製造業以AI加值轉型智慧製造，打造強健、韌性的供應鏈
疫情衝擊全球供應鏈，製造業須積極轉型AI智慧製造，以打造強健的供應鏈韌性。台灣人工智慧協會（簡稱台灣AI協會，TAIA）與經濟部工業局合作，5月24日在台北國際電腦展的InnoVEX展會舉辦「臺美AI加值智慧製造國際技術研討會」，透過美國及台灣的先進智慧製造技術交流，以期推動完整產業供應鏈。
行政院政務委員唐鳳致詞表示，「台灣製造能力出眾，擁有完整供應鏈，美國企業則擁有研發能力，台美合作能締造雙贏局面。在多變的商貿環境中，推動臺美供應鏈更加強健、韌性。」
圖1: (左起) 美國在台協會代表、台灣人工智慧協會執行長林筱玫、工研院機械所組長黃甦、工業局副組長張明煥、所羅門董事長陳政隆、台灣人工智慧協會理事長蔣珮瑋、台灣洛克威爾智慧製造經理王展帆、Landing AI業務經理陳敬孟、達明機器人經理黃鍾賢、主持人張剛羚。 (圖片來源:由大會提供)
台灣人工智慧協會理事長蔣珮瑋指出，台灣AI智慧製造技術，有躍上國際的實力。透過台美AI加值智慧製造的技術交流，有助於推動完整的產業供應鏈，未來有機會在美國及台灣建立智慧製造基地。
智慧製造的AI機器人應用
智慧製造應用中，先進機器人技術具備關鍵角色。工研院機械所智慧機器人組組長黃甦分享：「機器人應用於智慧製造已成必然趨勢，機器人技術是智慧製造數位化的推動者！結合機器人、感測器、虛實整合系統（CPS）及AI等四大要素。」工研院機器人技術的智慧製造應用包括，視覺引導機器人、隨意分箱、CPS機器人、3D表面研磨和拋光、AMR/AGV的分佈式路徑規劃。
AI機器人用控制器控制機械手臂的速度、精度和力道，並以數位孿生為核心，結合真實世界的數據，模擬真實世界機械手臂的工作，發生錯誤時不至於損傷機器。即便是不同機器手臂上的遭遇，也能完整複製到虛擬系統中。
黃甦指出，AI機器人有兩大特色，第一是能學習技能；第二是可以處理「變異性」，過去機械手臂只會按照固定程式動作，即使空抓物品亦會繼續操作。AI機器人搭配感測器，系統會自動判斷手臂是否正確抓取物品，即使物品放歪也能換角度抓取；又如拋光研磨，可以根據砂帶的聲音判斷磨損程度，汱換砂帶。
圖2: 工研院機械所組長黃甦指出，AI機器人有兩大特色，第一是能學習技能，第二是可以處理「變異性」。
所羅門董事長陳政隆分享AI於製造及物流業的應用，在隨意撿物方面，導入AI的機器手臂，甚至可做到兩個機器人同時撿物，而不互相干擾，滿足物流客戶對快速撿物的要求，達到每2秒撿取1個物品的成果。
圖3: 所羅門董事長陳政隆分享AI於製造及物流業的應用
陳政隆說明，視覺引導機器人可用在汽車工廠自動塗膠，3D掃描車體，再讓系統聰明引導機器人完成工作。深度學習檢測可用在製造業、科技業、隱形眼鏡、食品等產業的產線中，以AI找出產品的瑕疵，例如找出好的PCB板，或即時辨識，挑出不完整的雞塊。
達明機器人經理黃鐘賢分享，達明機器人的協作機器人是全球市佔第二名，協作機器人是一種新型工業機器人，能與人一同協作工作。透過AI視覺辨識，能為協作機器人加值，讓機器人更「聰明」。協作機器人可以根據視覺模式創建新的座標空間，讓機器人的所有工作都能根據此座標自動更新，無須重新校準。
黃鐘賢認為，將成熟的AI辨識技術結合機器人產品，能讓工廠工程師即便沒有AI背景，也能應用AI，協助工業自動化和工廠智能化。例如將AI協作機器人應用於品牌汽車製造商，在天花板上掛上四個機器人，每個機器人具備三個不同視野的攝影鏡頭，再結合固定的20個攝影鏡頭，可檢測汽車的不同部位，在80秒內檢查完120多個項目。
