智慧製造讓生活更加便利
講者／李家岩（成大製造資訊與系統研究所副教授）｜彙整／蘇建翰
整理自2018.12.16〈CASE探索系列講座第20期．生活中的智慧製造〉
什麼是製造
要理解什麼是製造，我們可以先從在英文裡面對應的單字「manufacturing」開始討論。「Manufacturing」是一個非常有趣的字，這個單字由代表「hand」的「manus」以及代表「make」的「factus」組成，用手來做出一個東西，為它們增加附加價值，就是製造的本意，換句話說製造是一個產品具現化的過程。
產品必須要符合一定的規格，在產品規格的嚴格要求下，在製造現場就會制定很多的關鍵績效指標（Key Performance Indicators, KPI），舉一些例子來說，KPI可能會包含機臺的可靠度、有時間的限制、品質要好、成本要低，這些KPI能幫助我們檢視是否能達到基本的要求。
智慧工廠
在一個製造系統中有許多個工作區塊，例如設計、製程當中的加工、控制以及產品完成之後的檢驗。製造並不能悶著頭閉門造車，必須和社群有所互動，製造系統生產產品給社群使用的時候，社群會給予製造系統回饋，這些回饋提供了一些製造系統可以改善的方向。
此外，在製造系統中有很多的功能部分，例如產能規劃、品質管理、工作排程、維修，這些功能的存在使得製造過程可以更為順利。AI扮演的角色就是從這個部分切入，提升功能面的效果，讓製造變的更加智慧、更加精準。
相較於傳統的製造系統沒辦法提供即時資訊協助決策判斷，智慧化的製造系統會有一些機制讓即時的改善和控制成為可能。因此通常定義智慧工廠都是決策導向的，這個決策過程中會利用到計算智慧、自我學習的性質，來最佳化製造過程。
AI協同下的智慧製造
智慧製造跟自動化與電腦網路整合息息相關，最初被認為和三個面向有關：第一個面向是機台的能力，包含維修保養，以及Troubleshooting除錯；第二個面相是製造執行系統，包含排程、存貨管理等等製造過程；第三個面向則是自動化物料運輸系統，這個面向一般是希望運輸活動越少越好的，簡單來說，就像是一枝筆從左手換到右手還是一支筆，運輸傳送發生了，但這個過程裡產品沒有價值提升，所以希望越少越好。
有了AI之後，我們可以進一步改善自動化製造的流程。比如在傳統上，我們對於機器採取預防保養的方式，摩托車、轎車的保養就是一個很生活的例子，我們習慣以一定量的里程或者時間進行預防保養的工作。在AI的幫助下，我們可以進行預測保養，只要在適當的時間進行保養就好，這和過去的預防保養是有所不同的。
在智慧製造的架構下，包含統計製程控制、先進製程控制、虛擬量測、工廠的水電氣的管控、汙染排放等等，AI的加入能為自動化製造流程帶來許多改善，再加上物聯網、大數據的技術，讓我們達到前瞻性決策的目標——當預測未來某事件有可能發生，從現在就開始布局——由於製造業在產能改變時，無論是員工增減、機臺買賣都需要時間，能否做到前瞻性決策與產銷平衡密切相關，因此這是現代工廠在生存茁壯上非常重要的一步。
智慧製造如何提升品質
AI可以幫助機器的控制越來越精準，根據材料性質設定不同的切割和加工的過程，從簡單的倒單擺、鋁合金的加工和3D列印的鞋子等都可以看到有AI參與運作的實例，甚至也已經有蓋房機器人的出現。隨著應用的範圍越來越廣泛，智慧製造是怎麼幫忙控制產品的品質呢？
講者以半導體廠為例，半導體的製造相當複雜，一個晶片的生產涉及上千道製程，每一步都有可能產生不良品。這時，我們可以透過AI去分析晶圓圖，分析和品質相關的訊號，進行分群，利用決策樹分析究竟是哪一道製程中的哪一台機台有所差錯，找到問題的源頭進行修正。此外，不僅可以分析已經完成的成品規格，也可以在機器上安裝許多的感測器，以瞭解機台健康狀態，當生產流程機器運作有意常出現時，可以馬上發現、即時進行調控。
智慧製造如何降低生產週期
對於少量多樣的生產模式來說，換線、換模都會造成產能的損失，如何在維持產能與生產力的情況下，縮減生產週期，是製造過程中要考慮的重要指標之一。事實上，生產週期和工作排程息息相關，排程排得好就能降低生產週期，減少成本。
傳統的派工法是依照最早到期日，也就是交件時間的前後來排程。現在我們可以透過人工智慧演算法產生排程報表與甘特圖，讓工廠可以知道每個工作在什麼時間應該在哪個製程、哪個機台、被哪些技術人員進行加工，達到多目標生產排程的最佳化，獲得最大的產能利用率。
智慧製造如何管控產銷平衡
產銷平衡是製造業相當重視的議題，除了擔心產品製造出來沒有人買以外，也要考慮價錢浮動造成帶來的影響，例如現在3C產品保值不容易，往往推出市場就是跌價的開始，要生產多少的數量便需要仔細衡量。講者在這邊舉了一座曾參與研究產銷規劃的蝴蝶蘭工廠為例，蝴蝶蘭的生產週期相當長，從播種到收成需要兩到四年，這段期間內市場在供需、價格上有許多可能發生的改變，因此規劃產能對蝴蝶蘭工廠來說是運營中很重要的一個環節。
需求高高低低並不固定，產能該怎麼設定，要設在高水位、中間水位還是低水位呢？最直覺最理想的方式就是讓產能跟著需求浮動，想要生產多少就生產多少，但理想畢竟是理想，實際上操作起來是相當困難的，光是讓員工根據不同的產能決定每天要上班還是回家吃自己就很不切實際。因此我們需要一套規劃產能的方法，以降低生產過程中可能遇到的兩種風險，其中一個是產能短缺，有需求但該賺的沒賺到；另一個則是產能過剩，低需求導致庫存過多難以消化。
在文獻中，套用線性回歸或者是機器學習中神經網路等的技術，配合著供需等市場的歷史資訊，現在我們可以試圖去預測未來的趨勢進而去決定產量。但是要注意的是，沒有百分之百的預測，預測必定伴隨著失準的可能，企業在最小化產能短缺與產能過剩風險的損失時，可以搭配穩健優化與隨機規劃等技術，將企業在建置產能的波動與標準差也一併考慮進來，提供更穩健的決策意見。
「每天做的事情對公司真的有幫助的嗎？」這可能是許多上班族都曾經有過的問題，而智慧製造的概念除了用於製造流程的設計、設備的運作層級，也可以整合商業流程與評量個人績效，更進一步把KPI的概念和製造現場連結起來，讓我們的每個決策、每個行動可以反映到財務報表上，在未來不僅讓每個人都能看見他們所帶來的效益，信息透明化，也讓企業的運作更為順利。
(本文為教育部「人工智慧技術及應用人才培育計畫」成果內容)