AI結合製造業 生產變得更智慧

我國製造業出口值占整體出口總值的七成,然而隨著東南亞國家崛起,台灣製造廠商面臨劇烈競爭,過去的大量生產與低價競爭已非決勝關鍵。從前製造業倚賴人力,多數時候需要靠人來判斷,當AI導入製造業應用,有些人擔心AI會搶走人類飯碗,但其實AI結合製造業,並不會奪走人類的工作,反而在追求客製化、快速生產的世代下,製造業透過AI的深度學習技術,可大幅精進機器視覺、大數據分析,讓機器協助人做出更正確的決策,賦予製造業更多智慧與彈性、擺脫削價競爭,實現少量多樣的生產模式。

AI導入製造業的應用,多以優化製程參數、檢測良率和設備故障預診斷居多,舉例來說,半導體和電子產業已有廠商將AI導入製程,利用AI的深度學習,增進品質、效率及降低成本。此外,半導體和電子業若無預警停機,恐使產線停擺、造成重大損失,所以AI的設備故障預診斷應用相形重要,此技術能即時監控、預先知道設備狀況,趁早維護設備,避免機台無預警當機。

提升品質、傳承工藝

 AI導入製造業應用,可為台灣產業帶來兩大效益。除了上述透過優化製程參數、提升檢測良率或設備故障預診斷之外,如今製造業越來越少資深工程師,也越來越少年輕人願意投入,傳承成為令人頭痛的問題,以前開發新產品時,都以嘗試錯誤累積經驗,現在藉由AI有效配比參數,協助有經驗的員工決策,可以縮短新產品開發時間,強化台灣產業競爭力。未來,AI如果能進一步將老師傅的經驗數位傳承,給予沒有經驗的員工建議,讓年輕人迅速完成工作,並累積這些經驗進一步完整學習與分析,成為企業資產,升級台灣製造業。

 另外,台灣擁有優秀的製造與資通訊人才,以及豐富的半導體和光電產業的製造能力,有助我國製造業者切入AI應用。然而,製造領域廣泛,台灣的製造跟資通領域之間有巨大的鴻溝,台灣的製造業者96%是中小企業,人力集中於製造和生產管理,很少資通訊人才,製造業的資通訊基礎建設也不夠,很多設備無法聯網,沒有足夠的資料量做數據分析,導致雙方的概念有落差,無法密切溝通跟合作,這是國內製造業者導入AI應用時最大的問題。

協助製造業導入AI

 為了幫助製造業消彌鴻溝,順利導入AI迎向智慧製造,工研院鎖定未來AI應用與商機,在智慧製造研發布局上,針對設備業者和製造工廠規畫兩條策略,帶動AI開發創新應用技術。

 策略一、加速中小企業導入AI設備:藉由製造設備將AI擴散到中小企業,讓具有AI跟資通訊功能的設備(即控制器、工具機或機器人)落實到工廠,不僅提高設備的附加價值,也能消彌製造跟資通訊領域的鴻溝。目前工研院已針對電子產業,開發AI應用模組設備,當設備啟用時就能啟動智慧化功能,針對光電半導體的研磨製程,本院也結合感測資訊技術進行研磨製程診斷,讓設備能知道砂輪的研磨狀況,在加工缺陷出現前,調整設備來維持最佳加工效率。

 策略二、人機協作的系統方案導入製造產線:針對製造工廠的需求,將解決方案導入生產系統及供應鏈管理。舉例來說,工研院已針對PCB、半導體、金屬加工等多項產業,開發出結合AI的AOI檢測設備模組,利用AI深度學習如何分類瑕疵後,有助提升瑕疵判別能力,進而提高檢測產能與降低製程成本。如果將AI檢測結果與製程資訊結合分析,可進一步得到詳細的瑕疵產生原因,可協助工程人員快速且明確地解決不良品問題。

 整體而言,現今製造業面臨急單、少量多樣的挑戰,業者必須更頻繁變動產線內容,來因應客製化生產需求,而透過AI的深度學習與數據分析,可以讓機器變更聰明,有益增進製造品質,以及承先啟後工藝經驗,將製造智慧化,協助業者滿足市場迅速變化的要求。

(本文作者為工研院人工智慧應用策略辦公室副主任周大鑫)

你可能還喜歡