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
