人工智慧賦能智造 工廠場景數據革命全面爆發

文：陳芊卉

人工智慧 工業互聯網 大數據 人機協同

1995年，國際象棋大神卡斯帕羅夫敗給了體重1.4噸的人工智慧電腦「深藍」，這是人工智慧(AI)第1次打得人類猝不及防地滿地找牙。2016年世界圍棋冠軍李世石在與Alpha GO的比賽中投子認輸，人們開始驚覺到人工智慧的力量已不容忽視。時隔20餘年，浪潮迭起，未來已至，人工智慧正在全球引領一場比互聯網影響更為深遠的科技革命，顛覆現有的商業模式，重塑產業的思維方式級。

李開復在《人工智慧》一書中將這次的人工智慧復興稱之為「第3次AI熱潮」，這一次熱潮最大的不一樣在於，AI真正從學術界走到工業界和人們所處應用的場景中，AI技術革新賦能產業升級正成為現實。於此發展背景下，科技部方面為掌握AI來襲的浪潮，在2017年亦擬定AI科研戰略，以5大推動方向，如建置AI雲端平臺和成立AI創新研究中心等方向，期待全面提升臺灣未來在AI領域的競爭力，近期更有推動半導體射月計畫，目標要在2022年讓臺灣成為AI大國。

AI賦能製造業，本質是「人機協同」

伴隨著人臉識別、無人零售等新技術帶來消費升級，人工智慧已幫助零售業圍繞消費者，在時間碎片化、資訊獲取社交化的大背景下，建立更加靈活便捷的零售場景，提升用戶體驗。那麼，人工智慧究竟能為龐大的製造產業群帶來什麼？製造業在過去很長的一段時間裡，是「勞動密集型」產業的代名詞。當人工智慧來臨的時候，許多人不禁擔憂：「是不是製造業中的勞動力要被替代了？」

李開復甚至斷言，10年後50%的人類工作將被AI取代。誠然，人工智慧經常被通俗的解讀為「與人類一樣聰明的人造機器」，將這個「聰明的機器」放進製造現場，主要的作用就是使機器能夠「達到甚至超過人類技工水準」，以實現企業生產運營效率的提升。而這個AI介入的「智能化」過程，與過往製造業追求「自動化」的過程有本質上的差異。

「自動化」追求的是機器自動生產，本質是「機器換人」，強調在完全不需要人的情況下，進行不間斷的大大規模機器生產；而「智能化」追求的是機器的柔性生產，本質是「人機協同」，強調機器能夠自主配合要素變化和人的工作。

因此，「AI+製造」未來所追求的，不應是簡單粗暴的「機器替人」，而應是將工業革命以來極度細化、甚至異化的工人流水線工作，重新拉回「以人為本」的組織模式，讓機器承擔更多簡單、重複、甚至危險的工作，而人承擔更多管理和創造工作。

未來已至，還原人工智慧+製造應用場景

即便在未來，想以人工智慧全面取代製造過程中人類專家的智能，獨立承擔起分析、判斷、決策等任務是不現實的。「AI+製造」實現的人機一體化、高度協同，可以在智能機器的配合下，更好地發揮出人的潛能，使人機之間形成一種平等共事、相互理解、相互協作的關係，讓設備、軟體、數據、人，都像在擁有智慧的基礎上，把自己在生產製造場景中的價值發揮到極致。

依據《「人工智慧+製造」產業發展研究報告》，將AI作用於製造業的典型應用場景分為以下3類：

1.實現從軟體到硬體的智能升級：人工智慧演算法將以能力封裝和開放方式嵌入到產品中，從而幫助製造業生產出新一代的智能產品。如Google開發出專用於大規模機器學習的智能晶片TPU、騰訊AI開放平台對外提供電腦視覺等AI能力、亞馬遜推出內嵌人工智慧語音助手的智能音箱echo等環境。

