AI是IT產業近年來聚焦度最高的議題，受矚目原因不僅在於各類創意與想像堆積出來的話題性，更在於過去幾年物聯網、工業4.0等概念的醞釀與開始落實，讓AI可與這些系統鏈接，應用將會更明確也更快速，就目前發展來看，像是AI發展的大型軟體廠商如Google、微軟等，都已開始投入AI的實用化，其中產值龐大的製造業，也被視為AI的應用重點，尤其是工業4.0概念啟動多時，未來工廠講究智慧化，在此趨勢下，AI在未來的製程設備中，勢必扮演要角。

跨出AI的第一步

要談AI在製造業的應用，必須先從製造技術開始談，這幾年在製造業掀起巨浪的工業4.0，多被視為第4波工業革命，其中離現在最近的第3波，無疑是PLC等控制器帶起的自動化浪潮，在自動化技術的加持下，製程設備可以更快速、精準、穩定、長時間的運作，讓製造業可以在短時間內大量生產出品質一致的產品，大規模量產也同步降低了產品的單位成本與售價，對製造與需求雙方都是最佳結果。

不過，這幾年消費性市場開始轉向，個性化、多樣化產品逐漸獲得消費者青睞，大量且一致性的產品成為廉價品的代名詞，在此態勢下，傳統的量產模式備受挑戰，更具彈性可快速換線的產線需求開始浮現，而這也是工業4.0的主要訴求。

工業4.0概念的製造模式，是透過軟硬體的整合，讓生產系統具有智慧化，其硬體是根基在現有的自動化技術上，加上軟體的串連整合，使之成為一體化架構，而所謂的一體化架構，已不僅止於製造現場的生產系統，企業營運端的ERP、CRM…等系統，也必須一併納入；簡單來說，就是未來製造業的所有數據、資產，都不再被分開運作處理，而是視為同一體制，資源與數據可以無縫的快速流動並且使用，在這其中，AI將扮演重要角色，以深度學習（Deep Learning）方式，協助製造系統的操作者與管理者解決問題。

圖1 : 製造業要導入AI的前提是要將所有系統數位化，透數據可以被累積、分析、交流。（Source: ZHAW）

要導入AI，第一步是數據的截取與建立，不過要跨出這正確的第一步並不容易，PTT創始人、同時也是台灣AI實驗室創辦人杜奕瑾就指出，許多系統設計者與導入企業，常常忽略數據擷取的重要性，AI不會是泛用於各種產業的平台，而是單一領域平台，而各種產業都有其專業，因此數據的種類需求與擷取方式也大不相同，以製造業來說，設備監診是智慧製造系統的基本功能，透過感測器擷取的設備運作數據，將成為此一功能的判斷基準，但是相關數據要如何取得？感測器要如何設置？這都需要長期的專業累積，有了這些數據，AI才能做出精準的分析與反應。

而這些精準的數據，將成為製造業的重要資產，不過這不代表所有數據都會被彙整到同一處，智慧製造系統的數據將會被分流應用，以上述的設備監診功能來說，大多是在現場端所用，現場製造系統透過設備產生的數據，掌握設備狀況，並以AI分析判斷數據所代表的意義，之後的對應動作，則再由各設備的管理操作決定，例如馬達內建感測器所擷取的震動數據，彙整後交由AI判斷，透過深度學習的不斷調整進化，AI將可分析出不同震動模式背後的原因，像是軸承受損或線圈短路，訊息產生後，系統建置人員可針對不同製程設計對應流程，可能是主系統的AI系統接手處理（停機或相鄰設備接手），或由現場操作人員依狀況處理。

ERP重整製造思維

除了現場系統外，營運端的ERP也會是製造業AI系統的重要環節，ERP主要的功能是盤整企業生產、管理等各面向的資源，將原本企業功能導向的組織部門，轉化為流程導向的作業整合，進而讓經營決策能更加明快、強調資料一致性、即時性及整體性的有效資訊。

對製造業者而言，使用數據管理將是數位轉型的里程碑，傳統的ERP系統要求企業管理多個範疇的流程與資訊，包含作業系統、數據、網絡、儲存與毀損復原，大幅降低了管理的效率。

圖2 : 工業4.0與AI的整合已是必然趨勢，AI的深度學習與感知設計，將全面提升製造業的效能。（Source: The Manufacturer）

對企業來說，AI應用於ERP的最主要作用，在於改變了日常營運、人力、流程與科技之間的交互關係，例如端到端業務流程模組中，原先由人力操作的規律性工作將交由AI負責，例如撰寫商業單據、發送採購清單等，用以減少營運成本。

除了日常營運外，AI也能協助客戶服務以及維護作業，透過學習過往的報告與程序，AI可以根據不同的提問情境提供合適的解答建議，數位助手（Digital Assistant，DA）將可幫助工程師的製造設備維護作業進行偵錯分析，根據AI對效能、機構設計和維護歷史的理解，提供工程師有根據的建議和答案。

另外，重新改造工作方式與製程的同時，AI也會逐漸修正企業和個人的營運方向，擴增了其潛能和效用，企業與個人可以將他們的注意力和時間，從繁瑣的操作和監控程序，轉移到更需創新、創意和分析能力的任務。

未來以工業物聯網為主架構的智慧製造系統，也將因為AI的導入，將功能與效能延伸到製造以外之處，例如透過遠端連結能讓管理者取得所需的資訊，以優化供應鏈和產品開發，這些都讓製造業者的產品從發想到市場採用的距離越來越短，操作介面軟體的介面也越來越直覺。

案例快速啟動 AI+HI才是解答

圖3 : 近年物聯網、工業4.0等概念的醞釀與開始落實，讓AI可與這些系統鏈接，應用將會更明確也更快速。（Source: Supply chain Digital）

就實務面來看，AI雖看似遙遠，但目前已有廠商著手開發AI製造系統，第一是自動化大廠ABB與IT大廠IBM合作的「感知工業機械」（cognitive industrial machines），此一方案整合了ABB Ability雲端到邊緣裝置跨產業數位解決方案與IBM Watson物聯網平台，目標設定是協助人類作業員改善品質控制、提升速度與良率、減少停工時間，感知工業機械目前已有商業化–Cognitive Vision Inspection System，主要是結合Watson超級電腦的AI與ABB系統截取的生產線即時影像，將檢查出的缺陷數據送往雲端以製造業專用的Watson IoT平台進行分析，除了支援機器視覺檢測，IBM也利用Watson的感知能力與操作員在免手動的環境進行互動，或是提供擴增實境（AR）工具協助診斷與維修設備。

另一個案例則是Nvidia與日本業者發那科（Fanuc）的合作案，NvidiaFanuc的工業控制系統Field（Fanuc Intelligent Edge Link and Drive導入了AI功能，讓自動化工廠中的機器人提升其作業的速度與效率；此一系統應用了Nvidia繪圖處理器（GPU）與深度學習軟體，讓AI能在雲端、資料中心執行，甚至嵌入於邊緣裝置中，Field系統與CNC設備、機器人、周邊裝置以及感測器連結，藉由分析來最佳化製造業生產。

觀察未來發展，AI與智慧製造系統的整合將是必然趨勢，未來製造設備都會有AI功能，只是程度的多寡而已，不過AI並不會是智慧製造的唯一解答，不管任何領域，AI都必須與HI（人類智慧）結合，方能解決問題，創造出更大效益。