Search
Close this search box.

前進工業 5.0 !SAS 以 AI 智造,打造更高效、更永續的製造業生態

工業 4.0 啟動許多企業對於雲端、自動化、數據分析與 AI 等不同技術創新與想像。這樣的概念在 2011 年被提出後,普遍被認為是強化製造業競爭力的關鍵核心。然而,下一場製造業革命——工業 5.0 已在醞釀,準備成為製造業數位轉型的新里程碑,那麼所謂的「工業 5.0 」究竟是什麼?

SAS 副總經理陳新銓說明:「工業 5.0 就是在工業 4.0 的基礎上,加上永續、韌性、以人為本的概念,並更加緊密連結工業數位轉型與社會發展。」前幾代的工業生產力革命主要著重在生產技術的革新,如蒸氣、電力到自動化技術。但歐盟近年提出「工業 5.0」新典範,最大的關鍵除了技術發展外,更著重於透過技術賦能,提升社會、環境與經濟福祉等核心價值。

工業 5.0 的核心理念在「永續」方面,強調經濟發展中兼顧環境保護與能源永續,幫助能源最大化;在「以人為本」概念上,主張 AI 技術應該要為工作者服務,使人才將時間花在更核心的工作,讓技術為人類創造獨特的附加價值;最後在「韌性」部分,企業必須更動態彈性面對環境變遷,敏捷應變市場風險,並達到早期預警的效果。

延伸智造 AI 精華:什麼!已經是工業5.0了嗎? 挺進工業 5.0,AIoT 建構未來工廠的三大情境是什麼?

智慧製造結合 AI 分析的 8 大應用場景

SAS 顧問陳昶佑於如何協助製造業向工業 5.0 邁進時指出,從工業 4.0 到 5.0 的進展主要著重於價值觀的轉變。這涉及整合人機協作與提升應變的能力,並在這過程中融入了 AI 與物聯網的技術革新。陳昶佑強調,目前全球正值 AI 應用的高速發展期,他建議製造業應採取新的思維方式,尤其著眼於 AI 與數據分析,以迅速提高生產預測和風險管理的能力。他還列舉了智慧製造於 AI 分析領域的 8 大應用場景,包括根因分析、虛擬量測、產品組合與參數最佳化、銷售與庫存優化、持續監控企業風險、節能減碳、異常檢測及預測性維護

SAS 顧問陳昶佑列舉智慧製造在 AI 分析領域的 8 大應用場景。

首先在「根因分析」部分,是指當製程出現異常時,透過 AI 模型找尋可能影響因子,透過機器學習建模,系統自動找出究竟是第幾道工序、哪個機台出了問題,降低單憑經驗法則尋找異常狀況所耗費的時間成本,甚至可有效提升良率並縮減 30% 異常機台運作時間。

「虛擬量測」是在生產前,利用生產機台參數和感測器資料建置 AI 模型,做到即時性地預測其所生產產品的品質,取代過往產品生產完後再進行抽檢的做法。「產品組合與參數最佳化」是透過如產線溫度、壓力等生產資訊與預期產出,進行 AI  建模,尋找最佳參數與產品組合。

在供應鏈重組、地緣政治等高度動盪的市場中,「銷售與庫存優化」「持續監控企業風險」兩個應用場景,皆是幫助企業監控採購與提早預警的關鍵。企業不僅透過過往庫存與銷售狀況,還納入外部影響因子例如疫情、自然環境、股市等,建立對未來的銷售預測模型,藉此優化生產效率、降低庫存累積狀況。另外在持續監控企業風險的場景中,藉由機器學習持續監控企業流程、財務狀況、採購資訊,察覺異常狀況時提早告警,協助企業規避風險。

最後,智慧製造與 AI 的整合應用體現在以下三個場景,「節能減碳」「異常檢測」「預測性維護」。舉例,生產電腦斷層、心血管照明等精密儀器的西門子,便與 SAS 合作,透過各大醫院醫療設備上的 IoT 感測器,遠端即時蒐集資料,在 SAS AIoT 平台上將難以辨認的原始資料,轉化為單一可觀測性的綜合評分指標, 即時監控設備是否異常,預判並提前排除原因,成功降低 36% 系統停機時間;SAS AIoT 平台也可基於大樓各個角落的感測器數據,偵測異常如風扇轉速太慢、冰水主機溫度須調整等,並自動進行空調系統參數優化,達到能源最佳化與提升能源使用效率。

SAS AIoT 平台可以將難以辨認的原始資料,轉化為單一可觀測性的綜合評分指標, 達到即時監控設備是否異常,預判並提前排除原因的目標。

延伸智造 AI 精華:台灣智慧製造如何邁出 AI 轉型第一步,跳轉企業新未來?

