雲端運算助陣 加速建構智慧工廠場景

AWS資深產業業務開發經理賴穎傑指出「智慧工廠」是當前製造業尋求創新轉型的重要課題。DIGITIMES攝

無庸置疑，「智慧工廠」乃是當前製造業尋求創新轉型的重要課題；在雲端加持下，可望加速相關進程。

AWS資深產業業務開發經理賴穎傑指出，一般人認為智慧工廠等同於全自動化工廠，但AWS認為智慧工廠不僅止於自動化意涵，更重要的是透過資料來驅動工廠運作，以增進工廠設備可靠度與運作效率。

據統計，現今約40%製造業者希望利用資料來改善生產品質，33%希望提升營運效率，另有33%希望落實永續運作。

「為協助打造智慧工廠，AWS提出對應架構，蘊含4個重點。」賴穎傑說，首先是最底層的資料收集；其次將資料有效率地儲存於正確位置；再來是分析層，將資料做視覺化，或藉由大數據分析來挖掘資料洞察，甚至透過AI/ML實現企業想要的業務成果；最後是應用層，AWS認為應連結到使用案例、亦即想要解決什麼樣的業務問題，建議從小處著手、一步步做延伸。

賴穎傑所屬的Industry BU，可協助企業找尋適合的使用案例，再搭配相關AWS服務，組合成完整解決方案。

談到AWS參與過的智慧工廠轉型案例，首先是台塑集團的矽晶圓廠，原透過AOI拍照，再以人工檢視相片，看看產品有無瑕疵；考量人會因疲累而影響檢測精準度，故決定導入機器視覺，將照片放進AWS的AI演算法，接著訓練模型，再以模型執行瑕疵檢測。此舉使原本十幾個小時的品檢作業，縮減到5分鐘內完成且檢測結果更精準。

第二例來自Invista，為美國的合成纖維及樹脂製造商。期初礙於資料量太大、無法統整為儀表板，後來透過AWS成功突破頸，讓管理者能利用單一視圖綜觀全球每間工廠運作現況，後來再延伸至預防性維護、銷售預測、庫房預測等進階應用。

至於備受矚目的供應鏈管理議題，AWS認為欲打造強韌的供應鏈，必須做到供應鏈可視化，且擁有指揮整體供應鏈運作的機制「Supply Chain Control Towers」。針對此部分，AWS已累積諸多實例，例如鴻海墨西哥廠，發現疫情期間客戶給出的預測不甚穩定，若據此執行人力配置恐有不小問題。於是該廠尋求AWS協助，利用6週時間開發出Forecasting模組，導致人力配置的準確度提升8%，每年因而節省50多萬美元開銷。