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