台湾AI云卓越之星(三)—杰腾智能用AI创造价值

从机械取代手工的工业1.0，到利用生产线推动大量生产的工业2.0，再到运用IT自动化生产的工业3.0，如今已发展到强调智能生产的工业4.0，制造业一直都在寻找各种加值的解决方案。杰腾智能CEO徐绍钟指出，制造业所重视的是良率提升、生产力改善及成本降低，在工业4.0时代，业者必须设法掌握各种生产信息，包括空间、文字记录(如机台Log)、时间序列(如传感器蒐集的数据)等。

虽然IT技术的进步，让各种生产信息变得更加精细，但杂讯也跟着变多。徐绍钟指出，90%以上的制造业在解决蒐集数据后，第一个建构的智能演算法是做瑕疵影像识别。由于人会疲劳，稳定度会随着工时降低，即使训练有素的人员，瑕疵识别率可达90%以上，但人员培训成本相当较高，因此如何利用IT技术来辅助人力识别瑕疵，往往成为优先处理的智能制造项目。

但徐绍钟指出，有85%导入瑕疵影像识别技术的业者，停留在POC(Proof of Concept)。由于许多影像识别技术，主要适用于大场域，但生产线的范围不大，却又需要更加精准的判断，适用的模块也有所不同，如利用高解析的取像工具，来解决数据不足及不好的问题，或是做好可视化加速模型收敛，这都需要不同模块。这也是造成现今无法有效将瑕疵影像识别技术导入生产线之原因，让众多业者无法真正落实应用。

面板厂产线虽然多半已有自动检测，检测错误率高达70%，仍需至少五个人力做人工覆判，把误判的产品找回来。徐绍钟指出，由于市场需求瞬息万变，产品线日趋复杂，加上生产信息都已数码化，自动检测仍是智能制造必须要努力发展的领域，未来会利用AI让检测机器可以透过回馈来学习人的行为，以达到减少覆判的人力。

徐绍钟指出，目前制造两大智能应用平台，第一个是预测平台，包括影像与缺陷识别、品质预测系统及设备零件的预测性保养，目前有70%的公司会选择机器预测型保养，但应用只能局限在特定机器型号。第二个是诊断平台，包括瓶颈产能(设备)预测与分析、人机料失效根因分析、供应链需求预测与竞争者分析。以机械手臂诊断为例，如果速度够快，生产力会马上提升；反之，一旦生产线出问题，如果不加以改善，问题就会重复发生。

但检测智能化只是第一步。徐绍钟表示，杰腾智能投入智能检测领域已超过两年，面临最大的问题，是如何达成定制化服务。由于每个生产线需要检测的参数都不一，但客户又需要在短时间内完成。因此如何将模型建立的过程标准化进而缩短时间，达到提升定制化速度才是关键。

在建立模型的过程中，一次就会提供5,000张照片让机器去学习，并需要在短时间完成，因此训练阶段很耗资源。徐绍钟指出，有些客户想要自己训练，至少就得花两个礼拜时间，但由于一开始会先从错误的信息持续做修正，最后完成模型建立可能已耗时一两个月。

学习必须要做好规划，不是一直丢数据，而要学习资源最佳化。透过国网中心提供的「台湾AI云」高速运算平台，大大减少建置时间，只需一个小时就能回馈给建模人员。

计算资源将是未来决胜关键，透过国网中心「台湾AI云」的协助，杰腾智能不只让制造业在网安防护下, 得到弹性及有效率的运算资源，同时也能加速建置的前置时间，并及早享受成果。对新创企业而言，更可提供快速POC的能力，加速与客户合作的效度，及早接获订单。(林佩莹整理报导)