2021年,台灣製造業如何靠AI繼續逆風高飛?

2021年,台灣製造業如何靠AI繼續逆風高飛?
台灣製造業於2020年繳出漂亮成績單,然而,疫情仍可能帶來未知的干擾。圖片來源:Shutterstock
2021-03-10
文・陳愷新(SAS台灣總經理)
26660
2020年,全球製造業發展受疫情影響而放緩成長;然守疫有成的台灣,製造業卻在寒冬逆風飛翔,出口金額及生產指數創歷年新高。邁入2021年,面對仍詭譎多變的局勢,產業該關注哪些關鍵技術佈局,以趁勢翻轉全球製造業價值鏈,靈巧應對未明的風險?

台灣在堅強公衛醫療的守護下,生產活動大抵如常,製造業又在5G、高效能運算等新興科技應用擴增,及消費性電子產品需求拉抬下,抵銷疫情前期的部份負成長,在局勢動盪的2020年,繳出漂亮的產業成績單。

然預期未來兩年,疫情對台灣製造業的產銷步調仍存在高度干擾;包含原物料運輸延誤與價格波動、交期異動、工廠人力調度與客戶臨時砍單等潛在風險。

面對不確定,企業更需要「即時」掌控產能、良率、供應鏈調度、產品組合等所有資訊,才能快速應對。回到最根基的技術,即是仰賴數據分析,來預測風險及需求,再制定決策。

無論企業大小,建置分析力將不再是「Nice-to-Have」,而是擁抱新常態的必要條件。

在2021年,台灣製造業該如何深植分析力?掌握哪些關鍵趨勢及應用方向,為彎道超車做準備?

1. 利用AI「主動」優化流程、找出異常

提高生產效率,是製造業站穩腳步的一大基石。產線自動化、用AI提升良率,早已不是新聞;現在,企業還可以應用AI達到「智慧化營運」,自動找出異常或提出調整建議,協助企業達到過往調校機器、升級設備所無法觸及的高度。

如美光科技(Micron),使用整合分析及物聯網平台,即時識別製造流程的異常;再用機器學習自主找出異常原因進行分析,中間省去繁複的人力介入,勞動生產率提高了20%。

又如美國建材大廠USG,有2,900項以上有效專利。過去,工廠生產過程為測試不同的材料,以確保產品符合品質標準,某些品項需耗時超過24小時才能完成。

但運用AI預測建模功能後,USG可根據預測結果超前調整製程參數,使原料品質變動時仍有穩定高良率,故能以最低價格、生產符合品質標準的產品;甚至使用模型管理(Model Manager)工具,設計品質異常矯正執行計劃模型(Out of Control Action Plan,OCAP),確保建模前提變動時,可即時替換冠軍模型、並部署到生產環境,完成決策到執行的全自動化。

5G-AI-人工智慧-人工智能-SAS-陳愷新-智慧製造-台灣-製造業AI能識別製造過程的異常,有效提高生產率。圖片來源:Shutterstock

2. 做到「精準預測」需求與保固維修,穩定供應鏈管理

全球複雜分工下、供應鏈管理已是製造業的重中之重;若沒有精準的預測,備料過多會增加庫存成本,過少則影響客戶滿意度。

在目前詭譎的情勢下,若有企業能相對精準回答出「在哪個時間、哪個地點、應該備多少料、多少貨?」,便等同在客戶購買或維修前,就掌握客戶未來的需求,即可穩定地管理供應鏈,減少調存貨管理成本,蓄積強大的競爭優勢。

美國本田汽車(Honda)就早已運用1,200個經銷商、一天數十次更新,所累積下來的客戶銷售與維修資料,包含施工作業的類型、客戶支付的金額、各維修訂單的歷史資料及維修保養顧問的意見等,建立一個AI預測模型,預測各零件預備的指標,及客戶偏好與習慣等。

後來,零件準備預測準確度高達99%,同時降低三倍的維修及保固時間。美國本田汽車還規劃將這些貴數據資料,納入日後車輛設計的修正中。

5G-AI-人工智慧-人工智能-SAS-陳愷新-智慧製造-台灣-製造業本田汽車運用客戶銷售與維修資料建立AI預測模型,預測零件預備的指標及客戶偏好等。圖片來源:Shutterstock

而這次疫情帶來的全球供應鏈斷鍊、缺工等,也有人質疑將使AI運算資料出現偏誤,該如何預測?

