凌华科技物联网策略解决方案与技术事业处总监杨家玮

2020年的开年，各工厂正喜迎5G、自驾车及物联网的大时代。本以为5G及物联网应该可再创造智能设备的大采购潮，继续推进智能手机、平板、家电，甚至有望刺激自动驾驶（自走）车的市场。

然而，一个不可预测且传染力极高的病毒很快打乱了本是后势看涨的制造大业。疫情使得工厂面临无工可上、无料可用的困境，也促使工厂的管理者重新思考如何加速自动化的部署—AI。

AI在智能工厂的应用中有诸多讨论，总的来说，主要还是围绕“看产品”、“看设备”及“看人”三大类。其中以“看人”在AI中最具潜力。借助AI量化工厂人员的效率，降低人员出错的机会。AI更可集成生产SOP（标准作业流程），将人员视为设备，实时地对人员的安全、作业的正确性等进行报警，使得工厂有机会在有限的人力下，维持足够的产能。如本次疫情至今，半导体大厂台积电的南京厂区产能保持不间断，都是依靠着高度自动化，带有AI检验以及智能排程，使得在少量的人力运作下能保有90%以上的有效产能。

其次“看设备”—随着机器学习的导入，使得工厂内除了“固定负载”的设备可借由设计固定样板来侦测异常，进一步更能集成机器学习算法来诊断“变动负载”的设备，如六轴机器手臂、传统机械机床等等，可借由振动或是异音来诊断是否转子、转轴、刀具等异常。同时，机器学习的美丽之处在于，有机会让智能诊断设备能够自己收集样本并自我学习调试，使设备的状态数据能实时、透明的传输到控制中心。

“看产品”—为确保“产品的生产质量”，光学视觉检测（AOI, Automated Optical Inspection）在自动化生产之初就被提出，但由于加工产品的复杂度不同，AOI所能检验的程度就有所落差。同时也因为算法及计算力的局限，使得AOI在某些应用上的检验结果不如预期，如金属表面、液晶屏彩虹纹路、甚至是透明隐形眼镜瑕疵检测等。随着深度学习（Deep Learning AI）视觉的导入，让本来需要复杂算法的检测，现在可借由操作员标注瑕疵，送到训练服务器训练出特殊应用的AI模型，通过模型的部署来达成困难AOI的任务。

   目前疫情还十分严峻，尤其欧美区域的市场活动已大幅停滞，也让市场对2020年的展望不乐观。但观察中国从疫情爆发、大量隔离到各省的复工，可说是暗室逢灯，提供了有效的措施来保持生产力及消费力。

   如文初所提，目前国内针对5G、物联网、智能工厂依旧保持不错的动能，大型的制造业更是在解禁之后，积极邀请生态圈伙伴加速部署，完成PoC案例。大数据、AI开始发挥效益：支持在有限人力下，保持有效产能；且通过AI视觉检测加强产品的质量管控，让设备的健康状态能实时传递到工厂管理者，进而做出最佳决策。