生成式 AI 進入各個產業中開始激起生產力革命，當企業警覺地開始思考自身企業是否會因創新技術的問世而拉開競爭距離時，就是踏出企業改革的第一步。《科技報橘》舉辦智慧大工廠論壇台北場的議題即圍繞在工廠智慧化應用該如何落地。
AI 機器視覺，是抓出瑕疵產品的好幫手
凌華科技智能視覺事業中心解決方案技術主任洪靖哲分享機器視覺在產線上的各種應用。透過 ADLINK NEON AI Smart Camera 即可將 AI 視覺辨識的功能，部署到產線、廠房各種日常情境中。例如可以做到公安/環安的問題管理，避免設備損壞、阻止人員不當操作，甚至是連結到現場的蜂鳴器做示警。
也可透過 AI 辨識人體動作做姿態偵測，預防無塵室裡的粉塵掉落，而且平均能夠降低 80% 的粉塵掉落量，確保生產環境不受干擾。在生產線上的瑕疵與異常狀態偵測，也是 AI 機器視覺常見的應用。凌華科技甚至可以做到識別異常後，同時聯繫前幾站製程，通知相關站點可以即時檢查，大幅度降低 NG 品以及減少資源的浪費。
智慧工廠中需要可靠的「智慧通訊系統」
工廠中可蒐集的數據量正在挑戰既有的工業通訊系統，建構智慧通訊網絡將會是重要數據與訊號蒐集的關鍵基礎。但是傳統工廠通訊介面複雜，繁複的通訊訊號轉換也會帶來延遲成為工廠升級需解決的關鍵課題。
文曄科技專案經理洪家成強調工廠裡的通訊連結性（Connectivity）非常關鍵。10BASE-T1L 是目前工控領域最受重視的工業通訊技術，較其他既有通訊技術有更高的傳輸效率、彈性、功率輸出等特性。
若是使用 10BASE-T1L 通訊架構，即支援乙太網路、具有 10 Mbps 的傳送速率，可不需使用閘道器和轉換器。同時，10BASE-T1L 具備容易安裝、可配置於工業危險區域等高度彈性，甚至最高可支援到 60 瓦功率，讓參數傳送更簡單，可相對有效率地支援網路診斷與協助做出機台預防性維護檢測判斷，增強通訊品質可靠度。
AI 時代提升企業資安防護，資料治理成重要關鍵
ChatGPT 問世後，企業意識到這樣大量的運算絕不可能在地端進行而必須運用雲端，假設企業要導入生成式 AI 落地到廠房應用，企業自身關鍵的機敏資料是否上雲後會暴露在高風險之中？博弘雲端台灣事業中心台灣技術處副處長余俊宏強調，「資料治理」將會是未來關鍵的一環，不僅可以強化資安管理，更能延伸企業競爭力。
博弘雲端在 AWS 上建構完整資料治理方法論，協助企業建立資料分類分級制度，以及資料使用的機制。從一開始的資料分類、儲存、利用與分析，每一步驟都建構清楚的流程與權限，透過最小資料開放原則，從訪問的權限與監控，甚至到企業報表的檢閱權限都能有明確規範。如此一來，即可協助企業提升資料品質、使用效率，甚至做到資料價值提升。
克服傳統製造業部署 AI 的實務困境
iKala Cloud 雲端架構師蕭奕凱則是從傳統企業部署 AI 的實務困境做分析，包含缺乏 AI、ML 人才、沒有蒐集數據經驗與產線設備老舊無法安裝感測器等，都是常見的問題。
iKala 建議可透過 Google Cloud Platform 的視覺檢測工具 Visual Inspection 做到簡單導入，只要進行少量標記就能訓練模型，可在生產線上持續蒐集資料、優化模型。蕭奕凱舉例，有一家製造業集團應用 Google Cloud 目視檢測 AI，就讓平均每個零件檢測時間下降 0.3 秒、PCB 缺陷遺失率下降到小於 10%，節省巨量生產成本。
還有另一家集團則是透過 Google Cloud Platform 在資源利用上做到最佳化部署，集團的電子設計自動化 EDA 測試，平均一個月可以產生五億筆資料，但透過 Google Big Query 讓所有資料的搜尋在不到 20 秒即可完成，還能製作成即時智慧 BI 報表做到更完整商業洞察，掌握系統即時動態。
AI 導入門檻已開始逐步降低，當機器學習演算法、即時視覺辨識、即時生成智慧報表都已經成為一般應用工具開放給全產業。製造業的智慧化領域又展開了一些，台灣如何在 AI 浪潮下抓住轉捩機會點，需要企業領導人運籌帷幄。
想看更多「智慧大工廠論壇演講」精華影片？立即報名預約收看
