PowerArena助制造业掌握重点 打造高ROI的AI视觉应用场景
- 林佩莹／台北
-
未来制造业有望利用生成式AI技术，生成出不涉及客户隐私的庞大训练数据，加速培养AI认知能力。
对智能制造应用着墨至深的百威雷科技（PowerArena），其AI总监黄子魁认为，一个新技术要演化为应用，往往需要历经一段时间，而制造业对新技术的导入向来谨慎保守，故生成式AI对制造业暂无立即性影响。展望2024年，监督式学习（Supervised Learning）仍为智能制造场域的主流AI技术，搭配生成式AI，模型训练期程将从原本半年缩减至三个月。监督式AI的好处是，你教它什麽、它就做什麽，状况容易掌握，相对适用于讲求精实的制造场域。
黄子魁说，综观AI应用面向，横跨文字、语音、视觉等范畴，目前常见于工厂的大宗应用型态系以视觉为主，如AI AOI瑕疵检测便是显着的例子。但PowerArena着重于人的部分，藉由分析产在线人员动作，协助客户找到增进效能与品质的机会点。迎向2024年，PowerArena的产品策略从原先提高生产效率的应用，转而专注于帮助制造商进行高质量生产，运用数码防呆，把关关键步骤。
从事后补救到主动预防
事实上AI可视为人造的人，在学习表现上与人类非常相近，只要看过千遍万遍，就熟能生巧精准识别各种标的物。
PowerArena长年聚焦于产线人员行为分析，因为一般AI AOI代表事后追踪，即便检查出做错的Piece，成本损失已无可挽回。PowerArena则透过影像检查生产过程的正确性，一旦察觉有人未依电子作业指导书（eSOP）行事，便及时提出告警，防止人员因持续做错而制造瑕疵产品。
黄子魁表示，追求的是产线人员容易使用的系统。为此，PowerArena将从「引导客户将火力用在刀口上」角度，建议将AI视觉部署在能够发挥最大价值的关键站点，如偏重人力导向的组装线或DIP插件线，其余如测试线等侧重机器导向的站点，则建议采取IoT监测方式，也可再进一步将IoT数据串连回AI，更完整地智能化管理产线，以发挥最大投资报酬。
强化大数据分析 加速定位非规律性异常
即使在人工作业情境，针对一些可藉由物理性防呆来防错的环节，PowerArena建议无需启用AI。至于难以执行防呆的部分，譬如检查是否放散热片、检查是否依eSOP完成对角锁附等，可列为AI布局范围；凡是发现该做的事没有做到位，就不允许过站、或在进入下一站前发出警示，避免最终演变成棘手的品质瑕疵难题。
针对客户普遍在意的生产周期时间（Cycle Time；CT），以往PowerArena配合客户期望，协助将所有可能影响CT的数据收集到位，但后来发现因数据量体过大，令客户难以快速清理与分析。为解决痛点，PowerArena将致力把大数据转换为容易阅读的内容，再藉由管理界面直觉化呈现，使客户更易对焦到需要关注的重点。
举例来说，正常一个CT约1分钟，如今观测到长达逾2分钟的现象，理当视为异常，殊不知其中高达8成是因为补料导致的「规律性异常」，其实不需费时关注；今后客户在PowerArena协助下，可以更快锁定非规律性的异常，将有限的时间和资源投注在需迫切解决的难题上。
黄子魁也强调，AI不是解决问题的唯一答案。事实上，识别产线的关键问题点，再依其采用最合适、最符合效益的工具，才是实现智能制造愿景的有效路径，AI作为智能制造工具的其中一环，旨在协助工厂最难以数据化的生产信息，强化管理。
