@內文: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，投如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。

智慧化成為製造業的重要趨勢，A在未來的製造系統中，AI將與工業物聯網整合，扮演重要角色。

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接果。

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。

要導入AI，第1步是數據的截取與建立，不過要跨出這正確的第1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。