自疫情以來,全世界的製造業者受到疫情帶來的斷鏈生產現況影響,根據世界經濟論壇(WEF)2021年調查,76%受訪的管理者表示企業受到疫情影響,使不確定性成為市場新常規。國際市場波動除受到疫情影響,近年來客戶小量客製化的訂單需求、國際情勢的變動,都促使製造業者尋找更彈性的生產方案,追求在疫情之下仍能快速應變的智慧製造解決方案。
製造業在數據收集方面,在機台設備上安裝收集數據的感應器的方式已相當普遍。而隨著AI在地端預先處理數據並運用的需求成長,結合AI與IoT概念的AIoT(Artificial Intelligence of Things)應用也逐漸在製造業中傳播開來。
除亞馬遜、微軟、Google等雲端大廠分別推出自己的AIoT產品,AI新創廠商如FogHorn也挾其數據處理的技術強項,縮減機器學習模型大小多達80%,讓過去需耗費大量儲存空間的複雜模型,得以在較小的記憶體儲存空間執行,協助數據筆數高達上萬的製造業者,大幅減少雲端儲存與運算的成本支出。
除處理量化數據,AI新創業者也瞄準法規日趨嚴謹下所需管理的合約文本資料。如擅長AI文本分析技術的新創Proxem,針對招標、合約、技術等文件作文本分析,並將其中的重點訊息如條款、地點、單位、人員等資訊擷取而出,並凸顯涉及風險的相關段落,協助製造業者掌握相關法規。
整體而言,不管是質化或量化的數據處理,新創業者在製造業數據處理方面,多半都是高度自動化的數據處理服務,讓原本就不具備專業數據科學家的企業,得以將重要但繁瑣的數據處理環節,交由自動化的AI軟體服務處理,企業內部只需使用簡單的操作介面,進入為企業獲取價值的數據分析應用階段。
製造業者踏入AI領域,除希望能妥善運用自家的數據進行分析,也希望得以保存或借鏡業內的產業知識,讓AI在實證應用上,具備知識傳承與未來發展的探照燈功能。除建造相關製造業大型數據庫,於平台上累積各個子項產業所訓練完成的模型,也是國際製造業AI新創服務的趨勢。
在跨多個產業的製造業AI模型方面,新創業者如Uptake藉由併購世界最大工業維修數據庫,利用大量且多業別的製造業維修數據,提供成多種訓練過的工業用AI模型,讓即便是剛開始應用AI的製造業者,也能參考類似企業的應用方向,再按照需求調整實證應用方向。
除像Uptake直接借鏡其他製造業者的數據與模型,在特定的產業知識傳承上,擅長材料科學的新創企業Citrine,藉由累積材料配方等數據,讓企業能根據生產需求如成本、成功率等條件,調閱出過去訓練完成的模型,讓融入AI模型的產業知識得以傳承。
整體而言,製造產業的實證借鏡,大量個別產業AI模型共享與細緻化的模型調閱服務,都是製造業AI新創的趨勢。
製造業在瑕疵檢測上,除傳統的自動光學檢測(AOI),AI視覺辨識協助檢測的應用也逐漸普及。在改善品質的發展目標下,AI在生產流程的改善上的應用服務眾多,但實際上許多產線任務仍相當依賴人工執行為主,也因此國際AI新創業者開始將AI應用於人工作業流程的改善上。
面對疫後時代的不確定性,AI新創瞄準製造業進入AI應用的關鍵痛點,並將相對應的服務做更全面與精深,如AI新創提供兼具質量的數據分析,包含質化數據文件法規、量化數據設備機台等數據處理服務,為製造業者奠定商業分析的基礎;而在產業實證的借鑑上,新創業者也細分製造業別,提供具備特定產業知識的AI模型管理服務,讓AI不只具備企業內知識傳承的能力,也能發揮借鏡其他產業AI應用的功能;此外,製造業的AI服務並不限於虛擬數據分析,藉由AI視覺分析人員動作、擺放位置與動作計時等服務,最終也會回饋到實體人員操作,進而協助製造業者提升整體生產效能。
(本文刊登於2021/9/5 經濟日報A12版)