圖4: 達明機器人經理黃鐘賢分享，協作機器人是一種新型工業機器人，能與人一同協作工作。
製造業整合AI的挑戰
Landing AI商品副總裁楊凱指出，75％的AI專案無法進入實際的應用，帶來商業價值。所謂的AI系統，包括模型加上數據，而製造業做AI視覺檢測面臨兩大挑戰，第一個挑戰是AI系統不夠精確，AI模型已經很精準，但最大的挑戰是數據不足、低品質的數據，會導致AI「錯認」，標錯標籤。用正確的工具蒐集數據，才能提高精準度。
第二個挑戰是AI系統不只是機器學習的程式而已，機器學習程式只佔AI專案工作的5％至10%。楊凱表示，從概念驗證到產品中間有極大的斷裂，需要妥善規劃AI專案的生命週期。
圖5: Landing AI商品副總裁楊凱表示，具商業價值的AI專案，需正確的工具蒐集數據，並妥善規劃AI專案的生命週期。
台灣洛克威爾智慧製造應用發展經理王展帆指出，製造業升級AI有兩大挑戰，第一個挑戰是缺乏分析能力，IT及OT的整合困難，缺乏連通性，難以將數據轉換成用的資訊。第二個挑戰是在工廠現場，工程師並非都是資料科學家，AI應用需要領域知識、自動化及數據處理的專家，難以找到三者兼備的人才。因此，需要建置標準化的數據平台，協助製造業整合AI應用。
王展帆表示，企業設定好AI專案的大方向之後，更需要「從小開始」，先從小專案試點成功，正確解決客戶的問題，再快速規模化，以此啟動智慧工廠的數位轉型旅程。
圖6: 台灣洛克威爾經理王展帆表示，企業設定好AI專案的大方向之後，更需要「從小開始」，先從小專案試點成功，正確解決客戶的問題，再快速規模化。
專題座談邀請講者暢談該如何實現理想的智慧製造？Landing AI台灣區業務經理陳敬孟建議，「先思考問題可以用AI解決嗎？要找到對的範圍。」接著要計算投資報酬率，讓工廠知道智慧製造帶來的價值。陳政隆提出，智慧製造中的彈性是關鍵，小量生產的趨勢，任何能讓系統更加有彈性的「智慧」，都能創造價值。
圖7: Landing AI台灣區業務經理陳敬孟(左3)建議，「先思考問題可以用AI解決嗎？要找到對的範圍。」
提及智慧製造的永續性，黃甦表示，AI可以增進產線的效率，節省能源。黃鐘賢亦認為，生產有效率，就能改善工廠的表現，進而達到永續性。王展帆認為，AI可以降低人員工時，創造員工更多的可能性。
隨著ESG浪潮興起，台灣人工智慧協會執行長林筱玫指出，「製造業需發展供應鏈韌性，而AI能協助製造業邁向永續且智慧。」未來，永續性將成為工業5.0的核心。
>>精彩內容傳送門，歡迎到活動官網觀看影片! https://www.aiatw.org/2022-usa-tw-ai-conf
>>論壇活動 Youtube 影片連結 https://youtu.be/mqmNMNradnA
【關於台灣人工智慧協會】台灣人工智慧協會(Taiwan Artificial Intelligence Association,TAIA)成立於2020年，以推動人工智慧產業化、擴大產業之人工智慧應用為宗旨。除了促進產業AI化之外，同時致力於推動AI產業化。台灣AI協會將臺灣AI領域的發展藍圖分成智慧製造、智慧醫療、智慧金融、智慧零售、智慧農業、智慧教育、無人載具、跨域整合等八大領域。未來，台灣AI協會將持續推動AI產業化及擴大產業AI應用，以場域端結合設備端為主題，將AI導入機械設備業如工具機及機器人等領域，為設備加值，帶動機械製造業的產業競爭力。
回應文章建議規則：