送禮物 訂閱
<%if prop.topic_id !=0 %> <%/if%>
<%:prop.genus%> <%:~formatDate(prop.online_date, 'YYYY MMM DD' )%> <%:prop.title%>
<%:prop.realname%> <%:prop.realname%>
<%:prop.realname%>

<%:prop.realname%>

<%:prop.intro%>

add
新會員

<%:prop.email%>

add

<%:prop.title%>

從「自動化」到「智動化」,製造業如何善用 AI 轉型?

從「自動化」到「智動化」,製造業如何善用 AI 轉型?

May 24, 2023

圖片來源 - