生成式AI催生智慧產線，製造業搶當「智造業」
-
DIGITIMES
/
台北
- 2024-06-24 18:11:29
如同描述未來世界的科幻電影一樣，一座自動運迎的智慧工廠中，有不僅有機械手臂左右移動的調整精度，還有人型機器人穿梭其間搬運重物、輸送帶上抬頭一看還有螢幕儀表顯示數據，三者之間傳輸著即時資料監控每一站製造流程中的環節數值，包裝完畢後再由自動物流配送，廠區少了勞力密集，更在智能調控下達到節能減廢，符合碳、水運用的標準。
這樣的場景是否很美好呢？是的，它正是我們夢寐以求得工業4.0，為「製造業」提供了一條全新並富競爭力的光明道路，連起物聯網、大數據、機器設備、智慧應用，其中最必要的關鍵就是近來火紅的人工智慧，然而若生成式人工智慧尚未崛起，恐怕這一切仍僅止於想像。
因此我們需要思考，究竟生成式AI（Generative AI）為人工智慧帶來了怎樣的重大突破，它又能怎樣被運用於製造業中，降低成本、低勞力密集、錯誤風險，同時協助永續、提高產能與良率？以下三個方面可以為我們找到亮點：
亮點一：打破隔閡，製造的智造新出路
首先，AI不再是昔日的吳下阿蒙，在生成式AI問世之前，普遍認為「AI僅擅長垂直式的產業應用』，AI的訓練成果僅能供單一產業的運用，演算法與模型難以跨產業運行，這對於橫相關連諸多行業、縱向串連上下游產業的製造業來說，無疑難以讓智慧製造進入整個生態系中，AIGC的問世卻為此帶來打破僵局之機。
生成式AI由AI自動生成內容，透過預先訓練讓模型「分析與歸納資料」，也就是「學習」，運用LLM大型語言模型、NLP自然語言處理、CV電腦視覺等技術，了解文本、語意、圖像、情境不同的資料型態，依據提問「融合、拼湊、模仿」出使用者想要的文本、圖像、影音，就是所謂的「生成」，再與分析式人工智慧（Analytical AI）結合，就能應用於多個「智慧製造」的場景中。
如明尼蘇達礦業3M、阿斯特捷利康AstraZeneca、法拉利Ferrari、樂金LG AI Research、瑞安航空RyanAir、湯森路透Thomson Reuters和領航投資Vanguard…等，
亮點二：六項範疇，製造業應用跑在前
其次，製造業有六個領域相當適合生成式AI介入，包含「開發設計、產品週期、製造產線、設備管理、製程控制、供應鏈／進銷存」等，而我們熟知的客服，也是最廣泛被智能化的領域。此外，
許多專家與製造業高層人士也都認為，生成式AI適合打造「知識與決策中心」，也能在「永續管理」上大顯身手，為環境、安全、衛生帶來監控預警，同時也能為節能、減碳、減廢帶來控制優化。
生成式AI能協助生成出大量創意的設計圖稿，業者可比把設計圖做為訓練資料，協助「開發設計」生成出符合廠家風格、專利技術的設計圖；若把應用放在「產品週期」，則可以建立模型，預測產品生命週期，減少錯誤開發的浪費，接著在落地到「製造產線」，利用影像／圖像分析來揀選分類產品，或協助倉儲理貨。
再照流程往下走，可以加入IoT物聯網裝置採集數據，協助「設備管理」，確保設備的各項數值維持正常，減少失效運作的產值損失、或是設備故障帶來的公安危害，接著同樣運用圖像辨識檢驗製成品的外觀，或監測機器運作時的聲波圖型，來判斷是否有異常風險，提升「製程控制」的妥善率。我們還能把AI用在「進銷存／供應鏈管理」上，解讀ERP、SCM、CRM等數據資料，匯入BI商業智慧找出數據洞察（如Amazon Quicksight），管理預測訂單、庫存、備料。
亮點三：強心針，大廠導入生成式AI有成
其三，知道他山之石、可以攻玉，美國汽車製造業早已運用生成式AI提供設計建議、減少車體量、或優化零件規格，或是如BMW運用了生成式AI優化供應鏈庫存，透過Amazon QuickSight做商業洞察，將相關數據生成出視覺化圖像，供地區銷售團隊進行佈局決策。
把焦點轉向運動消費品的愛迪達，愛迪達採用Amazon Bedrock開發了生成式AI解決方案，工程師只要透過人機介面對話就能從知識庫中找到答案；而生物製藥大廠默克也透過Amazon Bedrock建立生成式AI功能，分析患者、提供患者治療的建議，提高生活品質。
若我們將上述案例稍加整理，就可以發現生成式AI於智慧製造的應用，可歸納為三大類：1. 生產作業的改善優化、2. 技術維運的知識諮詢、3. 洞察發現的差異縮短，分別用來促進智慧自動化、製造開發技術提升，以及生產管理創新。預料這也會在3~5年吸引更多產業投入。
亮點四：智慧決策，邁向智造里程碑
當製造邁向智造，意味著所有投入、過程、成果的資料，都應該要完整採集保存，AI模型訓練之用，更能利用生成式AI對資料的歸納與融合產出，打造屬於製造業者的專屬企業「知識庫」與「決策顧問系統」。而一般最常見的「智能助理」、「智能客服」也能透過如Amazon Q具體實踐於工作流程與客戶維繫上。
然而，並非所有的製造業都正走造「智造」的路上，《台灣智慧製造關鍵能力調查》（由勤業眾信與科技部人工智慧製造系統研究中心發起）曾針對電子、半導體、金屬製品、機械設備、化學製品等製造業進行研究，並以「轉型準備、驅動力、數據應用、基礎建設」三項指標來評估台灣企業是否做好「智慧製造」的準備，其中做好準備者有64%是來自電子及半導體產業，
不僅如此，財團法人人工智慧科技基金會的《產業AI化大調查》也指出，在「不了解要如何運用AI」方面，製造業者為25%，高出平均的15.4%；在「低於25%的員工具備足夠的AI知識」方面，製造業者高達88%，而製造業也認為導入AI最大個困難在於，數據不足難以整合（54.4%）、人才招募困難（32.4%）、產業供應鏈AI技術未成熟（32.4%）、導入AI金額成本太高（36.8%）。
兩個專業報告不約而同的指出，高科技製造業最勇於成為AI先鋒，但其他製造業仍在觀望中尚未跟上人工智慧的必然趨勢，對於因應未來競爭力恐存在不小風險。
告別AI的荒島求生，製造業用雲端AI解決難題
對於想要導入生成式AI的製造業者也不必擔心，現在只需要透過AWS就能敏捷、快速、低成本、高資安的導入AI、轉型成為智慧製造，從基礎層（AWS Graviton、AWS Inferentia、AWS Trainium）、技術層（Amazon Bedrock、Amazon SageMaker）、應用層（Amazon Q、Amazon QuickSight），都有完善解決方案與雲端託管式服務，且符合國際資訊安全與保密規範。
過去「工業4.0」只聞樓梯響，如今生成式AI的崛起，正好讓產業生態圈涉及多個領域的製造業，有了導入人工智慧，真正從製造進入「智造」的新契機。
