第十一屆製造業 CIO 論壇 台中場 會後報導
現今 AI 勢不可擋，已被視為各行各業推動數位轉型的主要動能。惟 AI 絕非大型企業或高科技製造商的囊中物，自承為中小企業、傳產製造的天工精密，早在 AI 崛起便已投入其中，用以克服製程挑戰。
文／林裕洋
成立於1978年，以生產滾珠、滾柱等精密滾動體為主業的天工精密，儘管是中小企業，且被歸類成傳統製造業，一向不被視為數位科技的領航先驅，但其投入智慧製造或 AI 應用發展的時程頗早，甚至在 AI 還未普及之際，便已對此展開積極的探索與開發，著實讓人驚艷。
天工精密副總經理徐亞琛解釋，該公司之所以接觸 AI 應用，主要是為了解決製程上的痛點。他進一步說明，其主要產品運用於工具機、自動化、半導體、汽車零件等領域，客群來自國內外知名大廠，對於品質要求至為嚴謹，所以天工精密必須達到次微米（接近奈米級）的加工精度、精準的尺寸與規值控制。
考量所用的生產設備相當傳統，單憑人力控制，難以達到如此高的精度要求。於是天工精密制定了關鍵技術藍圖，希望藉由科技力量來尋求突破，其中包括人工智慧與數位轉型亦是其中一大重點，且無論鑑別式 AI、生成式 AI 都列入發展藍圖中。
次微米精度要求，衍生許多製程挑戰
徐亞琛表示，天工精密目前設有太平廠與二林廠，員工185人，擁有 19 部日本 Asahi 高速鍛造機、6 條熱處理生產線、415 台研磨機床。大約年產 160 億顆滾珠和 2.5 億支滾柱。
其主力產品包含鉻鋼球，即是一般軸承鋼珠，此外還有不鏽鋼球、陶瓷珠，應用範圍落在機密軸承、線性滑軌、汽車、航太及醫療。其中鋼珠的生產級數介於 G5 到 G40，象徵產品精度的公差；以 G5 來說，公差已小於 0.13μm，小於一隻細菌的 0.5 到 2μm，甚或一隻病毒的 0.5μm。至於另一型態產品滾柱，目前大多運用在直線傳動、航太、汽車和工具機，尺寸公差是 1μm。
滾珠運用範圍甚廣，主要集中在傳動元件與閥門運用；如現階段機械人都會用到的諧波減速機，以及螺桿、滑軌、軸承等傳統運用，都對滾珠依賴至鉅。另用於汽車零件或套筒，主要落在引擎內部，無論汽車、機車、航太、火箭皆使用精密鋼珠作為閥門，藉此控制精密的氣路、油路，抑或作為洩壓閥用途。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
具體來說，天工精密產品的主要應用場景，仍以工具機、自動化、半導體及汽車零件為主，主要客戶遍及國內外大廠，對品質要求極高。麻煩的是鋼珠並非一顆顆做，而是一盤、一個批次一起做，其間涵蓋多達 15 萬到 20 萬顆，每顆鋼珠的精度要求在 0.13μm 以下，且需要有精準的尺寸及規值控制。
連帶衍生諸多難題，像是百分百全檢要求，且檢測的準確性與速度都務必要高；機器設備偏向傳統，沒有任何 NC 與 Sensor，以致人力需求高：加上客戶需求規值不易預測，因應少量多樣和多規值，造成排程困難。
設定關鍵技術藍圖，藉 AI 加持來落地實踐
為克服上述難題，天工精密制定關鍵技術藍圖，其包含四大項。
一是先進生產，其間涵括特殊鋼滾珠生產技術、各型滾柱生產技術、陶瓷滾動體開發、預兆診斷技術、智慧研磨系統等子項目。二是無損檢測，因生產完必定要執行檢測，故其為此開發了 AI 光學檢測機、渦電流檢測技術、超音波檢測技術，以及 AI 整合檢測系統。
三是人工智慧／數位轉型，前述技術都希望有 AI 加值，所以開發自動巡檢機器人、數位孿生系統、天工生成式 AI、低成本智造系統。談到低成本，用意在於若這些 Solution 成本高昂，恐讓企業難以獲利，做了就沒有意義。四是循環再生，包含廢熱/廢水/廢土再利用、並積極與夥伴引進創新低碳製程、淨零技術，以強化永續經營利基。
在這樣的技術藍圖之下，天工精密建構自己的製造體系。一方面涵蓋了攸關商業流程的 ERP、CRM、SCM 等系統，另一方面為主要的製造體系，像是智動技術、控制系統這些區塊；旨在運用其關鍵技術，拼湊各種不同邊緣 AP 或後端伺服器系統，然後結合流程，落地到每個日常運作環節中。期待在每個步驟、每個流程、每個子系統，都利用 AI 來加持。
啟動 GAI 計畫，助攻知識管理、AI 助理等應用
徐亞琛闡述天工精密的 AI 之旅。他強調其中涉及每一項技術、每一個案例，都是獨立開發完成的。
值得一提，在關鍵技術開發過程，天工精密多次善用政府專案計畫，除藉此獲得補助款外，更重要的是借重評審委員的意見，不斷挑戰與修正自己的看法和作法，並以結案時程 來規範執行進度，確保維持高落地率。
談及光學檢測，算是天工精密甚早啟動的關鍵技術，先透過傳統技術手段來實施，待至 AI 辨識模組出現，就馬上引進到檢測機上。AI 辨識的好處，在於可經由分類瑕疵，進一步知道製程哪裡出問題，從而反饋到製程，持續進行改善。
當然，天工精密也曾遇到缺乏瑕疵樣本的問題，後來靠著使用對抗生成模型或擴散模型等方式，有效擴增樣本數，不斷訓練辨識模型。
接下來的亮點是天工盒。因應工業 4.0 概念萌芽，促使其開始探索 IoT 的可能性，一開始藉由 Arduino 來測試，後來歷經一代代演進，逐步發展成完整的機上盒，不僅能收集資訊，亦具有邊緣運算能力，能夠執行控制，如今也有能力做碳排計算。總之它透過擴充板方式，與各種不同感測器連接，不斷增加功能。
更有甚者，有了機上盒後，天工精密還自己架設感測器、製作資料擷取卡。像是針對高速滾輪機即時監控研磨狀態，以探知磨盤何時需要修正，另透過加速規執行崩盤偵測，這些案例的背後都高度倚重 AI 模型。
完成預兆診斷後，接下來天工精密以 AGV、機器手臂、相機為基礎開發 Jetson Nano-baesd 自動巡檢車。執行量測後，將數據拋轉給機上盒，再傳送至 MES，再透過 APS 計算切削量、不斷重新計算排程，讓機器運用情況臻至完善。
從2023年起，該公司更援引生成式 AI 模型、強化學習模型，著手以小語言模型搭配 RAG 技術來開發私有的生成式 AI，名為天工 GAI 計畫，期望藉此加速推展知識管理、AI 助理、數位分身、節能減碳等應用。一方面希望透過公司內部大量文件與生產資料，助力產生失效模式分析、控制計畫甚至 PPAP（生產產品核准程序）生成，滿足對外的客戶服務需求；二方面也產生出教育訓練教材，旨在幫忙內部減少文件產製時間，連帶降低人為輸入、加快決策反應。
另將強化學習的模組運用在生產參數的調整，即是針對參數與配方做上下限微調，隨時適應最佳生產狀態。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
