结合AI等新科技能量，全速挺进智慧制造目标
2019-03-21 11:13:35
不可讳言，2019年对于全球产业不算是一个值得兴奋的好年头，只因中美贸易纷争、英国脱欧等大环境变量横生，使全球产业景气从2018年下半开始走软；但在市场氛围陷于胶着之际，「智慧制造」题材依旧相对热络。
以近期热闹登场的2019台北国际工具机展而论，便将展会主轴设定在「工业4.0、智慧制造」，只见众家参展厂商使出浑身解数，呼应智慧制造主题展示多项创新方案，其中最引人瞩目的亮点，无疑是全球第三大工具机集团友嘉推动的「5G未来工厂」，这座全亚洲首座无人化创新工厂，预计明年(2020)于新竹湖口正式启用，届时举凡素材检查、CNC自动加工、自动抛光，乃至自动洗净区，都全面采用5G无线联网。
无论属于半导体、印刷电路板、电子产品、纺织、金属制品...等不同类型的制造业者，都可藉助AI模型取代传统人员目检方式，以提升瑕疵检测的准确率与速度。Applied Materials,Inc.
除5G未来工厂外，2019台北国际工具机展场的其他亮点着实不少。譬如台达电子推出智慧制造设备互联监控平台，标榜藉由完善的机联网架构，紧密串接智慧加工机台与管理系统，可望协助工具机产业加速接轨智慧制造，此项成果获得许多与会人士的关注；透过这次展出，台达电子一举端出多项淬炼许久的智慧制造管理软件成果，包含智慧制造可视化管理平台DIAMMP、工业图控软件DIAView，及设备联网平台DIALink等等。
工业4.0智慧制造，仍是高人气题材
此外工研院展示的智慧制造生产管理系统，同样颇具看头。据悉该系统系由工研院整合ERP、MES、APS及自动化整合等能量，结合信息流及工厂内的物流信息，有能力依据订单及工单状态，透过排程引擎产出最佳化生产计划，俾使制造业者有效提升生产线的转换弹性，如此即便面对突如其来的急单或插单需求，也足以从容因应。另一方面，工研院机械所于2017年号召成立的「智慧制造联网数据加值联盟」，也端出精采成果，结合工研院研发的公版联网服务平台(NIP)、研华的WISE-PaaS平台，再藉由智能化工具机软件整合标准，有效串连现场展示的工具机控制器。
事实上不只是展会，其余还有诸多迹象，都足以彰显智慧制造在台湾的发酵程度。举一个例子，戮力推动产业AI化的台湾人工智能学校，成立至今届满一年，据闻已为产业界培养逾3,000名AI人才，其中来自制造业的学员比例相当高，显见制造业者积极迈进AI转型旅程，力求扎稳工业4.0智慧制造的根基。
制造业者群起拥抱AI，是顺理成章的趋向。众所皆知制造业向来是台湾的强项，擅于在一定的成本控制下，极大化提升产品的数量与质量，经年累月已然养成深厚底蕴，如今由原有坚强的底子再加上AI，可谓强上加强，有望带动核心竞争力迅速跃升；虽然不容否认，碍于时局变化，台湾制造业过往自豪的作业模式，不见得能继续适用，但随着积极投入AI，可望藉由全新的探索与发现，带动人员、设备及流程实时调整与适应，促使既有模式进化升级，帮助业者持续在新制造时代展现竞争力。
究竟AI在制造业的主要应用场景有哪些？台湾人工智能学校提出的观点有四个部分，象征制造业长期未能有效解决的难题，包含瑕疵检测、预测性维护、自动流程控制，及原料组合最佳化。
善用深度学习模型，轻松克服产业共通挑战
毋庸置疑，「瑕疵检测」称得上是多种类型制造业者的共通挑战，只因不论是消费性电子产品、纺织产品、金属产品...等等，皆需执行瑕疵检测，而且长期以来都靠人力来进行此工作。以电子业常见的SMT(Surface-Mount Technology)流程为例，便需安排人员目测检视短路、空焊、极反、缺件、浮高、跪脚、撞件、锡球或墓碑等异象；可惜人非机器、长期从事高重复性质工作，难免产生疲累，因而出现漏网情况。
譬如某家拥有23条产线的制造业，估计人为目测的漏网率为5%，检测的准确率有待提升，且以该公司4位目检人力的编制来推估，每天共计可判别120万张由AOI设备输出的影像，检测速度并不算快。基于上述两个亟待改进的KPI数值，促使这家制造商决定引进深度学习技术，取代传统的人员检测模式，其花费新台币15万元不到购置了中高阶桌上型计算机与Nvidia GPU，再搭配开源软件工具，藉此训练深度学习模型，结果这套模型确实展现投资价值，成功将漏网率压低至0.01%之下，与过往5%水平相比，改善幅度超过499倍，十分惊人；至于检测速度方面，则提升为每日1,440万张影像，亦大增11倍之多。
经由瑕疵检测之例，便不难理解为何制造业如此热衷投入AI；同理，利用AI技术来解决预测性维护、自动流程控制、原料组合最佳化等其他三项难题，亦可轻易展现显著的改善效果。以「原料组合最佳化」为例，染整业须按照客户提出的色样需求，着手调制染料配方，若依传统做法，打色成功率到达70%左右，就算是合格表现，但也意谓失败率至少三成起跳，因而耗费了可观的染料、白色胚布；如今相同场景，改由计算机搭配AI模型来执行打色，结果成功率竟可突破95%大关，足足跃升了25个百分点以上。
惟纵使AI成效诱人，但欲将AI运用到随心所欲、乃至从AI真正推进到智慧制造层次，并非一蹴可几，无论实战人才、平台工具、懂得找对问题的能力等等缺口，都必须逐步寻求补强。在此之前，为了加速接轨诸如AI、数据分析等新科技应用，企业务须审视云端策略，在顾及机敏资料保全目的之余，尽可能采取多云、混合云模式，灵活取用外界已完整建构的工具，以争取时效大步迈向工业4.0智动化目标。
关注我们
Copyright©2019，All Rights Reserved.斯马特科技（广州）股份有限公司 粤ICP备17102244号
