台灣製造業迎向工業4.0智慧製造大趨勢,許多企業正在轉型的十字路口。善用科技,掌握MVP原則推動時機(Moment)、資料價值(Value)與專業夥伴協助(Partner),將有助製造業從積蓄的大量資料中找到價值,實現轉型升級並創造新商機。

人工智慧效益高,製造業趨之若鶩

廣達電腦資深副總經理暨雲端總經理楊晴華認為,AI能為製造業帶來多項優勢:改善製程、降低材料耗廢;透過狀態監測提升預防性維護精準度;補足製造業者未完善的IT組織與功能,促進跨部門整合;優化供應鏈、創造更大規模經濟;經由智能系統控制物料供應與排程,達到Just-in-time效益,適應少量多樣生產型態。

工業4.0三大挑戰:財務、組織與技術

光寶科技工業自動化事業部總經理鄭智峰指出,企業推動工業4.0有三大挑戰:財務、組織與技術。經營者需明確定義轉型目標與ROI,以說服董事會願意投資,並考量智慧製造技術面需要IT、電機及機械等不同領域的高度整合,從機電整合角度設計完善的組織架構,使各領域專家優勢互補、協同作戰。

製造業數位化涵蓋設計端、製造端等兩階段,必須先收集資料、結合「數位雙胞胎」(Digital Twin) 的模擬過程,預測生產結果,再形成生產決策;現階段多數企業仍借重資深工程師的分析,建議企業可先從專家系統做起,累積專業智慧在逐步進階到人工智慧(AI)層次,由機器自動決策。

專業夥伴協助,創新不繞遠路

IBM全球電子業製造業解決方案總監鄧欽以中國大型面板廠為例,說明智慧製造效益。該廠一個製程循環需時8天,人工缺陷檢測即佔0.5天,對生產力影響甚大。該公司試圖從巨量資料找出線性因果關係卻未能如願,因而求助IBM。IBM發現,面板缺陷型態會不斷增加,檢測系統須具備學習與自我演進能力,因此引進IBM Watson,以機器學習能力閱讀數萬張產品缺陷照片,將自動判讀精準度提升至95%,良率與效率都獲得提升。

人工智慧還能延伸到那些製造業情境?IBM全球電子業卓越中心 的Vijay Sankaran博士舉例說明:半導體產業將虛擬量測技術用於極紫外光微影(EUV lithography)製程,以檢測液滴產生器(Droplet Generator)的健康狀態,有效解決棘手的量測延遲問題;在印刷電路板(PCB)產業,則貫穿黏貼打印暨檢查、揀放(Pick & Place)、自動光學檢測(AOI)、自動X射線檢測(AXI)、電路電性測試(ICT)、功能測試(FVT)等端到端組裝流程,建立QEWS (Quality Early Warning System),憑藉更快速度、更低誤報率,有效偵測各種品質問題。

廣達電腦資深副總經理暨雲端總經理楊晴華說,AI內含機器學習(ML)、深度學習(DL)與資料分析等三項元素,並且需要資料、運算平臺及演算法的支撐;但更重要的,AI必須與技術、業務緊密結合,任何平臺架構、演算法或資料模式皆非萬靈丹,無法一體適用所有產業。企業可善用IBM等專業夥伴的力量,藉由軟硬體解決方案以及專業顧問的成功經驗輔助,依據自身特性進行客製化,縮短成功路徑。

更多 2017 IBM FORUM 科技賦能 精彩內容