結合AI等新科技能量 全速挺進智慧製造目標
- DIGITIMES企劃
-
不可諱言，2019年對於全球產業不算是一個值得興奮的好年頭，只因中美貿易紛爭、英國脫歐等大環境變數橫生，使全球產業景氣從2018年下半開始走軟；但在市場氛圍陷於膠著之際，「智慧製造」題材依舊相對熱絡。
以近期熱鬧登場的2019台北國際工具機展而論，便將展會主軸設定在「工業4.0、智慧製造」，只見眾家參展廠商使出渾身解數，呼應智慧製造主題展示多項創新方案，其中最引人矚目的亮點，無疑是全球第三大工具機集團友嘉推動的「5G未來工廠」，這座全亞洲首座無人化創新工廠，預計明年(2020)於新竹湖口正式啟用，屆時舉凡素材檢查、CNC自動加工、自動拋光，乃至自動洗淨區，都全面採用5G無線聯網。
除5G未來工廠外，2019台北國際工具機展場的其他亮點著實不少。譬如台達電子推出智慧製造設備互聯監控平台，標榜藉由完善的機聯網架構，緊密串接智慧加工機台與管理系統，可望協助工具機產業加速接軌智慧製造，此項成果獲得許多與會人士的關注；透過這次展出，台達電子一舉端出多項淬煉許久的智慧製造管理軟體成果，包含智慧製造可視化管理平台DIAMMP、工業圖控軟體DIAView，及設備聯網平台DIALink等等。
工業4.0智慧製造，仍是高人氣題材
此外工研院展示的智慧製造生產管理系統，同樣頗具看頭。據悉該系統係由工研院整合ERP、MES、APS及自動化整合等能量，結合資訊流及工廠內的物流資訊，有能力依據訂單及工單狀態，透過排程引擎產出最佳化生產計畫，俾使製造業者有效提升生產線的轉換彈性，如此即便面對突如其來的急單或插單需求，也足以從容因應。另一方面，工研院機械所於2017年號召成立的「智慧製造聯網數據加值聯盟」，也端出精采成果，結合工研院研發的公版聯網服務平台(NIP)、研華的WISE-PaaS平台，再藉由智能化工具機軟體整合標準，有效串連現場展示的工具機控制器。
事實上不只是展會，其餘還有諸多跡象，都足以彰顯智慧製造在台灣的發酵程度。舉一個例子，戮力推動產業AI化的台灣人工智慧學校，成立至今屆滿一年，據聞已為產業界培養逾3,000名AI人才，其中來自製造業的學員比例相當高，顯見製造業者積極邁進AI轉型旅程，力求扎穩工業4.0智慧製造的根基。
製造業者群起擁抱AI，是順理成章的趨向。眾所皆知製造業向來是台灣的強項，擅於在一定的成本控制下，極大化提升產品的數量與品質，經年累月已然養成深厚底蘊，如今由原有堅強的底子再加上AI，可謂強上加強，有望帶動核心競爭力迅速躍升；雖然不容否認，礙於時局變化，台灣製造業過往自豪的作業模式，不見得能繼續適用，但隨著積極投入AI，可望藉由全新的探索與發現，帶動人員、設備及流程即時調整與適應，促使既有模式進化升級，幫助業者持續在新製造時代展現競爭力。
究竟AI在製造業的主要應用場景有哪些？台灣人工智慧學校提出的觀點有四個部分，象徵製造業長期未能有效解決的難題，包含瑕疵檢測、預測性維護、自動流程控制，及原料組合最佳化。
善用深度學習模型，輕鬆克服產業共通挑戰
毋庸置疑，「瑕疵檢測」稱得上是多種類型製造業者的共通挑戰，只因不論是消費性電子產品、紡織產品、金屬產品...等等，皆需執行瑕疵檢測，而且長期以來都靠人力來進行此工作。以電子業常見的SMT(Surface-Mount Technology)流程為例，便需安排人員目測檢視短路、空焊、極反、缺件、浮高、跪腳、撞件、錫球或墓碑等異象；可惜人非機器、長期從事高重複性質工作，難免產生疲累，因而出現漏網情況。
譬如某家擁有23條產線的製造業，估計人為目測的漏網率為5%，檢測的準確率有待提升，且以該公司4位目檢人力的編制來推估，每天共計可判別120萬張由AOI設備輸出的影像，檢測速度並不算快。基於上述兩個亟待改進的KPI數值，促使這家製造商決定引進深度學習技術，取代傳統的人員檢測模式，其花費新台幣15萬元不到購置了中高階桌上型電腦與Nvidia GPU，再搭配開源軟體工具，藉此訓練深度學習模型，結果這套模型確實展現投資價值，成功將漏網率壓低至0.01%之下，與過往5%水準相比，改善幅度超過499倍，十分驚人；至於檢測速度方面，則提升為每日1,440萬張影像，亦大增11倍之多。
經由瑕疵檢測之例，便不難理解為何製造業如此熱衷投入AI；同理，利用AI技術來解決預測性維護、自動流程控制、原料組合最佳化等其他三項難題，亦可輕易展現顯著的改善效果。以「原料組合最佳化」為例，染整業須按照客戶提出的色樣需求，著手調製染料配方，若依傳統做法，打色成功率到達70%左右，就算是合格表現，但也意謂失敗率至少三成起跳，因而耗費了可觀的染料、白色胚布；如今相同場景，改由電腦搭配AI模型來執行打色，結果成功率竟可突破95%大關，足足躍升了25個百分點以上。
惟縱使AI成效誘人，但欲將AI運用到隨心所欲、乃至從AI真正推進到智慧製造層次，並非一蹴可幾，無論實戰人才、平台工具、懂得找對問題的能力等等缺口，都必須逐步尋求補強。在此之前，為了加速接軌諸如AI、數據分析等新科技應用，企業務須審視雲端策略，在顧及機敏資料保全目的之餘，儘可能採取多雲、混合雲模式，靈活取用外界已完整建構的工具，以爭取時效大步邁向工業4.0智動化目標。
