圖1 : 為了提高現(xiàn)有機(jī)體、引擎生產(chǎn)效率4~5倍，同時(shí)兼顧穩(wěn)定品質(zhì)、降低成本等條件，投入智慧製造也成為臺(tái)灣航太產(chǎn)業(yè)供應(yīng)鏈的必經(jīng)之路。(攝影／陳念舜)

近年，全球航運(yùn)需求火熱，依Boeing、Airbus估計(jì)，未來20年全球商用客機(jī)市場將達(dá)到35,000~40,000架，創(chuàng)造6.3兆美元產(chǎn)值。且為了提高現(xiàn)有機(jī)體、引擎生產(chǎn)效率達(dá)4至5倍，同時(shí)兼顧穩(wěn)定品質(zhì)、降低成本等條件，投入智慧製造也成為臺(tái)灣航太產(chǎn)業(yè)供應(yīng)鏈的必經(jīng)之路，其產(chǎn)值已正式突破千億大關(guān)，期待2020年能達(dá)成2,000億元里程碑。

圖2 : 漢翔航空工業(yè)公司董事長廖榮鑫強(qiáng)調(diào)，該公司透過持續(xù)舉辦論壇，讓國內(nèi)外產(chǎn)學(xué)研各界有機(jī)會(huì)在同一頻道中互通訊息，從全球趨勢(shì)中找到創(chuàng)新契機(jī)與價(jià)值。(攝影／陳念舜)

然而，漢翔航空工業(yè)公司董事長廖榮鑫在2018年舉行的「臺(tái)灣航太產(chǎn)業(yè)與政策論壇」上強(qiáng)調(diào)，必須透過持續(xù)舉辦論壇，讓國內(nèi)外產(chǎn)學(xué)研各界有機(jī)會(huì)在同一頻道中互通訊息，從全球趨勢(shì)中找到創(chuàng)新契機(jī)與價(jià)值；進(jìn)而促使政府領(lǐng)頭積極改善國內(nèi)投資環(huán)境及減輕稅賦，以提振臺(tái)灣航太製造業(yè)的國際競爭力。

航太智慧機(jī)械製造論壇　鏈結(jié)上下游產(chǎn)業(yè)需求

當(dāng)天應(yīng)邀親自來臺(tái)的美國Eaton公司總裁Nanda Kumar Cheruvatah表示，現(xiàn)今智慧製造並非一夕劇變，或僅止於顧客驅(qū)動(dòng)的智慧工廠。提高產(chǎn)能外，還須不斷精進(jìn)，縮短從接單到出貨的前置作業(yè)時(shí)間OTD(Ordering- To-Delivery)。

趨勢(shì)科技總經(jīng)理洪偉?認(rèn)為，現(xiàn)今智慧製造仍在起步階段，製造業(yè)大概到了近年來才開始真正遭遇資安問題。尤其是2017年問世的新一代電腦蠕蟲WannaCry，與傳統(tǒng)病毒有別，係利用微軟作業(yè)系統(tǒng)的漏洞快速感染電腦，經(jīng)鎖定特定工程師竊取帳號(hào)密碼後加密資料勒索，將導(dǎo)致ERP/CRM系統(tǒng)、設(shè)備無法運(yùn)作，如Honda、Nissan、Boeing、TSMC(臺(tái)積電)都深受其害。

圖3 : 趨勢(shì)科技總經(jīng)理洪偉?認(rèn)為，製造業(yè)到了近年來才開始真正遭遇資安問題。尤其是新一代電腦蠕蟲WannaCry將導(dǎo)致ERP/CRM系統(tǒng)、設(shè)備無法運(yùn)作，如Honda、Nissan、Boeing、TSMC都深受其害。(攝影／陳念舜)

所以他建議製造業(yè)者：「當(dāng)開始導(dǎo)入智慧製造整合IT+OT之後，系統(tǒng)從隔離到開始連網(wǎng)，首要調(diào)整的是面對(duì)資安的觀念，而非技術(shù)問題！」

包含過去因?yàn)檠u程不透明(No Visibility)，每部機(jī)臺(tái)的IT人員通常只管生產(chǎn)順利，責(zé)任不明確(Unclear Responsibility)，且缺乏資安專業(yè)知識(shí)(Lack of Ability)；甚至有時(shí)為了提高資安，還須某種程度犧牲產(chǎn)能(Pursuit Productivity)；以及生產(chǎn)設(shè)備畢竟不像PC、OS的生命週期短暫，一旦更新恐影響後續(xù)製程穩(wěn)定(Legacy Liability)等。

