幾乎所有台灣製造業都在拼智慧化，但現階段劃一塊概念測試場域（POC）練兵，業者最大痛點都是：單點做，能複製到整廠，甚至跨區域到全球各製造據點嗎？第二大痛點則是如何評估投資報酬率（ROI）？
智慧製造要有3~5年計畫，各業種重心不同
為解決製造業痛點，IBM試圖打造智慧製造生態圈協助客戶轉型，3日宣佈與專攻邊緣運算的凌華科技、定位物聯網聚合商（代理商）角色的世平集團、串連台達電軟硬整合平台、與緯創集團旗下雲服務商緯謙合作，試圖打通企業資訊系統IT（資訊技術）與工廠端OT（營運技術）之間那道牆。
台灣IBM全球企業諮詢服務事業群合夥人李立仁觀察，製造業數位轉型常碰到兩難： 難於快速規模化 及 難於落地推廣 。另外，製造業執行長心中最大的挑戰往往是： 擔心無法產生有感的經濟價值 。
智慧製造生態圈成員能利用AI應用協助製造業，更容易看到具體投資收益，並讓工廠智慧化可以規模複製。
工業電腦凌華董事長劉鈞提醒，企業想做小型專案嘗試，又要顧及未來可以規模化導入，最關鍵是選定對的架構，且要給三至五年計畫發展，如果想三個月見成效，絕對90%是白花錢。
對智慧製造生態圈業者而言，智慧工廠規模化最大挑戰，其實是「行業別不同」，不同產業需要的AI場景也不同。舉例來說，組裝代工業最在乎是「生產良率」，金屬加工業因為機台昂貴，最在乎「設備稼動率」，擅長A行業智慧製造的業者經驗，未必能複製到B行業去。
李立仁觀察，製造業都想智慧製造，半導體及通訊業積極做的是AI應用及研發到產線間的串連，甚至是供應鏈預測；組裝業則導入大量自動化，希望用機器視覺檢測取代人工判斷。
凌華強攻機器視覺，AOI成本縮減19倍
工業電腦凌華董事長劉鈞指出，智慧工廠的核心命題就是「提高品質」及「降低成本」，客戶馬上就會關心導入的是投資報酬率（ROI），凌華長期關注邊緣運算領域，最終發現，影響成本跟品質的三大要素是：看人、看機器、看產品。
他舉例，看人就是人臉辨識及人類行為模式監控，過去一台AOI自動光學檢查機要200萬元，但在深度學習技術進步下，現在只需要10萬元，成本降低，可以使業者在一條產線各環節上大量導入，當生產產品不良率在某一環節發生，就立刻解決，不必等成品時才發現。
AOI自動光學檢查技術出現大突破，帶來產業重新打破重組的新契機，劉鈞高興地指出，過去機器視覺影像分析，是在封閉嵌入式系統中寫電腦程式，一旦寫好放到硬體裡，就會長期沿用難以更新，這屬於傳統運算思維。
但現在機器視覺跟深度學習結合，軟體三天兩頭都能修正升級，能讓AOI精準度不斷提升，未來凌華將整合4大（通訊、管理、維修及安全）服務導向架構（MSA）的生態圈夥伴，與IT端串連，讓未來智慧工廠落地。
因此，凌華目標是期望2020年底，2021年初，全球累積有一百家OT合作伙伴，在邊緣端提供完整智慧製造解決方案。
進入門檻高，智慧製造大者恆大
執行長最關心智慧製造推動後帶來的ROI效果，劉鈞認為，現階段智慧製造對大企業才有價值，智慧製造可以達到做對的決策，採取對的行動；反而30到50人的小公司不需要智慧製造。
李立仁也認同，打造智慧製造架構繁多，舉例有AI分析架構、OT與IT整合架構、資安強化架構等等，確實不是所有企業都有能力做，也因而造成進入障礙，因此決心做智慧製造時，企業要先找到合乎自身能力的藍圖。
他坦言，各產業獲利模式不同，績效指標不一樣，建議執行長導入智慧製造時，應該設定3~10個題目讓團隊推動，而不是單項，因為AI模型訓練也有臨界點，多應用場景可以疊加效益。
相對歐美，劉鈞也倡議亞洲製造業著眼於人力精簡，不必忙於遵循歐美的智慧製造標準，凌華積極參加ROS2（機器人作業系統）協會，參與AI模組標準制訂，他也鼓勵政府應該主導定義AI平台標準，善於運用台灣在智慧製造的獨特地位。
「我們不只是上了AI這列車，也不是坐在後座看熱鬧，我們現在已經上到駕駛座！」劉鈞說。
延伸閱讀：
OCP專案一年前喊卡，英軟體團隊連虧5年，凌華劉鈞如何實現兩年期限的一場豪賭？
趁華為分身乏術，緯穎、凌華攜手NOKIA搶5G邊緣運算商機
責任編輯：陳映璇