零件倒進去,產品就出來:有這麼簡單嗎?

分享至

零件倒進去,產品就出來:有這麼簡單嗎?

講者/陳維超(行品股份有限公司Skywatch Inc.創辦人、英業達股份有限公司首席AI顧問)
彙整/《科學人》編輯團隊|整理自2019.08.11〈科創講堂.人工智慧〉

智慧製造的隱性問題

英業達一年所製造的產品,筆記型電腦約2千萬台、電腦伺服器400萬台、智慧型裝置更達上億台,因此在不同的廠區和生產流程當中,就有不同的自動化設備來提升生產效率,像是倉儲、SMT、檢測、製造等,而其中更有非常多的問題需要由工程師來解決。

製造的背後會有一些隱性的問題,例如什麼時候進料、進料後要怎麼儲存和驗證、怎麼控制拿料品質、產線生產排程、機器會不會壞掉、人力資源管理等等,陳維超表示,這麼多問題當中的第一順位,就是要先從品質開始確認,確定產品做對了,才能回頭去檢視生產的順暢度。

AI幫助提升品質檢驗效率

以英業達一年製造幾百萬台的筆電,其中還分為好幾十種不同的產品線,所以生產測試就要夠自動化,過去一台筆電大概要花幾個禮拜、幾十個人力去測試和驗證,因此英業達就做了AI機器,模擬人類看螢幕和打字,把人的眼睛換成攝影機,人的手換成機械鍵盤,然後中間接了一台機器執行以往由人工執行的測試項目,像是電腦重開機功能、打開瀏覽器、網路搜尋的結果正確性等,結合AI和電腦視覺的技術來提升測試效率。

外觀檢查是筆電出貨前的一個重要檢測項目,生產過程多會造成一些外觀的擦傷、刮痕或是人工的指紋,外觀檢查就是要讓消費者感覺好像是機器人組裝,沒有人碰過的無瑕疵產品。陳維超說明,1個員工只有十幾秒的時間可以測試,在這麼短的時間之內,很多時候只能靠感覺,感覺好像沒問題,就讓產品通過,造成良率下降,因此英業達利用5、6千張的照片以及數萬個瑕疵資料去訓練AI,成功設計出智慧檢測機器。

但是在產品檢測不是只有失敗和通過兩種選項,不同的市場對於產品瑕疵的接受度不同,必須要讓AI是具有調整彈性的,讓產品分級並依市場接受度分區出貨,太嚴格的AI最後會導致生產結果下降,這樣是不好的。

然而,在AI發展的過程當中,很麻煩的一件事情是必須要有非常多的資料,而且好不容易獲得這些資料之後,卻只能做一件事情,達成一個目的,陳維超說明,未來AI的發展目標,是要做到「One shot learning」,減少所需要的資料量,並且可以達到多樣化的應用。

(本文由教育部補助「AI報報─AI科普推廣計畫」取得網路轉載授權)

(Visited 26 times, 1 visits today)

分享至
views