漢翔公司研發(fā)長吳天勝也展示該公司自2015年起結(jié)合內(nèi)部生產(chǎn)、資訊部門，積極推動(dòng)智慧製造成果，先主要聚焦於IoT、數(shù)位化議題，分為：智慧機(jī)臺(tái)、智慧製造、智慧管理3大主軸，自主開發(fā)的iAIDC平臺(tái)也榮獲經(jīng)濟(jì)部頒發(fā)首屆智慧製造金質(zhì)獎(jiǎng)。到了2018年才開始進(jìn)入大數(shù)據(jù)分析領(lǐng)域，藉提供學(xué)研界企業(yè)真實(shí)場域的大數(shù)據(jù)，以建立大數(shù)據(jù)分析和演算模型。

其中，為了讓智慧化機(jī)臺(tái)通過IoT連網(wǎng)即時(shí)監(jiān)控，以有效預(yù)診問題、防止錯(cuò)誤及預(yù)測(cè)品質(zhì)，分別針對(duì)以加工複合材料為主的沙鹿廠區(qū)、金屬材料的臺(tái)中機(jī)工廠、難切削金屬(鎳、鈦)的岡山引擎機(jī)匣廠內(nèi)機(jī)臺(tái)連線，以規(guī)劃不同加工模式下的工業(yè)4.0應(yīng)用。

圖4 : 漢翔公司研發(fā)長吳天勝展示該公司自2015年起結(jié)合內(nèi)部生產(chǎn)、資訊部門推動(dòng)智慧製造成果，2018年正式進(jìn)入AI大數(shù)據(jù)分析領(lǐng)域。(攝影／陳念舜)

智慧製造則用來即時(shí)監(jiān)控、預(yù)測(cè)製程中的品質(zhì)及精度，避免生產(chǎn)後報(bào)廢或重工。吳天勝指出：「尤其是目前於加工航太業(yè)大量使用的複合材料時(shí)，遭遇到的最大問題就是無法在熱壓爐成化階段，即時(shí)預(yù)測(cè)到溫度變化曲線?！谷缃褚涯芡高^監(jiān)控其加溫器/風(fēng)扇馬達(dá)/冷卻泵等設(shè)備，及早預(yù)測(cè)30mins成化趨勢(shì)，並優(yōu)化製程參數(shù)、發(fā)現(xiàn)異常，每爐至少能救下100~200萬元損失。

此外，智慧管理係針對(duì)廠內(nèi)整線智慧化指揮排程，再行即時(shí)監(jiān)控/回饋整條生產(chǎn)流水線上不同車間的工作型態(tài)和瓶頸，加快生產(chǎn)節(jié)拍；進(jìn)而導(dǎo)入機(jī)器人、AGV，協(xié)同搬運(yùn)預(yù)浸布、蜂巢等物料，確保其品質(zhì)、濕度、壽命不受影響，經(jīng)下料排程節(jié)省耗損率，改良熱壓爐成化良率。

到了後段機(jī)製加工階段，也會(huì)先經(jīng)模擬加工，再導(dǎo)入機(jī)器人繞切或鑽孔，以確保加工過程不撞機(jī)、延長超音波主軸的刀具使用時(shí)間；進(jìn)而使得後續(xù)複材檢驗(yàn)、分析產(chǎn)出報(bào)告，更為自動(dòng)化。未來也將結(jié)合先進(jìn)智慧決策中心，透過集中視覺化顯示，得以多面向看問題、找方法，提高產(chǎn)能和節(jié)拍。

同時(shí)加速推動(dòng)人機(jī)協(xié)作機(jī)器人中心，取代高污染、高危險(xiǎn)、高疲勞性工作；並分別透過航太複材智慧製造領(lǐng)航計(jì)畫，推動(dòng)工具機(jī)業(yè)者開發(fā)國產(chǎn)機(jī)械設(shè)備；以及航太供應(yīng)鏈3D數(shù)位協(xié)同製造轉(zhuǎn)型計(jì)畫等，對(duì)應(yīng)Boeing、Airbus需求，現(xiàn)已認(rèn)證138家以上的合格供應(yīng)鏈廠商。

縱觀30年來AI演進(jìn)　產(chǎn)學(xué)架橋跨越鴻溝

值得一提的是，隨著AI應(yīng)用越來越重要，漢翔公司今年還首度邀請(qǐng)臺(tái)灣人工智慧學(xué)校執(zhí)行長陳昇瑋專題演講，他回顧這2年來受重視程度還超越摩爾定律(Moore's law)的軟體技術(shù)，就是機(jī)器學(xué)習(xí)(Machine learning)！其強(qiáng)調(diào)能讓電腦從人類經(jīng)驗(yàn)裡淬取出規(guī)則的演算法，而不必像過去利用電腦找出辨識(shí)規(guī)則，往往很快就被層出不窮的特例淹沒，進(jìn)而可導(dǎo)入產(chǎn)業(yè)AI化。

