Top

SNS

  • Facebook
  • 使用messenger傳訊給MAonline
產業掃描
引領航太智慧製造論壇 匯聚國內外AI價值鏈專家
2019.01.25∣瀏覽數:477

繼2013年工業4.0概念問世以來,因為先後加入AI、IIoT等多項新興科技領域,也促使台灣航太製造業龍頭漢翔公司將之引進智慧製造解決方案。除了甫於去年TMTS展示與科技部、 教育部合作成果,也在後續舉辦的航太產業與政策論壇上,匯聚國內外專家交流。
文 ◆ 特約記者 陳念舜

因應近年來國內外航太市場需求火熱,據估計未來20年全球商用客機市場將達到3.5 萬~4萬架,創造6.3兆美元產值,必須提高現有機體、引擎生產效率4~5倍;同時兼顧穩定品質、降低成本等條件,使得投入智慧製造成為台灣航太產業供應鏈的必經之路。

既促使台灣航太製造業產值突破千億大關,年平均成長率高達8%,也被政府特別列入5+2創新產業之一。在漢翔航空工業公司於2018年12月初舉行的「台灣航太產業與政策論壇」上,更順利邀集跨國大廠高層,與來自世界各國的供應商及國內產官學研單位齊聚一堂。

縱觀30年來AI演進 Machine learning不同人類想像
率先登場的台灣人工智慧學校執行長陳昇瑋在專題演講中,回顧近2年來受重視程度還超越摩爾定律(Moore's law)的軟體技術, 就是機器學習(Machine learning)。其強調能讓電腦從人類經驗裡淬取出規則的演算法,而不必像過去須經人類從電腦裡找出辨識規則,卻往往很快就被層出不窮的特例淹沒, 進而可導入產業AI化。

從1950~1970年間開始投入AI發展以來, 首先嘗試將人類「邏輯推理」的思考方式寫進電腦,卻在1~2年後就宣告放棄;到了第二波1980~1990年階段,則改為編寫人類的 「知識表達」,仍因為電腦對於掌握人類的常識(common sense)不足,而宣告失敗。直 到2010年掀起第三波AI浪潮,始轉變為輸入人類的經驗,又稱為「機器學習」。

與過去技術最大不同之處,在於使用者只須提供長期所需的充份資料(Data),就能供電腦學習,並逐層(layer)自行衍生規則、特徵,來提升分類與檢測瑕疵的準確率,使得人臉辨識正確率接近98%~99%。優點是讓各行業對於專家的需求遞減,而AI工程師的需求越來越多;但缺點就是,如此複雜的規則和人類想像不同,而無法解釋機器學習所產生的演算法。

橫渡智慧製造應用 產學架橋跨越鴻溝
陳昇瑋進一步分析,縱觀這每隔 3 0 年 一度興起的AI目標雖然相同,卻各自衍生 出的關鍵技術,約可概分為:Rule based System、Classical Machine learning、 Deep learning。而近5年來蔚為主流的深 度學習技術(Deep learning),與Machine learning最大差別,就是能從後者自主衍生規 則中找出特例(特徵值)。

但他也坦言,一旦電腦取得資料量不足 時,採取較大範圍的傳統機器學習(Classical Machine learning)方法,會比Deep learning 更適合;甚至當資料量為零時,還須回 頭仰賴專家口耳相傳的規則(Rule based System)。

惟若資料量大也代表模型將更為複雜, 對於AI工程師素質要求越高。導致Machine learning目前雖已普及於各行各業,即將引領 IT產業未來10~20年發展,企業若想擴大應 用,仍須積極注入新血。

據他近年來參與中研院團隊至企業參訪的 心得,認為現今要實現產業AI化的主要挑戰 可分為:缺乏資料基礎建設、實戰人才,少 了前者提供足夠資料量,就算有先進技術也 無用;後者則在業界至今仍找不到具備5年 Machine learning經驗的專家,只能從學界 挖角,卻因為資源分配不均,同時存在著產學鴻溝。

陳昇瑋還強調:「現在只有工程師懂得AI、Machine learning還不夠,必須加入 中高階經理人,才能找出真正問題核心(痛 點)。」所以為了擴大能量,服務台灣146萬 家中小企業,現也結合企業與學術夥伴投入 成立財團法人科技生態發展公益基金會、台 灣資料科學協會,並共同主辦台灣人工智慧 學校,分為技術領袖培訓班、經理人周末研 修班,由業界出題讓學界解決。

航太智慧機械製造論壇 串起國內外產業鏈結
在接續進行的航太智慧機械與製造發展 論壇上,美國Eaton公司總裁Nanda Kumar Cheruvatah認為,現今智慧製造並非一朝 一夕劇變,或僅止於顧客驅動的智慧工廠, 提高產能;還須不斷精進、縮短從接單到 出貨的前置作業時間OTD(Ordering-ToDelivery)。

