制造业导入AI 质量检测与预知维护是关键要素

　　人工智能正在颠覆全球制造业形态，这绝对无庸置疑。据IDC预估，***制造业在2018年将会有25%的业者导入人工智能。乍看之下这数字并不令人惊艳，但事实上，制造业已是继金融业之后，***产业导入人工智能技术最多的领域。制造业者该如何追随、并在这股趋势中不脱节？在导入人工智能技术前，制造业者必须理解一件事情，即人工智能系靠数据奠基，透过数据资料的餵哺与消化，最终让人工智能达到自行调适与优化，因此数据可说是人工智能的「基本食物」。远东先进纤维营运部协理林伟仁实际以应用端分析，有些制造业者因数据不够充分，因此即便导入人工智能进行分析，准确率也不到6成，若连人类原先的水平都无法达到，人工智能便没有任何意义。因此林伟仁建议制造业者，人工智能定要先有大数据支撑，业者若有积极导入人工智能的想法，就必须先着手准备数据，累积越多，分析才会越加精确。***IBM制造事业群副总经理梁晏慈则分析，目前国内制造业对于人工智能的运用，主要着重于两个需求，其一是质量检测，其次则是设备预知维护。现阶段产业型态中，制造业工厂仍多以人力运行为主，象是由人工负责品检流程。

　　但此举往往会面临因人眼疲劳导致质量不一，或是肉眼无法挑选出太过细微的瑕疵。甚至因劳动人口锐减，造成人力不足或成本高涨，按照此趋势，人工品检势必难以因应市场需求。

　　因此，以机器取代人力的视觉检测技术，将扮演相当重要的角色。其中，人工智能技术更是能够让机器快速进化，提升检测质量与效率的工具。

　　人工智能与传统AOI不同的是，前者无需耗时编写算法，只要让系统透过大量的影像分辩何为良品、何为不良品、各自的特征是什么，人工智能便会促使机器不断自我学习并优化，除了能够达到比人更快的检测效率外，准确度也会愈加精准，最后达到非人眼可比拟的程度。

　　归功于深度学习越趋成熟，近年影像辨识技术已可具备相当优异的表现。IBM指出，目前利用人工智能进行品检的判读准确率可达9成以上，且更因此协助如汽车制造业者减少80%的检测时间。视觉检测可说是目前制造业界运用人工智能技术最广泛的领域，不仅大幅提升良率，亦可削减产在线的人力需求。

　　就长期表现而言，一旦由人力精简带来效益提升，制造业者便可因此明显感受到智能制造与传统模式的显著差异。直白地来说，这便是对于业者最直接、最快速可以cost down的做法。梁晏慈观察，视觉检测应是目前多数制造业者会率先导入人工智能的第一个应用。

　　至于设备预知维护，虽其架构庞大，背后需集成非结构性资料如传感器、零件等的数据分析，然而因对于像半导体或高科技电子产业而言，容不得机台半路停机所造成的损失，因而早在设备预知预防议题尚未引起讨论前，产业就已投入研究与开发，而发展至今日也已具备相对优异的技术水平。为了强化制造技术升级，人工智能已成为新显学，这是产业未来避不可免的趋势，只是这当中仍然会因为产业型态的不同而衍生出许多差异。以设备预知预防保养举例来说，此应用强调针对机台设备可达到实时监控、提前预警的功效，对于生产在线遍布精密电子零件的高科技电子产业而言，可确保产线运行维持稳定。随著电子零件越趋精密，高科技电子产业对于品检把关的要求也日益增高。但这并非代表传统产业不在乎质量的把关，只是相对于传统产业的制造模式而言，对于人力需求的调适更加渴求。

　　梁晏慈补充，传统产业未来比较容易面临的问题在于少量多样的挑战。她指出，如果生产需求变化快速，那么传统产业将更频繁地改变产线内容去符合多样化的需求，这将致使机器在导入人工智能时，必须具备更大量的数据资料与更多样化的学习模式，才能应变瞬息万变的市场需求。

　　而人才更迭的问题对于传统产业来说也是另一项挑战。至今多数传统产业的工厂老师傅有些一做就是十几年，因为旧习难改，因而许多专业知识与宝贵经验是存储于脑海中，而非系统性的保存。加上人才锐减，传统产业只得导入新科技元素来解决这个问题。

　　IBM的IoT Equipment Advisor，类似于IBM的Watson采用自然语言问答系统，基于获取的知识来确认答案的可信度。Equipment Advisor会从使用者的问题中，利用日积月累的资料去判断，推荐最合理的方法，并给予信心度指数关连，协助使用者在面临修复、维护、程序或技术相关的问题时，辅助其进行决策。

　　简单地说，也就是将工厂老师傅二、三十年的宝贵经验具体、数据化，并透过任何行动装置的呈现，从旁提供协助。这可视为知识管理的范畴，梁晏慈认为，这也是传统产业未来比较有机会接触且实际运行的人工智能应用。

　　由于此与自动化关联性较少，因此就算业者现阶段并无具备自动化技术，或是设备有无连网功能，两者之间也并无冲突，对于传统产业而言，更是一项可快速导入的人工智能应用。