IBM認知製造 電子製造業創新的起點

IBM商業價值研究院電子產業認知製造專案負責人Cristene J. Gonzalez-Wertz。

台灣少子化與人口老化的現象，對製造業的根本產生衝擊，也因此，智慧製造成為產業界轉型的一劑良方。人工智慧(AI)的發展為物聯網(IoT)藍圖注入活水，形成另一波產業界科技升級與轉型的機會，而人工智慧帶來的智慧型應用，更是趨勢潮流中的矚目焦點，從產業巨擘與各國政府投注鉅資即可證明。

隨著電子產品不斷追尋更輕薄短小的外觀，以及無遠弗屆的智慧能力，在半導體晶片運算效能的日趨強大，以及省電效率的不斷推升之下，電子製造業供應鏈與生態系統的複雜程度水漲船高，促使人工智慧走入專業製造的領域。

在這波由IoT與AI所主導的新數位經濟變革中，國際大廠IBM也提出對全球製造業轉型的觀察與建議。上個月應台北市電腦公會之邀來台的Cristene J. Gonzalez-Wertz，是任職於IBM商業價值研究院(IBM Institute for Business Value)的電子產業認知製造負責人(Cognitive Manufacturing Leader)，她嘗試從企業發展策略的角度，給予台灣電子製造業有效的建議，並分享未來趨勢觀點。

IBM商業價值研究院 開闢製造業的獲益捷徑

自2015年起，Cristene的工作主要側重於找尋企業客戶使用先進技術所建立的使用案例(Use Cases)、應用概念(Concept)與使用框架(Framework)，藉由她過去曾經在IBM Watson系統建置200多個使用案例的經驗，透過與全球產業界的對話管道，發表重要的論文與研究成果，以此協助產業界縮短使用新技術的時間與提高綜效，並發揮最大的效益。

透過分享成功的人工智慧應用，將AI技術運用在企業營運的不同環節，並從中獲益，進而將績效呈現在企業財務報表上。

當全世界的產業界都在瘋AI的時候，Cristene關注產業界該如何乘著新技術的翅膀而高飛，2017年度已經發表3篇研究報告，剖析電子製造業發展認知製造(Cognitive Manufacturing)的挑戰，並且從企業投資報酬率(ROI)的角度，審視各個不同先進技術與解決方案的效益及發展路徑。

另外，特別在各方矚目的區塊鏈(Blockchain)技術中，她也提供6個重要的使用範例，來協助電子業掌握導入區塊鏈技術的機會，利用超級帳本(Hyperledger)技術所具備的透明、信任的特性，同時又能擴增安全性並提升運作能力，加速供應鏈與生態系統之間資料交換的效率，重新創造供應鏈與生態系統管理的經驗。

此外，對於IoT或IIoT(工業物聯網)架構下的資安風險，一直以來引起各界高度重視，IBM商業價值研究院對IoT資安環境的弱點，進行深入研究與評比，並探討該如何改善。相關研究報告在2017年也會陸續發表，讓產業界使用IBM的認知製造解決方案時，無論是從技術導入、使用典範，以及ROI，都有一個清晰與完整的指標。

認知製造分析非結構化資料 提供製程彈性及多樣化解決辦法

產業專家們一致認同，機器學習(Machine Learning)或深度學習(Deep Learning)等AI技術，可以幫助產業界發展新應用與服務，以及創新的商業模式。

IBM認為，要邁向認知製造企業必需策略性地選擇技術平台，以雲平台為基礎的七層技術堆疊包含擴增／虛擬實境、人工智慧與認知技術、物聯網、預測分析、大數據分析、協作、行動等七大技術領域。

IBM的認知製造是建構在這些技術與製造業產業經驗之上，所發展的系列解決方案；透過不同的資料蒐集與先進分析，將各種企業內部充斥的「結構化」與「非結構化」資料，利用企業組織內各式各樣的數位化(Digitalization)能力，加以有效運用、分享，以增加企業內的執行效率。讓企業內各個分散式的工作團隊，透過協同合作所創造的數位資產，讓更多人可以使用，並創造更大的價值。

