各行各業的企業已開始運用人工智慧來改善製造流程,但目前尚不清楚這項技術是否已經準備好成為主流角色。
文/Pat Brans· 譯/潘得龍
製造業的製造流程因產業的差異而有所不同,甚至在同一個領域內,不同公司的製造流程也常常有所不同。不過,存在某些事物在所有類型的製造業中幾乎都是共通的內容:製造業需要投入昂貴的設備和訓練有素的人員,而且機器和人員都需要以最佳化的方式投入運作,以降低成本。此外,降低成本並不是製造商獲得競爭優勢的唯一途徑,製造業也可以藉由通過減少生產錯誤而能取得領先地位。
目前,許多不同產業的企業都使用人工智慧改善製造流程。大多數情況下,都需要客製化的人工智慧解決方案以因應公司的流程。經驗顯示,跨組織的團隊最需要的是偕同合作。至少,產品和工程團隊就需要參與其中,以打造出符合公司獨特的解決方案,方案的終極目的,就是將原物料和零組件轉化為可以銷售的商品。
AI 改進尿布製造
「寶僑公司(P&G)的資訊長 Vittorio Cretella 表示:「自動化、人工智慧和機器學習等新興技術正對寶僑公司業務的各個領域產生影響。因此,我們趁勢全面發揮數位優勢,大力推進人工智慧技術,為我們的業務和消費者帶來額外的優勢。其中一個我們快速進展的領域是製造環境,在這裡,數位解決方案可以有利於提升品質和彈性。」
雖然大多數人對於尿布的製造過程幾乎不會太去深思有何特殊之處,但寶僑公司已經花了數十年的時間進行整個製造流程的持續改善,而科技一直是此一使命的必要推手。而最近,人工智慧則在改進全球知名品牌「Pampers 幫寶適」的生產過程中扮演了關鍵性的角色。」
尿布的製造需要通過精確組裝多層材料,以確保產品的最佳吸收性、防漏性和舒適度。Pampers 的製造過程需要超過 40 個單獨的膠水黏著通道以組裝每個尿布。這些膠水輸出通道必須以每分鐘 1,200 個尿布的速度無誤運作,全球有 140 條不同的生產線在同時運轉。
[ 推薦閱讀:【製造業】寶僑(P&G)以 AI 打造數位製造 ]
寶僑工程師開發了高速數據收集系統,用於擷取資料以進而訓練人工智慧模型。其中一個挑戰是,儘管與生產錯誤有關的資料極其昂貴且具有破壞性,不過這類事件也不經常發生,這也意味著 AI 訓練資料中缺乏此類失敗事件。為了填補這個差距,工程師設計了高仿真度的熱膠數據模擬模型生成額外的數據,用以模擬膠水輸出故障的尿布生產線,也能模仿不同方式錯誤原因所導致失敗的生產線。
應用與微軟合作開發的人工智慧平台,寶僑工程師建立了一個模型,並用真實和模擬資料對其進行了訓練。現在,在實際的生產線上使用這個模型,生產線操作員可以即時收到警報,使他們能夠迅速處理生產上與膠水通道輸出的相關故障事件。
Cretella 表示:「這個新模型幫助我們維持了父母一直對於 Pampers 品牌的期待,也就是他們心中所認為產品品質和優越性。明確地從業務角度來看,我們已經成功地將與膠水相關的報廢產品減少了 80%。」
AI 協助半導體製造
晶片製造商所生產的晶片,不僅發展了支持人工智慧的技術,他們還將同樣的技術應用於自己的製造過程中。美超微電子 AMD 的技術長 Mark Papermaster 表示:「我們運用人工智慧進行以資料為基礎的預測分析,而且我們也看到這樣的技術能夠在整個產業中應用。」
AMD 是一家自身無實際生產晶圓的無廠半導體公司,這表示他們完全透過合作夥伴的生產設備進行製造。公司主要設計半導體,這些半導體由晶圓代工廠製造,然後將元件封裝成最終產品。大量的資料可以從所有製程和供應鏈夥伴的感測器中收集到,這些資訊的儲存方式現在可供不同工具讀取應用。
Papermaster 說:「我們建立了一個資料湖泊,以非常有效的方式存取所有數據。這使得我們能夠以多種方式運用人工智慧。我們觀察這些數據,找出與我們設計與製造交互作用相關的產出改進之處。」
