以往人工智慧（AI）迫於技術限制，無法實現許多應用，但現在的AI已成為世界各國大舉搶攻的當紅科技。工研院也看準此一趨勢，在製造業製程中融入AI，除了讓生產變得更智慧，還能傳承老師傅的經驗，讓技術不斷層！
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。
（本文由工研院人工智慧應用策略辦公室副主任周大鑫授權轉載）
延伸閱讀：厚植基礎實力 贏向智慧製造
