本期內容簡介

智慧工廠技術專輯

臺灣政府推行智慧製造多年，在政府政策的支持下，我國企業已積極跟隨全球智慧製造和數位轉型的長期趨勢，致力於工業自動化軟硬體的開發和整合應用。從物聯網、人工智慧、5G等三個方面導入智慧製造技術，透過機台結合感測器、智慧機上盒等裝置，並導入機聯網、邊緣運算等通訊技術，企業能夠實現即時監控與生產資訊的數位化和可視化，以滿足傳統產業解決數位化能力不足的問題。但導入數位化的同時，企業需投入資金與人力作數位轉型建置，我國經濟發展多屬中小型企業，特性為業界產品同質性高、技術不易累積、人才難尋，再加上臺灣機械業者在人口老化、少子化的狀況下，招募人才困難，企業普遍已引入自動化機台，加快出貨速度，減少人員依賴。但在整廠整線的機聯網、大數據分析、AI (Artificial Intelligence)和數位模型建立的普及程度，仍和歐美日有落差，再者，臺灣機械產業以外銷為主，受到國際匯率(日幣貶值)及智慧化功能不足影響，導致外銷不如預期，如：以工具機與射出成型機為例，日款高階機種因日幣貶值，與臺灣機種價差相近，低階機因亞洲機種削價競爭，臺灣機種缺乏價格競爭力，受到上下夾殺影響，國產設備在國際市場上競爭壓力倍增。
以國際情勢變化快速而言，美中貿易戰、新冠肺炎疫情，接續爆發俄烏戰爭，導致全球在能源、金融與原物料的危機。加上地緣政治影響，全球供應鏈明顯產生變化，從全球分工、亞洲製造，轉向更具韌性的短鏈化、區域製造發展。加上節能減碳需求，利用智慧化設備來提高生產能效，已成機械產業重要商機與利基。面對全球少量多樣的生產趨勢，製造業者必須要建構更富彈性的生產模式，以爭取少量多樣客製化訂單。臺灣製造業受到人力成本攀升的衝擊，唯有進一步加速產業數位轉型，導入適合各產業之AI應用模組，透過數據管理與數位化並結合人工智慧協助轉型，擴大資源整合度以重新調度產業結構，以求因應產業的變遷並鞏固自我市場競爭力。

自ChatGPT(ChatGenerativePre-trained Transformer)問世以來，生成式AI(GenerativeAI, GAI)快速席捲全球，不僅改變人機互動的模式，同時也掀起新一波的產業革命。隨著GAI技術的成熟，愈來愈多產業開始探索其在實際業務中的應用。至今生成式AI已廣泛應用至各行各業，像是文件撰寫、總結摘要與設計提案等，其中在軟體開發領域，可以協助軟體工程師生成程式碼、進行程式碼審查、撰寫註釋和文檔，甚至自動生成測試案例，大幅提升開發效率；在金融業方面，生成式AI則可以從複雜的流程中提取關鍵資訊，協助簡化繁瑣的文件處理流程。除OpenAI的ChatGPT崛起外，Google也提供自然語言處理技術，可提供翻譯、摘要、情感分析、問答系統、對話機器人等多項功能，並可整合至其他應用服務中，同時包含視覺識別功能，可提供圖像分類、目標檢測、圖像分割、圖像生成等多項功能，可自動定位與識別圖像中的特徵，並生成對應內容。

以市場應用案例而言，如國際物流公司Maersk和零售巨頭Walmart都使用AI聊天機器人的軟體來自動議價及合約管理。因生成式AI在對話問答表現優異，臺灣自身在金融、電信、客服等服務業也都有業者率先導入，如玉山金以ChatGPT取代原有客服機器人，幫助他們處理客戶開戶的KYC（KnowYourCustomer）的調查，從新聞內容找出開戶顧客有無負面行為或紀錄，減少了企業對人工作業的依賴。另外以智慧製造案例而言，人工智慧新創公司Bonsai和西門子已在測試環境中將人工智慧引入工具機中，其中深度強化學習首次成功地自動校準了現實世界的電腦數值控制(ComputerNumericalControl,CNC)機器；西門子專家使用Bonsai的AI平台訓練AI模型，自動校準CNC工具機，速度比熟練的人類操作員快30倍以上。