包含經過虛擬軟體,確保規劃流程同 步、一致性,逐步自早期約60%準確率增至 100%,以符合Boeing、Airbus航太自動化 需求;同時在OEM機具設備兼顧精實、智慧 製造和供應鏈管理,終能推動順利轉型,以 藉此加速交貨時間、提高績效和品質、降低成本。

西門子數位工廠與製程工業暨驅動科技 事業部總經理席德塱(Tino Hildebrand)也表 示,回顧近年來工業4.0成為國際顯學,係因 應各行各業客戶對於交貨時間與生產彈性、 效率及品質要求越來越高所致,而須善用科 技以形成數位企業。

該公司期望藉此,於全產品生命週期蒐集 所有即時反饋資訊、數據,再經IoT連結軟體 平台;透過數位分身技術(Digital Twins)執行 虛擬設計、測試,讓工程師在辦公室內,即 可預先藉視覺化模擬、修正、驗證所有生產 及組裝流程正確後。再進入真實生產階段, 全面改善產品或機械、零組件品質達最佳 化;進而導入機器人組裝及檢測,使效能領 先同業,並持續改善價值鏈。

自去年起西門子也在台中成立首座數位體 驗中心,除了可供客戶實際體驗前述技術和 設備與IoT串連之後的應用成果,還能瞭解真 正的工業4.0數位製造精髓。

連續參與兩天論壇的加拿大 C E L Aerospace Group前集團總裁Claude Lauzon,則探討國外中小企業應用智慧製造 情況,目前加拿大政府也提出3+2產業創新 計劃,提供數十億元加幣贊助企業發展超級 群聚計畫;以及稅務優惠來吸引全球各大企業及研究人員進駐,促進研究單位及企業密 切合作,創造很多成功範例。

趨勢科技總經理洪偉洤認為,由於目前 智慧製造仍在起步階段,製造業大概到了 近1年多來才開始真正遭遇資安問題。尤 其是自2017年5月問世的新一代電腦蠕蟲 WannaCry,係利用微軟作業系統的漏洞快 速感染電腦,經鎖定特定工程師竊取帳號 密碼後加密資料勒索,將導致ERP/CRM系 統、設備無法運作,包含Honda、Nissan、 Boeing、台積電都曾深受其害。

因此他建議製造業者,當開始導入智慧 製造整合IT+OT之後,系統從隔離到開始連 網,首要調整的是面對資安的觀念,而非技 術問題。包含:過去因為每部機台獨立,機 台的IT人員通常只管生產順利,而未必懂得 資安專業知識;有時甚至為了提高資安,還 必須某種程度犧牲產能;以及生產設備畢竟 不像PC、OS的短暫生命週期,一旦更新須 避免影響製程穩定。

身為研究法人單位的工研院智慧機械科技中心智慧製造技術組組長羅佐良指出,工研院考量漢翔公司部份生產重地及精密機械 製造產業聚落都位處台中,而在此建置據點 及智慧製造試營運場域示範產線,同時結合 End User、Maker及人才需求,以提升勞動 人均產值。

並引進設備聯網、智慧產線自適調配、智慧決策生產等關鍵技術,包含透過安裝SMB 的設備下載各式Apps,提升製造品質可靠度與設備妥善率;再經過ERP+APS串接形成數位化工廠,掌握供應鏈交期準確度。以及加工複合、難切削材料設備及製程帶動升 級,陸續將單機到跨廠域的智慧機械與系統導入航太、汽機車、自行車、消費性電子產業,奠定未來國際競爭基礎。

漢翔公司研發長吳天勝接著展示該公司自 2015年起結合內部生產、資訊部門,積極推動智慧製造成果,分為智慧機台、智慧製造、智慧管理3大主軸,以及榮獲首屆智慧製 造金質獎的iAIDC系統。並分別透過航太複材智慧製造領航計畫,推動工具機業者開發國產機械設備;以及航太供應鏈3D數位協同製造轉型計畫等,現已認證138家合格供應鏈 廠商,並持續培育中。

漢翔公司董事長廖榮鑫總結強調航太產業最大的挑戰,雖然憂心於根據資誠聯合會計師事務所(PwC)最新公佈的「2018航太製造 業吸引力評比報告」排名,台灣航太製造業排名已從第6名落居第27名,甚至不如馬來西亞第25名。

但藉著舉辦論壇,讓產學研各界有機會在同一頻道中互通訊息,並邀請國內外專家指 點全球趨勢和挑戰,從中找到機會及價值。 期許借鏡國內外經驗,從中找到經驗及價值 外,更由政府領頭積極改善國內投資環境及減輕稅賦,以提振臺灣航太製造業的國際競爭力。