COMPUTEX Forum 2019
活動+
 

AI無法解釋因果關係 傑騰智能從數據分析協助製造者縮小問題範圍

傑騰智能執行長徐紹鐘。DIGITIMES攝

以大數據分析切入市場,傑騰智能協助製造業者診斷生產線,快速找出影響生產品質的肇因。傑騰智能執行長徐紹鐘從過去在半導體產業豐富的經驗中分享指出,過去該產業因為複雜的製程工序,往往增加生產回溯的難度,而如能藉由生產流程數據的串接,將可利用大數據分析在極短的時間內確認生產問題所在,以改善過去傳統做法的不便。

眾所皆知AI發展需以大數據奠基,數據的蒐集與整理乃是數據分析前置作業中極為重要的一環,然目前為止根據業者觀察,台灣製造業在這塊尚有努力空間,需要時間消化,因此現階段多數智慧製造方案都還是從單點功能提升開始,例如瑕疵影像分析或機台設備預測性維護保養等應用。

而智慧製造最終的目的當然不僅止於強化單一功能,而是需串接整個生產流程,例如良率的提升。而究竟當更完整的生產數據能夠被串接起來,可以為生產線的優化帶來什麼好處?

徐紹鐘以其所擅長的半導體產業舉例,該產業動輒上千道製程,當發現產品有問題,欲進行生產回溯找出前段製程影響生產品質的肇因時,往往要在數千道製程中,從檢測機台的資料圖逐一比對與分析,這是令工程師相當頭痛的問題。而透過大數據分析的介入,則可藉由演算法先定義問題,從成千上百種涉及人、機、料、法、環等生產參數的條件下,依據關聯性快速篩選出可能影響生產品質的關鍵因子。

這種做法旨在於縮小問題的範圍。由於目前AI的侷限在於尚無法充分解釋因果關係,而大多數的神經網路分析技術,只處理關聯性關係。因此如徐紹鐘目前所率領的傑騰智能,其做法也是傾向先改善過去工程師大海撈針式的方法,透過如搜尋引擎的方式,將可能影響品質的製程參數依據關聯性排序,因此工程師可在極短時間內釐清影響品質的肇因,這在過去工程師可能要在數千個站點中才能找到問題,但經過範圍的縮小,或許工程師只要針對前十個就能釐清問題。

事實上,製造業導入AI的目的與醫療AI頗有異曲同工之妙,其最主要的目的皆是在於輔助,但最終決策仍掌握在工程師或醫師手中。尊重專業,或許是產業在善用AI技術時必須思考的方向之一。

另外,觀察現今台灣製造業者轉型智慧製造的積極度,徐紹鐘也指出目前市場上除了大企業因本身具備基本數據採集以及數位化能力,而對智慧製造的投資力道較大之外,另一方面因應終端大型客戶需求,如Tesla或蘋果現在也都要求底下供應鏈必須跟上智慧製造腳步,最明顯的應用便是生產履歷追溯。

而像是能夠串接供應鏈流程的數位分身(Digital Twin)應用,也有相關業者透露,包括聯想、華為、戴爾等大廠也都已開始要求供應鏈跟進,據悉,多數台灣一線代工業者也在列。而此類受客戶驅動的力道相對就會比由企業主自發性投資來的更高。

更多關鍵字報導: 大數據分析 智慧製造