其實,AI也能以時間序列為基礎建立「事件」資料庫;除固定事件外,再納入特殊事件及外部資料,如經濟指標與總體市場趨勢、失業率、油價、還有國際新冠肺炎疫情傳播狀態等。產出各程度衝擊的最佳與最壞情境模擬,加速決策者的日常營運因應策略。

如這次美國疫情突然大規模爆發之初,各州陸續頒布「居家令」,許多製造商面臨銷售業績衝擊外,已購客的保固維修等服務也反應不及,保修準備金預估大失準,財務狀況吃緊。

但在此時,超過百年歷史的家電製造商通用電器(GE),即使用SAS AI模型,將突發的疫情狀況參數,如各地政令、疫情嚴峻度、近期異常數據等加入模型訓練,快速產出各類情境,以利團隊快速擬定應對戰略。

通用電器保修部門首席資料科學家奧弗斯特里特(Jason Overstreet)就表示,「應用分析產出有幫助的結果,對我們而言相當於一個『減震器』。」(延伸閱讀|境外移入案例頻傳!AI如何找出最高風險感染者?|SAS專欄

3. 5G+邊緣運算,是時候佈局人工智慧物聯網(AIoT)

5G低延遲、高頻寬與廣連結的特性,使龐大資料量從傳輸、處理、分析到回傳最後決策的過程,得以再升速;突破過往因所需運算資源龐大,而無足夠演算力運行的應用,像是超高畫質的影像辨識、即時串流資料監測、廣佈感應器以蒐集大量資料等。可以說,AIoT的垂直應用,如車聯網、智慧製造、智慧城市等,都將因5G商轉而加速。

然而,要讓AIoT普及,最終仍需滲透到行動或終端裝置,讓運算力在物聯網邊緣位置就啟動,降低網路系統負載,提升整體運作效率也降低投資成本。

因此,邊緣運算的價值也隨5G再次浮現。像是日本知名輪胎製造公司普利司通(Bridgestone),即在其設備站點部署邊緣運算,即時分析生產線設備機器手臂所產出的角度與溫度資料。

當產品從第一個製程站點往第二個站點前進時,能即時將第一個站點所蒐集到的資訊,轉成後幾站的初始化參考值,讓該設備自行優化最佳設備參數,據此微調傾斜角度、加熱溫度等。(延伸閱讀|5G開台!看病、搭車、看球賽,這些縣市5G應用已成真|智慧城市懶人包

5G-AI-人工智慧-人工智能-SAS-陳愷新-智慧製造-台灣-製造業普利司通在站點部署邊緣運算,即時分析設備資料。圖片來源:Shutterstock

製造業者如能著手試驗5G潛力,同步整合邊緣運算架構,從天龍(雲端、伺服器)到地虎(終端裝置)全面部署運算能力,將能有更快、更全面的數據分析,找出更深入的洞察,提供更快速的決策與回應。

當然也有人感嘆,這些大數據、人工智慧及數位轉型,是大型企業才有的籌碼。

其實,對於組織內尚未有成熟技術與人力的企業,也已有供應商可直接派員與企業主確認分析的目的;後續,企業主只需提供相關數據,即可取得客製化的分析結果,甚至進一步提供AI模型範例,免除企業購買軟硬體、打造分析團隊的營運成本。

數位轉型的門檻已愈來愈低,混沌的時局,正是翻轉的時機。套句狄更斯名著《雙城記》的開卷語:這是最壞的時代,也是最好的時代!(延伸閱讀|2021年中高階主管必讀!搞懂AI的25本主題書單

其他人也在看

你可能有興趣

影音推薦

#廣編企劃|【2023 天下城市高峰論壇 #9】新竹市交通處長 倪茂榮:改善交通,必須先做出優良示範道路|天下雜誌✕未來城市

已成功複製連結