TAITRA
DForum0906

從Tesla生產問題看自動化 恐忽略適應性製造的重要性

  • 陳端武
Tesla工廠過度自動化,忽略人類的作用,是未達預期產量的原因之一。Tesla

Tesla之前設下2018年每週生產5,000輛Model 3電動車的目標,但迄今尚未實現一半目標。對此,Tesla執行長Elon Musk坦承錯在過度自動化,低估了人類的作用。事實上,當前Tesla的全自動化計畫忽略了一個問題,而人類比人工智慧(AI)更能適應變化。AI未來雖可望取代人類,但目前領導者仍需判斷正確的改變速度。

據PHYS.org報導,Tesla工廠已高度自動化。Musk很早就體認到,任何遵循一系列預定義步驟,並在工廠等受控制的環境中進行的流程,都能透過AI和機器人實現自動化。

儘管自動化系統發展迅速,人類在適應不可預見的變化方面仍然強得多。在複雜工廠中工作時這點更不容低估。回顧Tesla的生產力問題,Musk無疑忽略了適應性製造(adaptive manufacturing)的重要性,小錯誤和無法預料的情況發生的機率,會與流程複雜度成正比。

人類為了在不斷變化的世界中生存下去而持續進化,因此人類很擅長應對預料不到的情況,以及預期事件和實際事件之間的差異。例如,人能透過步行、游泳、跳躍、攀爬和爬行繼續前行,因此能應對高度複雜情況下的激進改變。

另一方面,機器學習的智慧和適應力尚未達到人類的水準。先進AI演算法雖能學習辨識類似情況,例如變成紅燈或有顆球掉在街上,甚至表現的比人類更好;但機器人的適應性仍局限於物體或事件受限範疇內的變化。

事實上,人們尚未掌握夠靈活的AI設計來應對不可預測的環境。智慧有限的自動引導車(AGV)僅能遵循簡單指令,在限定環境中沿著固定路線行駛。包裝機器人能拿起產品並將其放入紙箱,而不必做更複雜的事。任務改變時,就必須替換不同機器人。

更複雜的移動機器人也內建的感測器和掃描儀,還有能檢測週圍環境、選擇最有效路線的軟體,因為產品不一定每次都放置在同一位置。這些機器人更靈活且更具適應性,但離人類能做的還差的很遠。

對過度自動化的工廠來說這可能是個問題。因為小的物理差異,如輪胎、地面磨損和不精確定位的零件可能迅速累積並導致不可預知的情況。當一個流程發生變化或工廠開始生產新產品時,就需要重新配置設備並找到不同解決方案,這還不是AI和機器人技術辦得到的。

Musk曾公開表示想建立一間完全自動化的工廠,來克服人類的速度限制,實現更高產量。但高度自動化工廠這樣複雜的環境需要具高度適應性的機器人,才能因應不可預見的情況。要在機器人和AI中引入這種靈活性還需要進一步的研究。

自動化的第一階段涉及在預定義的流程中測試機器人自動化,如拾取原材料並將其放在組裝線上。第二階段涉及將該測試擴展到多個功能和流程,例如將原材料和產品包裝在一起。第三階段是部署協作機器人和自適應AI來作為員工助理,這是目前能實現的最佳目標。

目前尚不清楚何時將實現完全自動化、無需人工干預的第四階段。但Musk的嘗試值得受讚揚。他可能低估了人類,但他學到的教訓很寶貴,有助於他在未來超越其他人。