AI 分析助攻製造業邁向「良率」之巔

瞭解 8 大應用場景後,製造業又該如何判斷導入 AI 分析應用場景的優先順序?

對於智慧製造的前進藍圖,陳新銓副總經理建議最高決策層,應先選定 AI 應用的策略目標(例如良率提升、強化庫存管理、預測性維修),盤點數據蒐集狀況、人力及流程複雜度等,綜合考量可行性與商業價值選定目標,接著逐步導入相應的 AI 分析場景。SAS 觀察到在半導體、光電、電子零組件、石油塑化等領域,許多客戶夥伴以「提升產品良率」為優先指標,如同日本村田製作所專門生產各式電子零件,藉由 SAS AI 分析平台處理產線資料,光是提升 1% 良率即可帶來等同 15 億台幣的商業價值,這樣提升良率的策略目標便是導入根因分析、產品組合與參數最佳化、虛擬量測這三個與良率密切相關的應用場景。

延伸智造 AI 精華:護國群山如何達到良率之巔? 1%良率價值有多高?AI 分析助攻製造業大幅提高「良率」!

SAS 副總經理陳新銓建議製造業最高決策層應先選定 AI 應用的策略目標,盤點數據蒐集狀況、人力及流程複雜度等,綜合考量可行性與商業價值選定目標,接著再逐步導入相應的 AI 分析場景。

針對實際導入過程,陳昶佑顧問以具有複雜製程且資料量龐大的半導體產業為例。過往於製造過程中,當產品良率下滑,企業通常依靠經驗法則來找出原因,並調整生產參數,此做法不僅難以保證效果,且耗時進行盤查與測試。現在,利用 SAS Viya AI 平台,能夠從數千至數萬個複雜的參數與數據中,快速找出良率下滑的原因,並利用 AutoML 技術,即使是非技術人員也能夠自動生成並調整最佳模型和參數。這大大降低了對專業數據科學知識的依賴,同時保證了建模結果的可解釋性和準確性。 

同時,結合在 SAS Viya AI 平台中,打造一個如實體工廠的數位孿生環境,預先模擬參數調整的檢測結果,整體透過 AutoML 與數位模擬,將模型參數的調整時間從原本的兩個月大幅縮短到僅需 15 分鐘,節省超過 95% 的時間。而在虛擬量測方面,數位孿生技術能夠對產品進行風險分級。依據風險評估結果,品質控制人員可以更有效地進行實際的品質檢測,進而提高檢測效率並提升最終產品的品質。

透過數位孿生技術進行虛擬量測全檢能夠對產品進行風險分級,並依據風險評估結果,品質控制人員可以更有效地進行實際品質檢測,進而提高檢測效率並提升最終產品的品質。

最後不可忽略的關鍵一步是快速將有效的模型部署至終端的裝置上,將分析應用投入營運,透過SAS Viya AI 平台做到一鍵自動部署,且利用模型管理監控報表,掌握模型運作狀況,讓智慧分析實際落地並成為製造業的後盾,助力企業走向良率巔峰。

迎接工業 5.0 新時代,開啟 AI 數據分析旅程

從眾多 AI 應用場景中可明顯看出,AI 正成為企業獲得競爭優勢的關鍵工具。根據 Gartner 最新發布的《 2024 年企業機構需要探索的 10 大戰略技術趨勢》報告(註),預計到 2028 年,將有高達 75% 企業工程師運用 AI 來輔助數據分析,進而推動以數據為導向的決策文化。然而企業要在 AI 數據分析旅程中走得更順暢,必須謹記工業 5.0 的核心,打造更流暢的人機協作,快速融合技術創新與人本的策略。

SAS 副總經理陳新銓最後分享,不論是透過 AI 協助自動化繁瑣工作讓人才發揮核心價值,還是透過自動化建模和可解釋力的建模結果實現「AI 平民化」,都能大幅降低資料科學技術門檻,為員工創造更多附加價值。這不僅提升了組織轉型的效率,也能使企業更加專注於發展永續、增強營運韌性等營運新指標,為企業創造長期價值,朝著工業 5.0 的新時代持續前行。

註:Your Detailed Guide to the 2024 Gartner Top 10 Strategic Technology Trends