一套支援飛機研發、生產的系統平台，對台灣一般中小企業有什麼用？
2021年開始對外提供服務，2023年才投入行銷的「AIxWARE智慧製造平台」，至今已默默累積超過50間企業客戶，幾乎全是台灣中小企業。一手打造平台的漢翔航空工業資訊處處長方一定估計，平台聯接的機台應已超過三千台。光是賣斷制的智慧製造業務，一年約有三、四千萬營收。
這對去年度營收突破350億元的漢翔來說，只是零頭般的數字。但背後是一段積累超過十年的智慧製造基礎工程之路，以及未來可能開展的軟體服務新財源。
縮小一架飛機的複雜度，造福眾多中小企業者
「AIxWARE」平台全名為「AIDC MiddleWare for any IIOT/IOT devices」，起初就是因應市場需求形成的服務。
方一定回憶，當年許多產業公協會等人士來公司參觀，看見漢翔內部的智慧製造系統，紛紛提問「你這個為什麼不給外面用？」漢翔因應外部要求，改寫自用的「愛漢翔」（iAIDC）航太智慧製造系統，「縮小」成外用版本推出。
這是因為，漢翔所屬的航太產業屬性特殊。不僅資安要求極高，產線有著少量多樣的特性。一架飛機大約有40萬個零件，每種零件製造要求、所需時間不同，產線需要頻繁更替生產流程。複雜程度遠高於一般中小企業。
也正因為這樣的高度複雜性，漢翔必須歷練出高度智慧製造能力，以保市場競爭力。這種對OT（操作技術）資料的掌握力，是市場上一般熟稔IT（資訊科技）的資服業者不及之處，也是漢翔透過「AIxWARE」協助客戶打造機聯網的差異化能力。
智慧製造進化之路，第一步就是整合機聯網、生產資料、跨品牌機台與異質資料。這是許多中小企業其實至今還沒到位的基礎。
方一定舉例，一間工廠裡可能部署四、五種品牌的機台。單一品牌機台資料可以連通，但要做智慧製造，「一定通通要連啊。」建造一架飛機，牽涉多類人才與複雜製程，漢翔早就被逼著把工廠裡的「聯合國」整合起來。這套經過自家場域驗證的作法，已能連通約60種控制器。
「幾乎台灣所有可以看得到的機台，大概都可以。」方一定謙遜的口吻中帶著一絲驕傲，「台灣應該也找不到漢翔這樣，能連那麼多了啦。」
方一定也解釋，除非是非常老舊的機台，否則多數情況業者不需花錢加裝感測器。「AIxWARE」採取「非侵入式」的方法，從網路抓封包、解析機台參數，不干擾生產過程。這表示客戶的導入時間及成本都可以壓低。
把老師傅的直覺，變成可複製的模型
目前，「AIxWARE」已長成整合機聯網到AI商用智慧管理的一體化平台，可提供「機台模具管理模組」、「物料存量管理模組」、「製程環境監控模組」等客製加值服務。平台客戶橫跨航太、汽車零組件、光電、射出成型、金屬加工、表面處理，甚至生技醫療與食品加工業者。
方一定觀察，導入這套系統，最有感的客戶可能是以射出成型為核心製程的業者。在優化調參帶來的顯著效益上，或許還超越漢翔專精的CNC（電腦數值控制）加工。
這是因為射出成型的產品品質，受到大量變數影響。就像麵包烘焙會受到麵粉品質、麵團發酵程度、當天的氣溫與濕度等因素影響。射出成型製程從加熱固態原料、以液態注入模具，再冷卻成型，過程中的加熱溫度、注入速度、冷卻時間等眾多參數，加上當下的環境條件，都會影響成品良率。
航太產業較多使用的CNC加工，本質上是用刀具切割固體原料做出零件。調參改變的主要是速度及效率。參數未足夠優化，會加速刀具磨損、影響表面光滑度，但成品尺寸不會受到太大影響。相對地，射出成型的參數調錯，可能導致產品整個變形，或結構強度崩塌。
從機台到外部環境因素，射出成型製程需考慮的參數可能有數百、甚至上千個。過去大多是靠老師傅的經驗判斷調整參數。但若沒有保存良好成型的參數數據，這套know-how不僅無法再應用到類似的製程上，減少試製成本，當老師傅休假時，良率也可能立刻下滑。
漢翔將「製造經驗」分成三類。一是「顯性知識」，包括物理化學特徵與操作動作，例如溫度、濃度與補酸量。二是「可數據化的隱性經驗」，也就是將老師傅的隱性判斷進行科學化定義，再上標籤成為AI訓練數據。三是「不可數據化的隱性經驗」，這是人類評估機器決策的關鍵把關處。
透過訪問老師傅，善用基礎模型對自然語言的理解能力，如今系統能夠結合客觀數據、老師傅的經驗，以及調參帶來的良率影響等資料，進行交叉比對與學習，一步步提升準確率。
例如，其中一家客戶為塑膠射出廠，平台結合來自機台、原料、模具等多種輸入資料，以及超過80萬筆的調參紀錄，訓練出AI模型，精準辨識出真正影響良率的少數關鍵變數，有效降低工廠換線時間與測試成本。
方一定承認，目前考量資安與責任歸屬問題，多數情況不會讓AI系統直接操控機台PLC，「基本上還是人在判斷。」射出成型的調參建議，相對是風險較低的應用。就算失誤，受影響的是良率，而不會擾動到整條產線。
方一定認為，技術採納終究要與成本效益平衡。企業仍需評估投資合算與應用風險等因素，找出一條適合自己的升級之路。
漢翔在2024年成立AI創新應用推動委員會，當時生成式AI在工業生產線上的應用仍不穩固。但擔任執行秘書的方一定認為技術迭代速度快，成立委員會，「至少跟著技術進步，不要等到技術進步很多了，才要去做。」
責任編輯：李先泰
