產業AI論壇總論：製造業數位化前景無限 企業／學界／新創全力進攻

「產業AI論壇：智慧製造」在總共五場的論壇中，邀請15位業界與學界專家，探討瑕疵檢測、預測分析、航太產業自動化、數位雙生與設備聯網五大主題，深入討論中／大型企業面對數位轉型的趨勢，如何以資料運用為核心思維，培養智慧化人才，為現有的產線和製造流程升級。學界教授從產業分析與前瞻研究的角度，提供產業發展的建言，指出數位轉型將為企業創造附加價值，且當AI為機器賦能，工程師解放的雙手可協助組織完成更多的決策與創意工作，加上智慧化管理的生產流程，企業從組織價值到生產效率都能有效創造競爭壁壘。新創團隊則精準透析企業邁向智慧製造過程中的痛點，提供軟體分析、雲端功能與排程系統服務。

大型企業轉型以資料／人才為核心

製造業數位轉型的根基在於資料，資料的收集與管理，是工廠應用AI並邁向智慧製造的第一步。同時人才培育與公司環境的營造，則攸關AI專案是否能落地，當團隊成員皆有數位轉型思維，才能持續發展AI題目，推動工廠全方位智慧化。其中，智慧化有助於優化生產流程及設備維護，為工廠提高生產效率與產品品質。而在工具機產業落實AI技術的專案中，數位雙生有助於企業建立完整的模擬與自動化生產機制。

英業達與友達皆以資料與人才為核心，全力提升企業價值。英業達在2018年建立AI中心，自2020年啟動數位轉型，透過AI推動企業智慧化，注重數據來源、運算能力與存取權限。英業達陳維超數位長認為。企業的價值便反映在所能收集的資料上，收集資料之後還需要良好的資料管理能力，才能進一步推動AI及數位轉型。友達光電製造總部陳文華處長表示，智慧製造的核心是資料為王、人才至上，因此公司需要營造環境，透過培養人才來推動數位轉型。因此友達內部從自動化生產、製程預測／控制、設備預測維護等方向著手，仰賴價值轉型與技術創新，全方位邁向智慧製造。

另一方面，漢翔與台中精機依照各自的產線需求，建立智慧化系統。漢翔的智慧製造iAIDC系統，因應產線上同時多專案、混線與客製化的需求，採用三層式架構，優化管理流程。在AI推動的歷程中，漢翔從單點應用強化智慧製造導入的深度，再從資收集較為完整的製程率先落實。目前的應用領域涵蓋金屬加工、複合材料與機匣三個部分，持續推動航太產業的先進複合智慧化產線。台中精機的智慧化系統則整合管理思維與產業知識，進一步發展新的商業模式。智慧工廠的架構採用ERP、MES等管理系統，從邊緣端串連生產現場的四條智慧加工生產線（VSM），以及工具機智慧組裝線（VSP），並且透過AI工具加值軟體，串連OT與IT整合雲端資料庫，藉由資訊透明化掌握生產進度並提升產品品質。

落地應用方面，新代科技透過機器學習與數位雙生技術，發展金切工藝大師。在加工產業中，首件即達成生產標準是工業4.0的重要目標，代表背後具備強健的模型，且採用數位雙生的模擬、迭代與收斂的參數與實際狀況高度相符，有完整的機制收集感測器所取得的數據，相比傳統上花費大量時間來回製作與調整，更能夠快速取得正確的參數。

數位轉型的挑戰與策略

企業從資料整理與創造人才養成的角度邁向數位轉型，過程中仍需克服資料收集／整理不易、產品高度客製化且規格要求提升、人才不足、AI難以落地等挑戰。英業達陳維超數位長觀察，製造業常見的資料問題包含資料散落各地、格式或標準不同，或者擁有者不同而難以劃分資料權限等問題。例如現階段應業達的訂單預測的精準度大約三成，為了建立預測模型，需要收集客戶連續的訂單資料，才能進一步達成訂單、存貨及配料的預測，而測試完成後，需要確認預測與實際訂單的差異並與客戶說明。整個過程費時長，長期收集資料才能提升預測精準度，但是不容易創造營收。

產品方面，現有的生產效率與產品檢測遭遇瓶頸，促使製造業企圖透過智慧化工具突圍。陳文華處長分析，現階段製造業工廠面臨三大挑戰。一是客戶的產品需求往客製化及少量多樣的方向發展，使得產品不易檢測，既有製程管理遭遇瓶頸。其次產品的規格不斷提高，造成製程能力緊繃。第三則是產品價值走向高度客製化，生產效率受到影響。

