人工智能正在顛覆全球制造業(yè)形態(tài)，這絕對(duì)無(wú)庸置疑。據(jù)IDC預(yù)估，***制造業(yè)在2018年將會(huì)有25%的業(yè)者導(dǎo)入人工智能。乍看之下這數(shù)字并不令人驚艷，但事實(shí)上，制造業(yè)已是繼金融業(yè)之后，***產(chǎn)業(yè)導(dǎo)入人工智能技術(shù)最多的領(lǐng)域。制造業(yè)者該如何追隨、并在這股趨勢(shì)中不脫節(jié)？在導(dǎo)入人工智能技術(shù)前，制造業(yè)者必須理解一件事情，即人工智能系靠數(shù)據(jù)奠基，透過(guò)數(shù)據(jù)資料的餵哺與消化，最終讓人工智能達(dá)到自行調(diào)適與優(yōu)化，因此數(shù)據(jù)可說(shuō)是人工智能的「基本食物」。遠(yuǎn)東先進(jìn)纖維營(yíng)運(yùn)部協(xié)理林偉仁實(shí)際以應(yīng)用端分析，有些制造業(yè)者因數(shù)據(jù)不夠充分，因此即便導(dǎo)入人工智能進(jìn)行分析，準(zhǔn)確率也不到6成，若連人類(lèi)原先的水平都無(wú)法達(dá)到，人工智能便沒(méi)有任何意義。因此林偉仁建議制造業(yè)者，人工智能定要先有大數(shù)據(jù)支撐，業(yè)者若有積極導(dǎo)入人工智能的想法，就必須先著手準(zhǔn)備數(shù)據(jù)，累積越多，分析才會(huì)越加精確。***IBM制造事業(yè)群副總經(jīng)理梁晏慈則分析，目前國(guó)內(nèi)制造業(yè)對(duì)于人工智能的運(yùn)用，主要著重于兩個(gè)需求，其一是質(zhì)量檢測(cè)，其次則是設(shè)備預(yù)知維護(hù)?，F(xiàn)階段產(chǎn)業(yè)型態(tài)中，制造業(yè)工廠仍多以人力運(yùn)行為主，象是由人工負(fù)責(zé)品檢流程。

　　但此舉往往會(huì)面臨因人眼疲勞導(dǎo)致質(zhì)量不一，或是肉眼無(wú)法挑選出太過(guò)細(xì)微的瑕疵。甚至因勞動(dòng)人口銳減，造成人力不足或成本高漲，按照此趨勢(shì)，人工品檢勢(shì)必難以因應(yīng)市場(chǎng)需求。

　　因此，以機(jī)器取代人力的視覺(jué)檢測(cè)技術(shù)，將扮演相當(dāng)重要的角色。其中，人工智能技術(shù)更是能夠讓機(jī)器快速進(jìn)化，提升檢測(cè)質(zhì)量與效率的工具。

　　人工智能與傳統(tǒng)AOI不同的是，前者無(wú)需耗時(shí)編寫(xiě)算法，只要讓系統(tǒng)透過(guò)大量的影像分辯何為良品、何為不良品、各自的特征是什么，人工智能便會(huì)促使機(jī)器不斷自我學(xué)習(xí)并優(yōu)化，除了能夠達(dá)到比人更快的檢測(cè)效率外，準(zhǔn)確度也會(huì)愈加精準(zhǔn)，最后達(dá)到非人眼可比擬的程度。

　　歸功于深度學(xué)習(xí)越趨成熟，近年影像辨識(shí)技術(shù)已可具備相當(dāng)優(yōu)異的表現(xiàn)。IBM指出，目前利用人工智能進(jìn)行品檢的判讀準(zhǔn)確率可達(dá)9成以上，且更因此協(xié)助如汽車(chē)制造業(yè)者減少80%的檢測(cè)時(shí)間。視覺(jué)檢測(cè)可說(shuō)是目前制造業(yè)界運(yùn)用人工智能技術(shù)最廣泛的領(lǐng)域，不僅大幅提升良率，亦可削減產(chǎn)在線的人力需求。

　　就長(zhǎng)期表現(xiàn)而言，一旦由人力精簡(jiǎn)帶來(lái)效益提升，制造業(yè)者便可因此明顯感受到智能制造與傳統(tǒng)模式的顯著差異。直白地來(lái)說(shuō)，這便是對(duì)于業(yè)者最直接、最快速可以cost down的做法。梁晏慈觀察，視覺(jué)檢測(cè)應(yīng)是目前多數(shù)制造業(yè)者會(huì)率先導(dǎo)入人工智能的第一個(gè)應(yīng)用。

