自动化工厂重点：流程机器人、图像与声音分析

作者：DIGITIMES廖家宜

制造业拥抱AI迈向智能化发展，通常将其分为不同阶段性的发展策略。像是中小企业，专家就建议初步应先针对重点式导入，例如透过流程机器人(RPA)可优化重复性的作业流程达到先期自动化，接着再进入智能化阶段，因此现阶段在制造业积极发展的智能化应用中，RPA的导入比例甚高；其次则是影像与声音的AI分析。

当前全球制造业倡导工业4.0，但除了在制造端导入智能化系统提高生产效率与质量之外，实更涵盖整个企业体质调整，由于牵动的层面下至工厂生产端上至企业营运管理的优化，对外甚至与供应链、客户关系紧密连结，因此对于业者来说，影响层面甚广，普遍不敢贸然躁进，加上国内制造业规模与型态各异，大型企业的策略不见得适用于中小企业，制造业者对于自身投入智能制造的发展，通常将其分为不同阶段性的发展策略。

钻研智能制造系统的清华大学教授简祯富就表示，像是以数据基础尚不完备的小型企业来说，较适合透过重点式导入，例如借由系统优化调度，改善过去厂商不够弹性的作业流程，让其提高生产效率、加强面对客户的应变能力。但事实上，这类系统不见得有运用到大数据分析或AI等先进概念，例如软件流程机器人把一些重复性工作自动化，省下许多耗时却没有显著商业价值的工作，降低至少15%的人工成本。

RPA并非预测未来，其所执行的任务多半单一且重复，因此也无法协助完成判断或决策，不过在导入AI执行智能化决策之前，自动化却是一道必经之路，因此近年国内外制造业者对于RPA的兴趣甚高，导入用以协助达成自动化流程，提高一部分的生产效率。

Dell EMC大中华区企业技术战略总监许良谋以长期与客户接触经验观察就发现，当前制造业积极发展的智能化应用中，RPA的导入比例甚高，根据研调机构Forrester估计，2021年全球将有400万个RPA案例在运作，势头有如彼时金融业或零售业积极导入聊天机器人(Chatbot)的热潮。

许良谋认为，对于制造业来说，由于RPA技术架构不复杂，不必大幅更动现有管理或生产的作业流程，因此过往没有智能化经验的制造业者，便会尝试透过RPA试水温，而RPA技术也是面向B2B产业中最容易落地的应用。

而除了RPA之外，许良谋观察，包括针对影像与声音的AI分析也成为近年制造业者积极发展的两大智能化应用。以应用于Dell笔记型计算机盖板检测为例，传统每条生产线需额外派遣4名人员进行人工肉眼检测，平均至少要花4至6秒才能完成一件产品检测，且人工经验差异与视觉疲劳的影响，也会导致结果产生差异化。

而在Dell导入计算机视觉成像检测下，透过AI能够对于缺陷的位置和程度进行检测与分类，做出有无缺陷的判定，而无法有效透过AI判别的成像再透过人工复检，预估可减少60%人工检测量。

除一般制造业常见AOI设备瑕疵检测外，Dell也现也利用AI优化红外线芯片缺陷检测，透过识别率超过98%的图像算法让其对缺陷定义更为细致，透过AI算法能够帮助客户提升缺陷检出率1.5%、检测站生产效率提升6.7%等。

而所谓的声音分析则是针对一般生产设备在运作引起振动时所产生的声波分析。通常振动分析最能促成早期设备异常侦测，可在数月以前显露异常变化，因此在工业物联网的应用中，透过振动声波分析是监控资产运行状况和执行预防行维护最有效且直接的方式。