面對到AI人才不足的問題，台中精機的策略是先奠定物聯網基礎，再藉由應用AI工具，達到智慧／自適應的長期目標，然而產業界的AI人才不多，現階段需要透過產學合作執行。因此台中精機先完成設備聯網的建置，然後跟學界合作AI，提供客戶更好用的設備與工具機。而綜觀工具機供應鏈的發展，新代科技楊勝安經理表示，台灣工具機產業的挑戰，在於供應鏈上游到下游都具備各自的產業知識，所以不容易達成跨領域整合，而台灣的工具機如果要在國際上保有競爭優勢，則需要聯合產業生態系打群架。

即便數位轉型挑戰重重，對於企業而言，挑戰出現也代表產業內出現新的機會。漢翔航空吳天勝研發長指出，傳統航太產業面臨三項挑戰，而這些挑戰也反應出產業數位轉型的機會。航太業的產品特性是少量多樣且高度重視安全，因此確保產品安全性是生產的重大目標一之一，同時企業若能生產高品質的產品，便能展現優勢。其次是面對數位轉型的需求，相應的培訓機制與落地方案都需要花費心力，而當流程成功數位化，產業經驗便能完整傳承。第三則是思考實際應用AI的方式，落實AI才能為企業帶來價值。

學術研究深化轉型價值

就學界的觀點而言，數位轉型是提升企業附加價值的絕佳機會。AI策略能夠將工程師從重複性的工作中解放，透過持續學習的模型協助產線上的人員決策，甚至提供組織決策者重要的預估資料，加速組織運作效率。當企業成功培訓AI人才、生產流程邁向自動化與智慧化，在提升產品品質與生產效率的同時，善加利用生產現場收集的資料，勢必讓優化流程的過程事半功倍。數據是評估流程的重要工具，協助決策者評估風險，更讓系統不只自動化，甚至能自主調整生產流程。

科技部工業工程與管理學門召集人／台北科技大學范書愷教授指出，AI為機器賦能，解放工程師的時間，協助工程師不再需要花費大量心力處理偶發的特殊狀況，藉由機器學習萃取關鍵數據並建立模型，最終由AI仿效人類的工作模式，持續學習並協助工程師解決問題，提升組織整體的生產效率。東海大學王立志副校長認為，當企業開始用新的科技跟技術，優化原本的商業模式，就是透過數位轉型更新作業流程、組織結構升級、提供客戶新的價值。製造業的未來將走向永續、新材料、高效能與智慧化，永續性指的是新的生態工廠跟綠色產品製造，因此製造業開始考慮新的材料跟加工技術。生產效率方面，高效能、彈性化、高精度的製造系統，才能達成新進規劃與模擬系統，最後是藉由智慧化與虛擬化，將產品設計與開發推向數位化。

細究生產流程的安排，台灣大學李家岩教授強調，數據科學在流程自動化的過程中扮演重要的角色。數據科學從資料中釐清問題，找到問題的因果關係，並且從中推論、預測結果，找到未來趨勢以做出決策。決策者需要評估各方面的風險，以及考量這些方法導入到現場的自動化系統時，哪些地方需要持續改善。在智慧製造的應用中，資料科學不只實現自動化，更能達到自主化，系統可以從資料中學習，並且依照環境調整工作流程。

前瞻研究推動產業前進

學界針對製造業數位轉型，進行案例分析與前瞻研究。以生產流程管理為例，依照不同的條件，需要從基於神經網路或者數學的AI模型中，選擇適合的應用，時間序列可做為評判的標準之一。數位雙生方面，機器的感知能力作為先決條件，搭配邊緣運算，有機會提出低成本的智慧製造解決方案。

針對生產管理的AI模型選擇，高雄科技大學周至宏講座教授說明，在生產管理有很多不同的模型，例如扣件的產線排程，建構的不是神經網路相關的模型，而是數學的模型，用模型來做優化排程。而設備方面，故障與溫補適合的模型不同，因為設備故障預測牽涉到動態（Dynamic），就要使用有時間序列的模型。溫補則較不需要考慮時間軸，所以採用靜態的模擬。

科技部自動化學門召集人曁台灣大學蔡孟勳特聘教授指出，機械的感知能力是智慧化的第一步。目前機械大多使用光學感知，感知能力不佳，只能確認機台穩定運作與否，無法感測溫度改變或震動。以自行開發的Edge Computing Box為例，在實驗平台上，為其中一台機器盡可能裝置所需的感測器，再把所有的資料存放到邊緣端，就可以基於數據發展多元的智慧化應用。完成硬體規格的數據收集後，結合邊緣端的運算能力，初步處理感測器收集的數據。如果所有的資料都在邊緣處理，便可以透過AI Dongle以低成本的方式擴充運算效能。

