2021年，台灣製造業如何靠AI繼續逆風高飛？

作者:SAS台灣總經理陳愷新
原文刊登自:未來城市@天下

2020年，全球製造業發展受疫情影響而放緩成長；然守疫有成的台灣，製造業卻在寒冬逆風飛翔，出口金額及生產指數創歷年新高。邁入2021年，面對仍詭譎多變的局勢，產業該關注哪些關鍵技術佈局，以趁勢翻轉全球製造業價值鏈，靈巧應對未明的風險？

台灣在堅強公衛醫療的守護下，生產活動大抵如常，製造業又在5G、高效能運算等新興科技應用擴增，及消費性電子產品需求拉抬下，抵銷疫情前期的部份負成長，在局勢動盪的2020年，繳出漂亮的產業成績單。

然預期未來兩年，疫情對台灣製造業的產銷步調仍存在高度干擾；包含原物料運輸延誤與價格波動、交期異動、工廠人力調度與客戶臨時砍單等潛在風險。

面對不確定，企業更需要「即時」掌控產能、良率、供應鏈調度、產品組合等所有資訊，才能快速應對。回到最根基的技術，即是仰賴數據分析，來預測風險及需求，再制定決策。

無論企業大小，建置分析力將不再是「Nice-to-Have」，而是擁抱新常態的必要條件。

在2021年，台灣製造業該如何深植分析力？掌握哪些關鍵趨勢及應用方向，為彎道超車做準備？

1. 利用AI「主動」優化流程、找出異常

提高生產效率，是製造業站穩腳步的一大基石。產線自動化、用AI提升良率，早已不是新聞；現在，企業還可以應用AI達到「智慧化營運」，自動找出異常或提出調整建議，協助企業達到過往調校機器、升級設備所無法觸及的高度。

如美光科技（Micron），使用整合分析及物聯網平台，即時識別製造流程的異常；再用機器學習自主找出異常原因進行分析，中間省去繁複的人力介入，勞動生產率提高了20％。

又如美國建材大廠USG，有2,900項以上有效專利。過去，工廠生產過程為測試不同的材料，以確保產品符合品質標準，某些品項需耗時超過24小時才能完成。

但運用AI預測建模功能後，USG可根據預測結果超前調整製程參數，使原料品質變動時仍有穩定高良率，故能以最低價格、生產符合品質標準的產品；甚至使用模型管理（Model Manager）工具，設計品質異常矯正執行計劃模型（Out of Control Action Plan，OCAP），確保建模前提變動時，可即時替換冠軍模型、並部署到生產環境，完成決策到執行的全自動化。

AI能識別製造過程的異常，有效提高生產率。

2. 做到「精準預測」需求與保固維修，穩定供應鏈管理

全球複雜分工下、供應鏈管理已是製造業的重中之重；若沒有精準的預測，備料過多會增加庫存成本，過少則影響客戶滿意度。

在目前詭譎的情勢下，若有企業能相對精準回答出「在哪個時間、哪個地點、應該備多少料、多少貨？」，便等同在客戶購買或維修前，就掌握客戶未來的需求，即可穩定地管理供應鏈，減少調存貨管理成本，蓄積強大的競爭優勢。

美國本田汽車（Honda）就早已運用1,200個經銷商、一天數十次更新，所累積下來的客戶銷售與維修資料，包含施工作業的類型、客戶支付的金額、各維修訂單的歷史資料及維修保養顧問的意見等，建立一個AI預測模型，預測各零件預備的指標，及客戶偏好與習慣等。

後來，零件準備預測準確度高達99%，同時降低三倍的維修及保固時間。美國本田汽車還規劃將這些貴數據資料，納入日後車輛設計的修正中。

本田汽車運用客戶銷售與維修資料建立AI預測模型，預測零件預備的指標及客戶偏好等。

而這次疫情帶來的全球供應鏈斷鍊、缺工等，也有人質疑將使AI運算資料出現偏誤，該如何預測？

其實，AI也能以時間序列為基礎建立「事件」資料庫；除固定事件外，再納入特殊事件及外部資料，如經濟指標與總體市場趨勢、失業率、油價、還有國際新冠肺炎疫情傳播狀態等。產出各程度衝擊的最佳與最壞情境模擬，加速決策者的日常營運因應策略。

如這次美國疫情突然大規模爆發之初，各州陸續頒布「居家令」，許多製造商面臨銷售業績衝擊外，已購客的保固維修等服務也反應不及，保修準備金預估大失準，財務狀況吃緊。

但在此時，超過百年歷史的家電製造商通用電器（GE），即使用SAS AI模型，將突發的疫情狀況參數，如各地政令、疫情嚴峻度、近期異常數據等加入模型訓練，快速產出各類情境，以利團隊快速擬定應對戰略。

通用電器保修部門首席資料科學家奧弗斯特里特（Jason Overstreet）就表示，「應用分析產出有幫助的結果，對我們而言相當於一個『減震器』。」

3. 5G+邊緣運算，是時候佈局人工智慧物聯網（AIoT）

5G低延遲、高頻寬與廣連結的特性，使龐大資料量從傳輸、處理、分析到回傳最後決策的過程，得以再升速；突破過往因所需運算資源龐大，而無足夠演算力運行的應用，像是超高畫質的影像辨識、即時串流資料監測、廣佈感應器以蒐集大量資料等。可以說，AIoT的垂直應用，如車聯網、智慧製造、智慧城市等，都將因5G商轉而加速。

然而，要讓AIoT普及，最終仍需滲透到行動或終端裝置，讓運算力在物聯網邊緣位置就啟動，降低網路系統負載，提升整體運作效率也降低投資成本。

因此，邊緣運算的價值也隨5G再次浮現。像是日本知名輪胎製造公司普利司通（Bridgestone），即在其設備站點部署邊緣運算，即時分析生產線設備機器手臂所產出的角度與溫度資料。

當產品從第一個製程站點往第二個站點前進時，能即時將第一個站點所蒐集到的資訊，轉成後幾站的初始化參考值，讓該設備自行優化最佳設備參數，據此微調傾斜角度、加熱溫度等。

製造業者如能著手試驗5G潛力，同步整合邊緣運算架構，從天龍（雲端、伺服器）到地虎（終端裝置）全面部署運算能力，將能有更快、更全面的數據分析，找出更深入的洞察，提供更快速的決策與回應。

當然也有人感嘆，這些大數據、人工智慧及數位轉型，是大型企業才有的籌碼。

其實，對於組織內尚未有成熟技術與人力的企業，也已有供應商可直接派員與企業主確認分析的目的；後續，企業主只需提供相關數據，即可取得客製化的分析結果，甚至進一步提供AI模型範例，免除企業購買軟硬體、打造分析團隊的營運成本。

數位轉型的門檻已愈來愈低，混沌的時局，正是翻轉的時機。套句狄更斯名著《雙城記》的開卷語：這是最壞的時代，也是最好的時代！