研華
活動+

人工智慧讓製造業別無選擇 KPMG:不採用就被淘汰

  • 陳端武
AI在可預見的未來並不具有感知力,需要人為監督,因此工廠工作可能會改變但不會消失。Robotics Business

對於製造商而言,採用人工智慧(AI)能讓執行長提出正確問題,並利用數百萬數據點來提供解決方案。安侯建業(KPMG)合夥人Cliff Justice表示,AI改變了一切,包括商業模式、營運模式、工作如何完成,工作人員如何接受培訓等。

據Industry Week報導,Justice的團隊使用IBM Watson平台對大量貸款文件進行審計,以確保銀行在將其打包成證券之前對商業貸款正確分級。

Justice表示,這套系統是想強化員工工作效率,而不是用自動化加以取代。該計畫為審計人員提供提示,重點並非節省時間,而是提高準確性和品質,做人類辦不到的事。

製造商通常滿足於時間、準確性和品質的逐步改進,相信只要不斷提升就會走上成功之路。然而,由於AI,近10年來由改善和精益生產催化的漸進式變化看起來很平庸。

GE(General Electric)在2016年表示,其Predix平台可將行業表現提升1%。2017年,Predix透過GE的Brilliant Factories獲得更大的改進。在印度,據稱設備效率增加了18%,而密西根州的一家工廠透過應用物聯網(IoT)感測器監測磨損,將停機時間減少了20%。

GE雖然有著良好開局,但很少有人期望追上這種速度。許多公司甚至並未在這場比賽中接受AI及其優勢的起跑線。市調機構Gartner的2018 CIO Agenda Survey顯示,全球CIO中僅4%實施了AI,而46%正在計劃實施AI。其中,僅25%計劃在2018年實施AI。

擁有5,000萬美元收入和更高投資資本的公司,採用AI的情況要好得多。科技研究公司Vanson Bourne指出,這些企業中有80%已部署某種形式的AI,如機器或深度學習。在美國,有61%受訪者認為有進一步實施的空間,或計劃在未來2年內部署。

IBM自動化全球副總裁Gene Chao表示,AI是一門應用科學。若未應用它,它就只是一件很酷的事。Chao指出AI能提取80~90%的數據,包括供應商、日期和貨幣,這可大大縮短處理時間。

另一個明確用例,是利用來自IoT感測器的數據預測關鍵機械何時會發生故障或需要維修。數據無處不在,包括機械上的溫度和振動感測器,卡車上的GPS數據和倉庫中的自動搬運車速度。但Chao表示,AI程式只能看到數字,需要有人來確定這些數字的重要性,並確定行動方向。

在此互動時代,對企業高層來說,一切從未如此簡單。隨著機器學習的垂直整合繼續下去,ERP和CRM都有連網,能讓決策者辨識他們可採取行動的模式和趨勢。

IBM的Maximo資產管理系統藉由讓用戶感知、溝通和診斷工廠中連接的設備和機器的問題,能減少高達47%的計畫外停機時間,而從工作流程、吞吐量和產量收集的數據,可將故障率降低高達48%。

目前,控制和自動化領域的領導者ABB在其風電業務中使用IBM Watson,來根據風速預測預測發電量。ABB數位長Guido Jouret表示,這有助於營運商致力於能源市場的電力生產及優化維護的最佳時間。

Jouret表示,ABB還使用Watson來分析客戶問題並制定解決方案,以及辨識加售 / 交叉銷售機會。在Heidelberg工廠,ABB還採用自適應演算法,從以前的品質控制工作中學習,以提高未來測試的精度。

工業領域的巨大好處是,幾個百分點的改進通常會持續多年,因為工業設備可能會持續數十年,所以其好處可能很大。操作員也可使用機器學習來訓練協作機器人。在手動將機器人的手移至應該在拾放任務中的位置之後,它就能模擬動作。這比寫程式碼來設定機器人要快得多。

市場研調機構Trendforce估計,2017年全球智慧製造市場逾2,000億美元,到2020年將成長60%至3,200億美元。如果零件不好,停機時間並非唯一的擔心。有家歐洲製藥商發現,將甲骨文(Oracle)的IoT平台整合到其流程中可以減少浪費。

甲骨文IoT雲副總裁Atul Mahamuni解釋說,一旦閥門因為化學品的磨損而損壞,並且毀壞整批產品,這需要花費數萬美元。但他們已整合了規定性維護,授權機器根據數據做出即時決策。閥門損壞時,系統可立即檢測到並停止生產,並且不會有任何浪費。

甲骨文透過讓AI決定哪種演算法最適合某個特定流程,將機器學習提高到全新水準。雖然這代表未來機器可能會做出不必要的決定,但Mahamuni表示,在此情況下AI更像是電工,為特定工作選擇合適的定制鉗。而仍然要由人來訓練AI模型,選擇正確的參數集並調整預測模型。

似乎製造商顯然都會想成功部署AI來獲得新的優勢。但是一切若都自動化,誰將慶祝工廠的歷史性成功?牛津大學(Oxford)在2013年所做研究顯示,到2038年,47%的美國工作可實現自動化。但Cliff Justice表示,AI造成的問題應與其好處和人類可控制的問題相平衡。但人類歷史上沒有任何技術導致生活水準下滑。

KPMG預測,智慧自動化將創造500萬個新工作。這就像100年前的電力,雲端服務讓AI能被許多發明家使用,而且能靠編寫API賺錢。遵循這種猴子和打字機(monkey/typewriter)邏輯,創新者的數量不斷增加,而非有不可的創新數量也在增加。這刺激了更多公司想創造或支持這種創新,而需要更多人到這些公司上班。

AI在可預見的未來並不具有感知力,需要人為監督,因此工廠工作可能會改變,但不會消失。Justice表示,在工廠或白領環境中自動進行重複性的認知工作時,就能釋放人才,將降低不會產生利潤的低價值重複性活動的成本。

為保持競爭力,Justice假設大多數公司會將這些利潤投資於吸引客戶並擴大其基礎,創造更高技能的工作。這些工作將專注於提出正確的問題並確定重大問題。有更多數據將需要更多的人腦來弄清楚如何使用它。Justice的結論是,企業須採用AI,否則就會變得無關緊要,企業就會面臨風險。