新創團隊發掘落地痛點創商機

新創團隊觀察到製造業多面向的痛點，從企業的需求切入，提供靈活的解決方案。在企業導入AI的初期，對於AI技術較為陌生，且內部缺少相關人才的情況下，難以快速產出AI題目並執行，導致AI應用成熟度不足且落地的進度緩慢。產線上常見的問題則包含無法靈活管理訂單與瑕疵檢測精度不足，現階段多數製造業仍採用人工排程的形式，難以快速應變緊急訂單，訂單尚未進來時，也會面臨閒置原物料的成本，整體生產效率不佳。且設備上的AI系統為了維持模型穩定，需要即時收集數據並調整模型。而檢測方面，瑕疵檢測的精度若不足以協助製造商顯著提升產品品質，AI系統便難以落地，整個智慧化的過程必須一路過關斬將。

解決方案遍及專案導入／自動排程／雲端服務／設備監測

面對企業短時間產出AI題目的需求，杰倫智能推出「AI一週落地」的概念，聚焦協助製造業找到有生產痛點的團隊，透過培訓團隊成員、建立平台，快速實踐AI技術落地。杰倫智能黃建豪總經理觀察到，將企業導入AI的成熟度分為準備期、導入期、規模化期劃分，多數的企業處於導入期，難以跨入規模化時期。因此杰倫智能從過往累積的90個案例中，協助客戶找尋營運痛點，確立AI的POC題目，再整理過去的歷史資料，到AutoML平台上建立模型，最後確保團隊學會使用機器學習的工具，快速催生應用AI的效益。

從導入AI的初期，進一步聚焦產業應用，優化生產排程便是大幅提升生產效率的有效切入點。快思科技王心恕總經理認為，對製造業而言，建立高韌性的供應鏈管理模式，在中美貿易戰跟疫情的衝擊之下更顯重要。目前大部分的製造業廠商還是採用人工排程，但是在疫情衝擊供應鏈，甚至出現缺工的情況下，如果沒有導入排程系統，很難掌握實際的產能，且難以應變臨時發生的問題。因此快思科技協助企業導入AI排程系統，模擬訂單的成本結構、產線上的設備狀況，確保訂單能帶來收益且順利生產，並在生產時確認產線順利運作，有效利用產線資源並最大化生產效益。

聯達智能姜繼宗總監提及，以金屬加工業為例，業界面臨人力不足、規模小、資金不足的困境，加上材料的管理流程不佳，工單發送後常常要很久才能收到數據，材料堆積在倉庫閒置成本高，且無法靈活應對臨時的緊急訂單。此外，金屬加工的人才難尋，工藝不容易傳承。為此，因此聯達智能在雲端建立數據管理平台與機器人應用，「服務智慧雲」為機械廠開發，主打前裝市場，將雲端控制設備、設備健康監控、遠端維護、設備運送地圖及產品履歷追蹤功能提供給機械廠跟設備商的平台。「生產智慧雲」結合機聯網與MES，由上而下管理金屬加工的生產流程，在設備周邊整合智慧化方案。機器人應用則透過取放軌跡的設定，由機械手臂取代人工完成部分工作，透過周邊整合與雲端加值機器手臂。

談及設備，數位雙生技術有利於實現設備即時決策的功能。中興大學教授／雷應科技劉建宏創辦人指出，在製造過程中導入數位雙生，需要維持資料互通及開放，因此高度依賴製造現場的量測裝置即時收集數據並回傳。不同的應用領域要選擇適合的演算法，並且要考慮監控及預測，若模型不正確就需要補償精度，因此系統要有判斷模型正確性的能力。雷應科技透過在設備上裝置穿戴式的感測器，結合智慧感測分析軟體，即時獲得設備運作的數據，用以修正模型錯誤，可有效確保客戶端的模型穩定。

瑕疵檢測方面，Landing AI楊凱副總裁說明，執行AI光學檢測的挑戰之一，不容易定義各式各樣的產品缺陷，且如果定義不夠彈性，一旦光線不同，系統可能就無法辨識。同時在企業資料品質不佳的情況下，系統的精準度難以符合產線需求，造成多數AI瑕疵檢測專案難以落地。Landing AI嘗試從優化模型或提升數據品質兩方向，著手增加系統精準度，隨後發現改善數據品質，即可明顯提升系統精準度，因此Landing AI建立端到端的平台，確保不同人員的標記結果趨於一致，提升資料品質，進而強化瑕疵檢測系統的準確度。

製造業數位化萬事俱備

製造業在數位轉型的路上披荊斬棘，業界已有成熟應用AI的中／大型企業，包含金屬加工、航太、面板產業、工具機、消費電子產業，都善加利用產線數據，結合雲端平台與團隊內的智慧化人才養成，發展出極具競爭優勢的生產效率。學界在製造業轉型的路上則是軍師，由豐富的研究經驗提出技術分析與產業觀察，協助企業重新審視數位化為企業帶來的價值，以及從宏觀的流程自動化思維優化產線排程。而新創團隊作為解決方案的供應端，體察製造業在AI選題、產業知識傳承、瑕疵檢測系統精準度、流程規劃等方面的痛點，提供彈性的智慧化方案，為製造業升級再添柴火。