陳昇瑋細(xì)數(shù)人類陸續(xù)從1950~1970年、1980~1990年以來，雖然AI目標(biāo)一致，卻幾乎每30年便會(huì)經(jīng)歷一波關(guān)鍵技術(shù)演進(jìn)。直到2010年開始興起的「機(jī)器學(xué)習(xí)」技術(shù)。與過去最大不同處，在於使用者只須提供長期所需的充份資料(Data)，就能供電腦學(xué)習(xí)，並逐層(layer)自行衍生規(guī)則、特徵，來提升分類與檢測(cè)瑕疵的準(zhǔn)確率，使得人臉辨識(shí)正確率接近98%~99%。

。

優(yōu)點(diǎn)是讓各行業(yè)對(duì)於專家的需求遞減，而AI工程師的需求越來越多；但缺點(diǎn)就是如此複雜的規(guī)則和人類想像不同，而無法解釋機(jī)器學(xué)習(xí)所產(chǎn)生的演算法。而近5年來蔚為主流的深度學(xué)習(xí)技術(shù)(Deep learning)，與Machine learning最大差別，就是能從後者自主衍生規(guī)則中找出特例(特徵值)。

一旦電腦取得資料量不足時(shí)，採取較大範(fàn)圍的傳統(tǒng)機(jī)器學(xué)習(xí)(Classical Machine learning)方法，會(huì)比Deep learning更適合；甚至當(dāng)資料量為零時(shí)，還須回頭仰賴專家口耳相傳的規(guī)則(Rule based System)。惟若資料量大也代表模型將更為複雜，對(duì)於AI工程師素質(zhì)要求越高。導(dǎo)致Machine learning目前雖已普及於各行各業(yè)，即將引領(lǐng)IT產(chǎn)業(yè)未來10~20年發(fā)展，企業(yè)若想擴(kuò)大應(yīng)用，仍須積極注入新血。

圖5 : 臺(tái)灣人工智慧學(xué)校執(zhí)行長陳昇瑋藉此，由業(yè)界出題讓學(xué)界解決瑕疵檢測(cè)、預(yù)測(cè)性維護(hù)、自動(dòng)流程控制、原料組合最佳化等產(chǎn)業(yè)共通挑戰(zhàn)。(攝影／陳念舜)

陳昇瑋認(rèn)為，如今要實(shí)現(xiàn)產(chǎn)業(yè)AI化的主要挑戰(zhàn)可分為：缺乏資料基礎(chǔ)建設(shè)、實(shí)戰(zhàn)人才，少了前者提供足夠資料量，就算有先進(jìn)技術(shù)也無用；後者則在業(yè)界至今仍找不到具備5年Machine learning經(jīng)驗(yàn)的專家，只能從學(xué)界挖角，卻因?yàn)橘Y源分配不均，同時(shí)存在著產(chǎn)學(xué)鴻溝。

「目前只有工程師懂得AI、Machine learning還不夠，必須加入中高階經(jīng)理人，才能找出真正問題核心(痛點(diǎn))。」陳昇瑋強(qiáng)調(diào)。

為了擴(kuò)大能量服務(wù)臺(tái)灣146萬家中小企業(yè)，現(xiàn)也結(jié)合企業(yè)與學(xué)術(shù)夥伴投入成立財(cái)團(tuán)法人科技生態(tài)發(fā)展公益基金會(huì)、臺(tái)灣資料科學(xué)協(xié)會(huì)，並共同主辦臺(tái)灣人工智慧學(xué)校，分為技術(shù)領(lǐng)袖培訓(xùn)班、經(jīng)理人周末研修班，由業(yè)界出題讓學(xué)界解決。

包含於瑕疵檢測(cè)、預(yù)測(cè)性維護(hù)、自動(dòng)流程控制、原料組合最佳化等產(chǎn)業(yè)共通挑戰(zhàn)中，便已透過Deep learning取代人工，協(xié)助將過去瑕疵檢測(cè)的漏檢率>5%增至1~2%。也期望未來每年能培養(yǎng)出4,800~5,000位AI、Deep learning工程師和經(jīng)理人，揮軍製造及服務(wù)產(chǎn)業(yè)。