應用面之廣,從最初始端的基礎建設開始,林林總總加乘起來,即是建構人們對未來的願景,也是對智慧城市的想像。
為了朝智慧城市的目標邁進,投資趨勢勢必將大量往 5G 概念湧入,從核心的 PCB(印刷電路板)/CCL(銅箔基板)、半導體產業、雲端技術等,延伸到周邊相關產業如電子通訊、醫療設備等,都是可投入的目標。
此外,黃壬信也特別提點:「投資人若能掌握人工智慧與生技醫療整合的發展趨勢,自然也能掌握股市成長方向。」
資料來源:https://www.inside.com.tw/feature/aiot/21555-ftft-5g-AI-fund
一般車輛自動檢查表 在 各類機械設備及作業自動檢查表單(參考例-請依現況修正) 的相關結果
各類機械設備及作業自動檢查表單(參考例-請依現況修正). 一般車輛作業檢點表(每日作業前)(參考).doc · 一般車輛定期檢查表(每3個月)(參考).doc · 乙炔熔接裝置定期檢查 ... ... <看更多>
一般車輛自動檢查表 在 一般車輛每月定期檢查表 的相關結果
一般車輛 每季定期檢查表. 保管單位: 車牌號碼: 檢查日期: 年 月 日. 項次. 檢查項目. 檢查基準. 檢查方法. 檢查結果. 1. 車體. 檢查車內外、車架完整、外表無擦撞 ... ... <看更多>
一般車輛自動檢查表 在 一般車輛作業前檢點表 的相關結果
一般車輛 作業前檢點表. 檢查週期:作業前. 檢查日期. 年月. 車輛編號. 單位主管. 檢查結果. 檢查項目 ... 依據法令:勞工安全衛生組織管理及自動檢查辦法第50 條。 ... <看更多>