AI在制造业的应用前景乐观 制造流程已显现成效

机器人是自动化产线中的关键之一，但近来因Tesla促使制造业开始重新审视生产线高度自动化发展是否仍存窒碍。有专家分析，此次Tesla生产瓶颈的问题之一，在于现阶段机器人尚未能利用人工智能(AI)强化自身制造能力，而促使机器人足以取代人类在生产在线的位置。不过即便如此，市场仍乐观看待AI在制造业的应用。

Tesla Model 3生产过程遭遇瓶颈，执行长Elon Musk坦承「过度仰赖自动化是个错误」，但自动化发展由来已久，是现今制造业的趋势所向，理应可为制造业者带来更好的生产效率，市场指出，这次Tesla生产地狱事件的问题之一在于实现「高度自动化」的机器人并未达到预期成效。

专家认为，目前机器人尚未发展与人相同水平的适应能力，造成仍需不断透过人类对机器人进行调适。其次，越复杂的任务，背后所需之技术也更为复杂，Musk也曾指明当初为达到机器设备间能够互相沟通，然而因背后的通讯问题太过繁杂，造成部分根本无法使用，Tesla最终也在不得以的情况下将系统卸载。

对于高度自动化所带来的生产瓶颈，市场认为这是因为目前机器人本身还不够智能所致，当一个过程发生变化或工厂开始生产新产品时，制造业者需要重新配置设备并找到不同的解决方案，但自动化调适是目前人工智能和机器人技术所未能达到的。

虽然Tesla事件多少让外界开始对自动化产线产生疑虑，不过专家则是认为在机器人之外，人工智能对于制造业者仍具有相当大的影响力与效益。

研调机构Gartner调查，目前AI在全球各产业中已属于使用相当广泛的技术，其中用于信息安全是目前各产业着重的目标，占所有AI应用中的大多数，占比45%，而运用AI改善制造与营运流程，则是排名第二的产业需求，占比37%。

以钢铁业来说，现在一方面面临钢材品种、规格需求多样化，对产质量量与交货期要求越来越高，而另一方面受限于市场环境发生变化，导致钢材市场跌宕起伏，竞争激烈。

身为台湾最大炼钢厂，中钢在大环境竞争激烈的趋势下也不得不做出一些转变，中钢信息系统处处长张日新表示，现在炼钢铁已经不是问题，如何炼好钢才是重点。现今中钢走向大量客制化服务，核心就是提高产品良率。

钢铁产业需要透过实时测量调整生产计画，为了降低次品率，往往容易增加额外处理与时间以及成本。假设钢胚有30~40厘米厚，在压薄之前肉眼无法看出里面是否有瑕疵存在，而在这方面，AI便能发挥效益，因为光凭人类感官所搜集到的信息在某些时候会产生误差、模糊，而AI则可以协助提升信息精确度。

同样在AI领域大有所为的还有韩国浦项钢铁(POSCO)。浦项钢铁的智能工厂平台「PosFrame」能将炼钢厂运行需要的数据视觉化，而今年浦项钢铁则是和GE(General Electric)合作，将平台结合GE针对工厂的解决方案「资产性能管理」(APM)，后者可针对工厂内设备发出早期预警，让设备状态维持在最佳状态。

透过这个混合平台，浦项钢铁预期可望提升钢铁厂房的效率和安全，高附加价值产品占所有钢铁销售的比率上升至60%。不仅协助企业改善制造流程，未来AI在制造现场中也将在重要时刻发挥效用。

Gartner认为，透过特殊算法加上机器学习与日渐成熟的自然语言处理技术，可为制造业者在现场实时运用资料分析推理、预测并产生洞见，根据当前制造现况条件向 *** 作人员提供建议和决策参考。

例如IBM的IoT Equipment Advisor便是采用自然语言问答系统，从使用者的问题中，利用日积月累的资料去判断，推荐最合理的方法，并给予信心度指数关连，协助使用者在面临修复、维护、程序或技术相关的问题时，辅助其进行决策。