　　至于設(shè)備預(yù)知維護(hù)，雖其架構(gòu)龐大，背后需集成非結(jié)構(gòu)性資料如傳感器、零件等的數(shù)據(jù)分析，然而因?qū)τ谙?a target="_blank">半導(dǎo)體或高科技電子產(chǎn)業(yè)而言，容不得機(jī)臺(tái)半路停機(jī)所造成的損失，因而早在設(shè)備預(yù)知預(yù)防議題尚未引起討論前，產(chǎn)業(yè)就已投入研究與開(kāi)發(fā)，而發(fā)展至今日也已具備相對(duì)優(yōu)異的技術(shù)水平。為了強(qiáng)化制造技術(shù)升級(jí)，人工智能已成為新顯學(xué)，這是產(chǎn)業(yè)未來(lái)避不可免的趨勢(shì)，只是這當(dāng)中仍然會(huì)因?yàn)楫a(chǎn)業(yè)型態(tài)的不同而衍生出許多差異。以設(shè)備預(yù)知預(yù)防保養(yǎng)舉例來(lái)說(shuō)，此應(yīng)用強(qiáng)調(diào)針對(duì)機(jī)臺(tái)設(shè)備可達(dá)到實(shí)時(shí)監(jiān)控、提前預(yù)警的功效，對(duì)于生產(chǎn)在線遍布精密電子零件的高科技電子產(chǎn)業(yè)而言，可確保產(chǎn)線運(yùn)行維持穩(wěn)定。隨著電子零件越趨精密，高科技電子產(chǎn)業(yè)對(duì)于品檢把關(guān)的要求也日益增高。但這并非代表傳統(tǒng)產(chǎn)業(yè)不在乎質(zhì)量的把關(guān)，只是相對(duì)于傳統(tǒng)產(chǎn)業(yè)的制造模式而言，對(duì)于人力需求的調(diào)適更加渴求。

　　梁晏慈補(bǔ)充，傳統(tǒng)產(chǎn)業(yè)未來(lái)比較容易面臨的問(wèn)題在于少量多樣的挑戰(zhàn)。她指出，如果生產(chǎn)需求變化快速，那么傳統(tǒng)產(chǎn)業(yè)將更頻繁地改變產(chǎn)線內(nèi)容去符合多樣化的需求，這將致使機(jī)器在導(dǎo)入人工智能時(shí)，必須具備更大量的數(shù)據(jù)資料與更多樣化的學(xué)習(xí)模式，才能應(yīng)變瞬息萬(wàn)變的市場(chǎng)需求。

　　而人才更迭的問(wèn)題對(duì)于傳統(tǒng)產(chǎn)業(yè)來(lái)說(shuō)也是另一項(xiàng)挑戰(zhàn)。至今多數(shù)傳統(tǒng)產(chǎn)業(yè)的工廠老師傅有些一做就是十幾年，因?yàn)榕f習(xí)難改，因而許多專(zhuān)業(yè)知識(shí)與寶貴經(jīng)驗(yàn)是存儲(chǔ)于腦海中，而非系統(tǒng)性的保存。加上人才銳減，傳統(tǒng)產(chǎn)業(yè)只得導(dǎo)入新科技元素來(lái)解決這個(gè)問(wèn)題。

　　IBM的IoT Equipment Advisor，類(lèi)似于IBM的Watson采用自然語(yǔ)言問(wèn)答系統(tǒng)，基于獲取的知識(shí)來(lái)確認(rèn)答案的可信度。Equipment Advisor會(huì)從使用者的問(wèn)題中，利用日積月累的資料去判斷，推薦最合理的方法，并給予信心度指數(shù)關(guān)連，協(xié)助使用者在面臨修復(fù)、維護(hù)、程序或技術(shù)相關(guān)的問(wèn)題時(shí)，輔助其進(jìn)行決策。

　　簡(jiǎn)單地說(shuō)，也就是將工廠老師傅二、三十年的寶貴經(jīng)驗(yàn)具體、數(shù)據(jù)化，并透過(guò)任何行動(dòng)裝置的呈現(xiàn)，從旁提供協(xié)助。這可視為知識(shí)管理的范疇，梁晏慈認(rèn)為，這也是傳統(tǒng)產(chǎn)業(yè)未來(lái)比較有機(jī)會(huì)接觸且實(shí)際運(yùn)行的人工智能應(yīng)用。

　　由于此與自動(dòng)化關(guān)聯(lián)性較少，因此就算業(yè)者現(xiàn)階段并無(wú)具備自動(dòng)化技術(shù)，或是設(shè)備有無(wú)連網(wǎng)功能，兩者之間也并無(wú)沖突，對(duì)于傳統(tǒng)產(chǎn)業(yè)而言，更是一項(xiàng)可快速導(dǎo)入的人工智能應(yīng)用。