AI應用降低分析門檻 產線穩定兼顧營運效率

2022-12-07
台灣製造業長期以來,營運思維大多以控制成本為核心,但隨著數位轉型浪潮持續發酵,智慧製造成為產業共同的發展願景,如今無不積極增進數位化能力,尋求引進人工智慧(AI)應用,以提升產品良率、產線稼動率等目標。

挾著曾以iKala Cloud為電子商務、數位廣告、零售等產業實現AI化轉型的豐富經驗,雲端AI業者愛卡拉(iKala)也將市場擴展到製造業,要協助工業客戶解決資料孤島、資料缺乏標準化的問題,提高產線可視性以實作預測性維護、機台設備異常檢測,或者運用AutoML突破瑕疵檢測精準度,利用IT技術提升競爭力。

iKala雲端事業部技術總監林士翔觀察,國際間已有AI應用於瑕疵檢測、預測性維修、產線排程、最佳化原料組合等方面,未來更將逐漸由從改善生產效率轉向提高營運效率,透過生產履歷保障產品品質,甚至是讓庫存管理增添預測能力。

專家服務讓AI落地到生產線

傳統製造業營運場域,大多欠缺數位化能力,難以進一步踏入資料分析領域。儘管已有大型工業場域建構了物聯網,將機台設備部署大量感測器用以蒐集資料進而引進AI應用,然而多數製造業仍僅限於概念驗證的專案,難以擴大至生產線的實際工作流程。

林士翔指出,工廠欲演進到智慧化,首要須打破資料孤島,彙整即時且高品質的資料,才能據以發展出可解決問題的AI應用。根據創投公司Hive Ventures與台灣人工智慧學校合作共同發布的台灣企業AI趨勢報告,製造業在資料管理方面的投資,依序為資料整理、商業決策工具、資料倉儲,AI技術則是以機器學習、機器視覺、AutoML為主要導入方向。問題是從蒐集足夠資料、開發模型、模型驗證,直到可順利部署上線的案例卻不多,更遑論分析模型部署到實際生產環境後,會產生偏差、退化狀況,須經過再訓練以維持一致性與精準度。對此,iKala既有的專家顧問、實作技術、教育訓練等服務正可發揮,協助讓AI應用落地到生產線。

林士翔舉例,製造業在台灣地區訓練完成的AI模型,套用到其他地區時可能因環境溫溼度、現場工程師排班方式不同等因素導致精準度下降,或許無須重新訓練,但是一定得餵入新資料,經過再訓練模型以適應新環境。「這方面的需求可交給iKala協助。若AI模型須適用於不同應用場域,在剛開始的資料蒐集階段,就得先蒐集取得各個場域的資料。iKala Cloud利用自然語言處理、電腦視覺、資料科學等技術自主開發產品,依據架構方法論區分為Onboard、Enable、Growth三個階段來提供服務。」

他強調,iKala Cloud深耕雲端及AI技術領域多年,提供以企業數位化需求為核心的一站式解決方案,包括混合雲/多雲基礎架構、跨雲整合、雲端辦公,以及提供iKala AIOps維運服務,協助企業藉由雲端平台與AI應用提升運營效率並加速創新研發。

Data Mesh建構資料中台

各產業發展數位化應用的過程中,勢必得建立一套資料處理的流程,把類比訊號轉換成數位,例如製造業用於瑕疵檢測的聲音偵測,以及自動光學檢測(AOI)等應用產生的非結構檔案,運用工具輔助實作轉換為標準化格式。iKala技術團隊即可藉由Google、AWS等國際級雲端服務供應商的AI基礎架構,協助企業完成機器學習或深度學習演算模型的訓練。

iKala運用Data Mesh概念建構資料中台,讓分散儲存的結構與非結構化檔案可依據應用需求即時取用,藉此打通資料孤島的現況,透過API或匯入方法整合運行,依據領域知識從原始資料中提取特徵(特徵、特性、屬性),提高訓練演算分析模型的品質,為商業決策分析與AI應用奠定可靠的基礎。

「AI服務供應商必須具備領域知識,才可協助企業解決工作流程不同環節的問題。至於運用AI來進一步創新甚至產生跨界的商業模式,則可以用大量資料與訓練演算模型來跨越領域知識的高牆,就像是個黑盒子,企業無須學習黑盒子中的持續性決策樹流程,只要不斷地餵入資料加以訓練,未來有機會是AI引領企業決策、洞察商機。」林士翔說。

製造資料引擎降低商業分析門檻

為確保製造業能將AI應用部署到實際生產線,iKala藉由Google Cloud新提供製造資料引擎(Manufacturing Data Engine)與製造連結(Manufacturing Connect)服務進行實作,為現場工程師、廠務等不同角色配置取用資料的權限,利用雲端基礎架構中易於使用的分析功能與AI應用,持續改善生產流程達到最佳化。

製造資料引擎是用於處理、建立關聯性、存放工廠環境資料的雲端解決方案,為工廠資料的擷取、轉換、儲存和存取,提供可靈活自訂的藍圖。製造連結則是Google Cloud與Litmus Automation共同開發的工廠邊緣運算平台,基於超過250種機器通訊協定的龐大資料庫,幾乎可以與所有的製造設備機台與工業級作業系統建立連結,讓資料傳輸到Google Cloud的資料湖中存放。

透過製造資料引擎與製造連結的深度整合,讓稼動率等關鍵指標數據得以視覺化方式呈現,製造廠區不同角色的工作者,可依據工作任務隨選分析,從分析數據中挖掘出更多訊息,例如快速地找到品質不穩定、造成產品瑕疵的根本原因,藉此提出有效的改良計畫。

iKala雲端事業部技術總監林士翔認為,落實AI應用的技術各產業差異不大,首要皆必須建立一套資料處理方法、保障雲端平台的可用性,再依據業務特性調整設計解決痛點。

全球人口結構正快速地進入高齡化,對於製造業來說,尋找新人才來取代退休資深專家變得越來越困難,若能利用數位工具來降低採用雲端、資料處理、商業分析等技術的操作難度,將有助於員工從分析數據中發現新方法持續改善營運效率,逐漸填補人力缺口。

Google Cloud提供的Looker現代化商業智慧引擎,為不懂IT技術的工作者設計自助服務操作介面,僅須少量撰寫程式碼或無需程式碼,藉由內建樣本引導操作,標準化資料與工作流程有助於重複運用。Looker與製造資料引擎亦可整合運行,以便讓第一線工程師、高階管理者,皆可即時掌握產線的完整資料。


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!