主页>> O懂生活 >智慧製造让生活更加便利 >

智慧製造让生活更加便利

发布日期: 2020-07-15

智慧製造讓生活更加便利

冰箱总是塞的满满的,不知道该先消化哪些食材吗?智慧冰箱可以已经提醒我们食物什幺时候过期,也能提供一些食谱让我们有料理的方向;放学下班回家觉得疲倦,想到还要整理家务打扫环境是不是心就先累了起来?那你可以考虑带上一个扫地机器人,让他们在家里嗡嗡嗡地打扫减轻我们的负担;到了机场想逛逛商店如果觉的拖着行李有些不太尽兴,现在也有能像个跟屁虫般随着主人移动的自动行李箱,这些都是常见的智慧产品的例子。

在日常生活中开始能看见许多智慧产品,让我们的日子过得更加便利。这些智慧产品是如何被製造出来的呢?李家岩教授将和我们讨论生活息息相关的製造过程里,人工智慧(artificial intelligence, AI)的加入带来了哪些变化。

什幺是製造

要理解什幺是製造,我们可以先从在英文里面对应的单字「manufacturing」开始讨论。「Manufacturing」是一个非常有趣的字,这个单字由代表「hand」的「manus」以及代表「make」的「factus」组成,用手来做出一个东西,为它们增加附加价值,就是製造的本意,换句话说製造是一个产品具现化的过程。

产品必须要符合一定的规格,在产品规格的严格要求下,在製造现场就会制定很多的关键绩效指标(Key Performance Indicators, KPI),举一些例子来说,KPI可能会包含机台的可靠度、有时间的限制、品质要好、成本要低,这些KPI能帮助我们检视是否能达到基本的要求。

智慧工厂

在一个製造系统中有许多个工作区块,例如设计、製程当中的加工、控制以及产品完成之后的检验。製造并不能闷着头闭门造车,必须和社群有所互动,製造系统生产产品给社群使用的时候,社群会给予製造系统回馈,这些回馈提供了一些製造系统可以改善的方向。

此外,在製造系统中有很多的功能部分,例如产能规划、品质管理、工作排程、维修,这些功能的存在使得製造过程可以更为顺利。AI扮演的角色就是从这个部分切入,提升功能面的效果,让製造变的更加智慧、更加精準。

相较于传统的製造系统没办法提供即时资讯协助决策判断,智慧化的製造系统会有一些机制让即时的改善和控制成为可能。因此通常定义智慧工厂都是决策导向的,这个决策过程中会利用到计算智慧、自我学习的性质,来最佳化製造过程。

AI协同下的智慧製造

智慧製造跟自动化与电脑网路整合息息相关,最初被认为和三个面向有关:第一个面向是机台的能力,包含维修保养,以及Troubleshooting除错;第二个面相是製造执行系统,包含排程、存货管理等等製造过程;第三个面向则是自动化物料运输系统,这个面向一般是希望运输活动越少越好的,简单来说,就像是一枝笔从左手换到右手还是一支笔,运输传送发生了,但这个过程里产品没有价值提升,所以希望越少越好。

有了AI之后,我们可以进一步改善自动化製造的流程。比如在传统上,我们对于机器採取预防保养的方式,摩托车、轿车的保养就是一个很生活的例子,我们习惯以一定量的里程或者时间进行预防保养的工作。在AI的帮助下,我们可以进行预测保养,只要在适当的时间进行保养就好,这和过去的预防保养是有所不同的。

在智慧製造的架构下,包含统计製程控制、先进製程控制、虚拟量测、工厂的水电气的管控、汙染排放等等,AI的加入能为自动化製造流程带来许多改善,再加上物联网、大数据的技术,让我们达到前瞻性决策的目标——当预测未来某事件有可能发生,从现在就开始布局——由于製造业在产能改变时,无论是员工增减、机台买卖都需要时间,能否做到前瞻性决策与产销平衡密切相关,因此这是现代工厂在生存茁壮上非常重要的一步。

智慧製造如何提升品质

AI可以帮助机器的控制越来越精準,根据材料性质设定不同的切割和加工的过程,从简单的倒单摆、铝合金的加工和3D列印的鞋子等都可以看到有AI参与运作的实例,甚至也已经有盖房机器人的出现。随着应用的範围越来越广泛,智慧製造是怎幺帮忙控制产品的品质呢?

讲者以半导体厂为例,半导体的製造相当複杂,一个晶片的生产涉及上千道製程,每一步都有可能产生不良品。这时,我们可以透过AI去分析晶圆图,分析和品质相关的讯号,进行分群,利用决策树分析究竟是哪一道製程中的哪一台机台有所差错,找到问题的源头进行修正。此外,不仅可以分析已经完成的成品规格,也可以在机器上安装许多的感测器,以了解机台健康状态,当生产流程机器运作有意常出现时,可以马上发现、即时进行调控。

智慧製造如何降低生产週期

对于少量多样的生产模式来说,换线、换模都会造成产能的损失,如何在维持产能与生产力的情况下,缩减生产週期,是製造过程中要考虑的重要指标之一。事实上,生产週期和工作排程息息相关,排程排得好就能降低生产週期,减少成本。

传统的派工法是依照最早到期日,也就是交件时间的前后来排程。现在我们可以透过人工智慧演算法产生排程报表与甘特图,让工厂可以知道每个工作在什幺时间应该在哪个製程、哪个机台、被哪些技术人员进行加工,达到多目标生产排程的最佳化,获得最大的产能利用率。

智慧製造如何管控产销平衡

产销平衡是製造业相当重视的议题,除了担心产品製造出来没有人买以外,也要考虑价钱浮动造成带来的影响,例如现在3C产品保值不容易,往往推出市场就是跌价的开始,要生产多少的数量便需要仔细衡量。讲者在这边举了一座曾参与研究产销规划的蝴蝶兰工厂为例,蝴蝶兰的生产週期相当长,从播种到收成需要两到四年,这段期间内市场在供需、价格上有许多可能发生的改变,因此规划产能对蝴蝶兰工厂来说是运营中很重要的一个环节。

需求高高低低并不固定,产能该怎幺设定,要设在高水位、中间水位还是低水位呢?最直觉最理想的方式就是让产能跟着需求浮动,想要生产多少就生产多少,但理想毕竟是理想,实际上操作起来是相当困难的,光是让员工根据不同的产能决定每天要上班还是回家吃自己就很不切实际。因此我们需要一套规划产能的方法,以降低生产过程中可能遇到的两种风险,其中一个是产能短缺,有需求但该赚的没赚到;另一个则是产能过剩,低需求导致库存过多难以消化。

在文献中,套用线性回归或者是机器学习中神经网路等的技术,配合着供需等市场的历史资讯,现在我们可以试图去预测未来的趋势进而去决定产量。但是要注意的是,没有百分之百的预测,预测必定伴随着失準的可能,企业在最小化产能短缺与产能过剩风险的损失时,可以搭配稳健优化与随机规划等技术,将企业在建置产能的波动与标準差也一併考虑进来,提供更稳健的决策意见。

「每天做的事情对公司真的有帮助的吗?」这可能是许多上班族都曾经有过的问题,而智慧製造的概念除了用于製造流程的设计、设备的运作层级,也可以整合商业流程与评量个人绩效,更进一步把KPI的概念和製造现场连结起来,让我们的每个决策、每个行动可以反映到财务报表上,在未来不仅让每个人都能看见他们所带来的效益,信息透明化,也让企业的运作更为顺利。

(本文为教育部「人工智慧技术及应用人才培育计画」成果内容)