因此，所謂智慧工廠集結了包括：物聯網、人工智慧、大數據分析等可以協助企業實現自動化、數位化、智慧化生產模式的技術，可明顯提高效率、產品品質並降低製造成本。而其中GAI是一種使用機器學習和深度學習算法從訓練數據中學習，並可以生成一個全新作品的人工智慧技術。在智慧工廠中，這種技術可以應用在許多方面，例如：(1)產品設計：GAI技術可以通過學習現有產品的設計，自動生成新的設計方案，提高產品創新性。(2)預測維護：GAI技術可以通過學習設備運行數據，自動生成設備故障預測模型，提高維護效率和準確性。(3)品質控制：GAI技術可以通過學習產品品質相關數據，自動生成產品檢測模型，提高產品品質。

隨著智慧工廠的發展和技術的進步，AI帶來了巨大的潛力，對於AI的採用也帶來數據安全、整合複雜性和勞動力適應性等挑戰，對製造商而言需要解決這些問題，以充份發揮其潛力。因技術及設備的進步，當前國內製造業生產良率已非常高，然而市場對於品質的要求亦逐漸增高，目前已有許多廠商導入AI檢測模型，然而鑑別式AI經常面臨異常資料稀缺難以蒐集、標註需仰賴專業經驗且耗時、難以即時因應新異常情形等問題，導致AI訓練成效不佳，因此如何蒐集AI模型所需的足量訓練資料為一大待解決課題。

而隨著未來的軟硬體技術進步，良率只會增不會減，發展瑕疵資料生成技術已然成為趨勢，若能在少量多樣的瑕疵種類中自動生成大量異常資料訓練AI，則有助於提升AI檢測模型準確率，方能跟上日新月異的工業技術需求。雖然國內業者也已逐漸開始投入GAI的訓練開發及應用，然而對於實現於工業應用仍有一段距離，最大的難處在於工業需求的數據與GAI的原始訓練集有著很大的不同，並且在下提示詞方面也需花費時間反覆測試；而GAI產生出的資料也未必是符合需求的，通常可能會夾雜著錯誤資訊，甚至有時會因邏輯謬誤、認知偏差及專業領域不同而產生幻覺(Hallucination)。基於以上問題，若要將GAI強悍的生成能力融入至工業界應用，仍需額外設計演算法或是提示工程方法，並結合產業領域知識，透過約束與邏輯，讓GAI更容易正確理解需求，並進一步生成結果(例如：異常資料)，未來應持續重視此類技術開發，以利推動AI/GAI於產品品質檢測、設備診斷及維護、製程優化等應用的快速導入。

有鑑於此，為協助產業設備AI智慧化，提升機械設備智能化，及面對我國中小企業數位專業人才相對不足的狀況下，工研院團隊將結合國產控制器業者及金屬切削、金屬成型、射出機設備、紡織設備等設備商領導業者等，共同合作發展與設備控制器或製程產線結合之AIApp及GAI模組，開發多項AIApp可選配加值國產控制器智慧化，並建立AI/GAI模組技術之驗證場域，提供軟硬體整合驗證、虛擬驗證之數位工廠環境，以縮短驗證時間，加速產業針對AI/GAI技術之實際落地應用。透過GAI結合虛實製造系統實現生產過程的智慧化，不僅可提供機械業者更強大的工具和平台，亦可降低企業導入AI/GAI軟體技術的成本；再者，利用雲端服務可降低對機邊設備的效能需求，還可協助產業全面升級，加速技術落地與產業擴散，促使臺灣製造業與全球科技趨勢同步，提高產業之競爭力。