對比傳統的系統化與結構化的資料分析結果，只能提供已知問題的解答，Cristene指出這種單一方式的解答，在高速轉變、變化多端的電子製造業中，已經捉襟見肘。

認知製造所蒐集的資料，是要讓分析的結果，可以分辨問題的型態(Pattern)，透過辨識與分析現況環境中的變異，建立模型與知識分類(Taxonomy)，以尋求多面向的解答，反覆透過實際蒐集到的資料證據，來支持提供解答與解決辦法的能力。

所以，AI不只是要獲得一個單一的已知解答，而是提供製程的彈性能力，以發展有效的對策。同時，Cristene點出「AI並不是要取代人類，而是要幫助人類駕馭技術，協同合作以分享技術成果，進而造福人類，並創造新形態的價值。」

AI走進智慧製造的成功案例：德國汽車大廠BMW

Cristene特以IBM與德國汽車大廠BMW的合作來說明：BMW致力推動工業4.0的智慧製造政策，汽車的車身噴漆製程是一個複雜的程序，許多困難的挑戰橫亙其間。

透過IBM認知視覺檢測系統，先將車身完美噴漆的影像輸入機器學習系統，當成樣本，做為檢測系統的學習標的，然後在生產線上比對每一次實際噴漆表面的影像，當偵測到不同噴漆品質條件發生時，AI系統會進行問題的辨識與澄清，並進一步界定品質處理的檢驗流程，同時進行噴漆製程上的改善。

這個系統讓BMW透過自動化、機器人與認知分析所緊密整合的智慧型解決方案，得以處理生產線上的關鍵議題，提供兼具彈性與速度的解決辦法，一舉讓生產效率放大，貢獻ROI的回收，而成為重要的使用案例。

另外，人和機器間的互動情況，也是企業高度關注的議題。利用IBM的認知製造技術，透過語音與文字的分析、辨識能力，提供製造生產線機台可以使用自然語言控制介面的運作，進而發展不同自我學習、重新設定組態與改變參數的機器人。對於企業普遍面臨的現實─缺工與人口老化，透過人與機器所構建的夥伴關係，找到能協助企業永續經營的解決辦法。

從小型專案執行來啟動認知製造 最易獲得ROI回收

對於認知製造是否能讓企業受惠，進而化為財務報表上的績效，有兩件事最為關鍵。首先是企業所制定的整體導入策略，其次就是多項專案的執行程度，也就是打造更多的成功專案並避免失敗。

IBM商業價值研究院針對電子業人工應用所做的調查發現，企業可以分為三種類型，分別是觀察者(Observers)、新手起步者(Starters)和主動參與者(Actives)，而主動參與者的投資回報是最為顯著的。

在密切與台灣客戶互動之後，Cristene發現台灣電子製造業是非常多元發展的產業，勇於投資新的技術，打造深厚的製造能力。對於認知製造的概念，台灣電子製造業最關心的是如何起步，如何利用成功案例打造自己獨特的競爭力，這也是Cristene不斷強調使用案例的重要性。

Cristene建議企業應該從小型專案開始參與，一點一滴、循序漸進，並反覆驗證試行的概念，不急於花大錢大規模改變現狀，而是從企業內部的資料分析做起，找到認知製造能在企業內部運行的起點，一旦找到成功經驗，即使是小規模良率的改善，都可以迅速加乘並放大整體效益。

為了協助台灣的企業客戶了解當中細節，尋求突破重重障礙的解決辦法，並提升認知製造的成熟度，Cristene鼓勵使用者可以下載IBM認知製造研究報告(下載連結)，當中涵蓋4種最膾炙人口的使用案例：認知視覺檢測、技術維修服務、產品保固與客戶服務、關鍵零組件管理等使用範例，並竭誠歡迎企業客戶踴躍與IBM商業價值研究院或是台灣IBM的顧問團隊聯絡。