DForum
Advantechline
 

AI无法解释因果关系 杰腾智能从数据分析协助制造者缩小问题范围

杰腾智能执行长徐绍钟。DIGITIMES摄

以大数据分析切入市场,杰腾智能协助制造业者诊断生产线,快速找出影响生产质量的肇因。杰腾智能执行长徐绍钟从过去在半导体产业丰富的经验中分享指出,过去该产业因为复杂的制程工序,往往增加生产回溯的难度,而如能藉由生产流程数据的串接,将可利用大数据分析在极短的时间内确认生产问题所在,以改善过去传统做法的不便。

众所皆知AI发展需以大数据奠基,数据的搜集与整理乃是数据分析前置作业中极为重要的一环,然目前为止根据业者观察,台湾制造业在这块尚有努力空间,需要时间消化,因此现阶段多数智能制造方案都还是从单点功能提升开始,例如瑕疵影像分析或机台设备预测性维护保养等应用。

而智能制造最终的目的当然不仅止于强化单一功能,而是需串接整个生产流程,例如良率的提升。而究竟当更完整的生产数据能够被串接起来,可以为生产线的优化带来什么好处?

徐绍钟以其所擅长的半导体产业举例,该产业动辄上千道制程,当发现产品有问题,欲进行生产回溯找出前段制程影响生产质量的肇因时,往往要在数千道制程中,从检测机台的资料图逐一比对与分析,这是令工程师相当头痛的问题。而透过大数据分析的介入,则可藉由算法先定义问题,从成千上百种涉及人、机、料、法、环等生产参数的条件下,依据关联性快速筛选出可能影响生产质量的关键因子。

这种做法旨在于缩小问题的范围。由于目前AI的局限在于尚无法充分解释因果关系,而大多数的神经网络分析技术,只处理关联性关系。因此如徐绍钟目前所率领的杰腾智能,其做法也是倾向先改善过去工程师大海捞针式的方法,透过如查找引擎的方式,将可能影响质量的制程参数依据关联性排序,因此工程师可在极短时间内厘清影响质量的肇因,这在过去工程师可能要在数千个站点中才能找到问题,但经过范围的缩小,或许工程师只要针对前十个就能厘清问题。

事实上,制造业导入AI的目的与医疗AI颇有异曲同工之妙,其最主要的目的皆是在于辅助,但最终决策仍掌握在工程师或医师手中。尊重专业,或许是产业在善用AI技术时必须思考的方向之一。

另外,观察现今台湾制造业者转型智能制造的积极度,徐绍钟也指出目前市场上除了大企业因本身具备基本数据采集以及数码化能力,而对智能制造的投资力道较大之外,另一方面因应终端大型客户需求,如Tesla或苹果现在也都要求底下供应链必须跟上智能制造脚步,最明显的应用便是生产履历追溯。

而象是能够串接供应链流程的数码分身(Digital Twin)应用,也有相关业者透露,包括联想、华为、戴尔等大厂也都已开始要求供应链跟进,据悉,多数台湾一线代工业者也在列。而此类受客户驱动的力道相对就会比由企业主自发性投资来的更高。

  •     按赞加入DIGITIMES智能应用粉丝团
更多关键字报导: 大数据分析 智能制造