2.提高行銷和售後的精準水準：在售前行銷，以AI進行用戶側需求數據的多維分析，將能實現更即時、精準的廣告資訊傳遞，如Google為製造業專門開發了精準廣告平台；在售後維護，AI將有機會和物聯網、大數據一起，實現對製造業產品的即時監測、管理和風險預警。如三一重工把分佈全球的30萬台設備接入平台，即時採集近1萬個運行參數，利用大數據和智能演算法，遠程管理龐大設備群的運行狀況，有效實現故障風險預警，大大提升了排障效率並降低維護成本。

3.增強機器自主生產能力：AI技術可以使得機器在更多複雜情況下實現自主生產，從而全面提升生產效率。應用場景包含：工藝優化，即通過機器學習建立產品的健康模型，識別各製造環節參數對最終產品品質的影響，最終找到最佳生產工藝參數；智能質檢，即借助機器視覺識別，快速掃描產品品質，提高質檢效率。

而其中，尤以如視覺缺陷檢測、機器人視覺定位分揀和設備故障預測報警等應用場景得益於深度學習和人工智慧的加速成熟，已在製造現場實現落地。例如通過集成3D掃描器和協作機器人、視覺系統、吸盤/智能夾爪，實現對目標物品的視覺定位、抓取、搬運、旋轉、擺放等操作，並對自動化流水生產線中無序或任意擺放的物品進行抓取 and 分揀。這既可應用於機床無序上下料、鐳射標刻無序上下料，也可用於物品檢測、物品分揀和產品分揀包裝等。目前在應用場景案例中已能實現規則條形工件100%的拾取成功率。

在設備故障語境應用場景中，基於人工智慧和IoT技術，通過在工廠各個設備加裝感測器，對設備運行狀態進行監測，並利用神經網路建立設備故障的模型，從而在故障發生前，提前預測故障，並將可能發生故障的工件替換，從而保障設備的持續無故障運行。這樣的應用可以將產線停工時間從幾十分鐘壓縮至幾分鐘。

總之，從目前消費互聯網的發展來看，可以很清楚的感受到是用軟體來定義我們的生活，而且這種發展趨勢一定會蔓延到製造業來。工業4.0理念下的智能製造，是將一切的人、事、物都連接起來，形成萬物互聯，形成與整合為一種由智能機器與人類專家共同組成的人機一體化智能系統，它在製造過程中能進行智能活動，注入分析、推理、判斷、構思和決策等融合成為一套智能製造系統。

工業互聯網支撐，深挖大數據「AI+製造」場景價值

隨著物聯網向製造領域的加速滲透，工業OT層數據採集範圍不斷擴大，製造數據的規模、類型 and 速度正在呈指數級增長外，企業對於資訊化軟體的依賴程度也越來越高，如PLM/PDM、ERP、MES、APS、CRM、SCM、SPC..上述各式軟體不僅需要協調管理好企業內部資源，還需要良好支撐不同企業間資源與業務的交互實現不同主體、不同系統間的高效集成。

為解決應用軟體是由多個功能模組聚合而成複雜度高且難以拓這些問題，越來越多的工業軟體將在新的工業互聯網平臺上，以微服務的方式實現，小而精，易於敏捷開發，獨立更新和管理。在製造業這個龐大的產業，數據的連通與交互更為複雜，要讓「人工智慧+製造」的夢幻般應用場景儘快成為現實，工業互聯網成為關鍵的基礎平臺，借助工業互聯網，打破傳統企業架構，實現工業4.0所強調的橫向集成、縱向集成和端到端集成，進入「人工智慧+製造」關鍵應用場景。

沒有數據無法學習，企業需要AI Thinking

「人工智慧發展一定是從數據最大、最快能產生價值的領域開始，決定AI商業化的關鍵在於應用行業本身收集數據的情況。」《人工智慧》作者李開復曾不止一次在公開場合這樣喊話。誠然，沒有大數據就無法深度學習，因為在單一領域，經過大量的數據，能夠達到比人更精確的判斷。可以說，有了大數據就有了AI的機會。