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ,與全球 CIO 同步獲取精華見解 ]
對 Papermaster 而言,人工智慧證明了在 Big data 中找到改進晶片產量的有效方法,並且能夠找出供應鏈運作中的瓶頸,確定可進行改進的地方。他指出:「這實際上要與資料的蒐集開始,然後成立一支合適的團隊,他們能夠提出正確的問題並將他們發現的知識付諸行動,改進製造流程並提高效率。」
另一家晶片製造商 NVIDIA 認為,半導體是人工智慧的理想應用領域。該公司的技術長 Michael Kagan 表示:「製造晶片需要進行 1,000 多個步驟,每個步驟都需要幾乎完美地執行。在每個階段都需要進行複雜的計算,以生成和製作大小與生物分子相似的特徵,而人工智慧則可以被用來檢測缺陷問題並監控設備。」
其它販售 AI 產品公司
西門子(Siemens)在他們的產品中提供人工智慧技術,並在超過 120 家工廠的製造過程中使用這些產品。他們還為客戶提供數位分身技術,以便更輕鬆、更節省材料地設計產品。這些數位分身模擬軟體使用了許多人工智慧技術。
西門子的資訊長 Hanna Hennig 表示:「作為物聯網領域的參與者,我們提供軟體和連接硬體,將物理世界和真實世界連接在一起。我們使用資訊科技,注入資料分析和人工智慧,提供解決方案,不僅自動化工廠和生產線,還實際上使其適應性增強,以實現更高的自主性。」
[ 推薦閱讀:西門子與 NVIDIA 攜手開創工業元宇宙 ]
Hennig 預測,未來幾年裡,製造業中的人工智慧應用將會進一步增加。機器和生產線將能夠自由改變配置,以生產不同的產品或不同的數量,機器將能夠自行修改它們生產物品的方式。她說:「他們可能會發現,經由改變特定機器手臂執行的過程,可以減少錯誤。或者他們可能會意識到,重新安排生產的某個部分可以幫助減少浪費等。」
實際上,西門子最近也與 NVIDIA 合作,提供以人工智慧為技術基礎的數位分身(digital twin)技術,結合西門子的 Xcelerator 平台和 NVIDIA Omniverse,使客戶能夠模擬流程並生成大量的合成訓練資料。這些合作夥伴之間,還將提供不同的工具,能處理合成資料。
大眾的改革需求
目前在製造業中嘗試應用人工智慧的公司確實能夠獲得一些優勢,但目前的解決方案需要大量的客製化。選擇早期跟隨這一潮流的資訊長需要支付額外的開發成本和額外的維護成本。寶僑公司的 資訊長 Cretella 表示:「考慮到製造資產的多樣性,對於大型公司來說,要使用完全標準化的方法是一個挑戰。然而,我們正在將平台組件標準化為共同點,以實現每個工廠的特定作法。」
對於像寶僑這樣的非常大型公司而言,開發可重複使用於不同產品線的模組是非常合理的。但對於較小的組織或產品線較狹窄的公司來說,這種方法可能並不適合。大多數公司缺乏客製化的資源,並且產品種類不足,因此自行開發的可重用組件變得成本較大。在市場上提供更多標準化工具之前,製造業的新時代,即生產成本大幅降低且錯誤大幅減少的時代,還是得再等待。
與此同時,大型的公司則具有一定的優勢,他們可以建立自己的平台,以應用於不同的專案。Cretella 補充指出:「為了使人工智慧能夠成為拉開距離的戰略,我們需要一次性的彎道超車計畫,並在全球多個業務類別和市場上,以系統性的方式擴展以及應用解決方案。事實上為了落實這樣的計劃,我們正在將人工智慧平台應用於數百個工廠,實作客製化的不同應用案例,目前已經能夠看到在供應品質,操作彈性和最佳化用水和能源消耗的成效。」
NVIDIA 的 Kagan 則是期待,當製造業能夠達到一定標準化的水準時,重點就嘿轉移到不同的模型和框架的選用。而 NVIDIA 也已轉移到這個方向,開始提供一些軟體套件,可以讓組織在不需要具備高度 AI 專業能力之下,就能夠在他們製造流程和管理上直接應用 AI 專案。
(本文授權非營利轉載,請註明出處:CIO Taiwan)