AI時代，深度學習與大數據密不可分。深度學習可以從大數據中挖掘出有價值的數據、知識或規維，然後再將這些概念或知識應用到新數據上。任何擁有大數據的領域，都可以找到深度學習的空間，從而尋找AI應用場景實現的可能性。

但是，在導入AI技術前，我們必需理解到：AI要靠數據才能發揮作用，唯有透過海量數據的學習後，才能讓AI達到自行調適與優化的效果，因此數據可說是AI的必要前提。

面對AI的應用，企業常常面臨數據不足的情況。對很多企業來說，實際的情況可能是連結構化的資料收集都沒做到，或者有資料散落在各系統無法整合。針對這類情況，很多專家都建議應該回頭來先做好基本的軟體系統的導入和好好先做好數據的累積。因為AI的實現需要實現的過程，沒有對數據的重視，AI離企業還很遠。

對此強調數據蒐集的重要性，東海大學軟體工程與技術中心主任周忠信教授表示，目前市面上的AI訓練，大多數是由下往上學習AI技術，例如深度學習等開發，但對於企業管理階層而言，鑽入AI技術小宇宙不僅在時間、成本不符效益，更可能迷失企業運用AI的初衷。因此，周忠信教授提出「AI Thinking(人工智慧思維)」認為技術和數據都很重要，但企業若要萬事具備才能使用AI，也絕對不是個法子，關鍵是要從model-based轉換到learning-based上，儘早讓既有數據展開學習，才能讓數據轉變成決策訊息。

所謂AI思維不在強調AI技術，而是強調具備對AI抽象概念的理解。AI技術的範圍頗廣，從電腦視覺、自然語言理解、機器學習、深度學習到強化學習等，若要先懂得這些技術才能將之運用在企業上，那麼企業將很難順利轉型成功。因此如何跨越AI技術議題，仍能具備AI的運用能力。

周忠信教授定義AI思維的4個「自」構面，分別為自動、自學、自主與自覺。若將AI思維運用在企業上來舉例，自動掌變化，例如運用AI的視覺辨識，自動檢視產品，掌握產品的瑕疵變化；自學擬預測，AI的觸手可以深入企業數據當中，擬定預測模型，協助企業預見趨勢；自主佐決策，運用AI擷取職能的關鍵知識與經驗，主動輔佐管理者做好決策；自覺重體驗，代表AI不是取代人，而是以人為中心，來滿足使用者的應用與互動體驗。

AI+ERP深度學習融合大數據應用典範：小慧

除製造業的應用外，AI於軟體開發也不例外。ERP智慧化便是AI領域深度學習與大數據結合的典型應用方向。作為製造業最為核心智慧運營平台，如何實現人機交互的企業級ERP智慧化用戶體驗，成為被熱烈討論的議題。以鼎新所推出之智慧語音助理小慧為例，可以聽得懂用戶講的話，在龐大的企業資料庫中，快速獲取所需的資訊。從此讓ERP系統可以透過自然的對話與系統溝通，讓用戶可以擺脫面對各種不同系統的複雜和困擾，讓工作變得簡單、高效。

結合大數據、移動互聯網，圍繞「自我學習」這一AI重要特性，智慧的ERP將能以語音對話的形式與用戶隨時隨地快捷交互，完成自我需求、自我分析、自我決策、自我執行迴圈，既可簡單高效完成日常工作任務和精準數據查詢，更能提供智能化的決策建議與異常警示，給出更合理的行動建議。這也能將用戶從日常操作的重複性工作中徹底解放出來，投入到更具價值的業務和決策層面。

逐夢人工智慧，掘金數據紅利

如果說，農耕社會和工業社會，人類基於物質和能量的動力工具得到極大的發展；今天，勞動工具則轉向了基於數據、資訊、知識、價值和智慧的智力工具，數據紅利時代來臨。於此AI、大數據、互聯網將對產業發生愈重要的影響之際，AI已展現出前所未有的數據紅利，這些如金礦般的數據紅利，也正在為各產業帶來不可預測的爆發點。

資料來源：李開復、王詠剛。《人工智慧來了》。天下文化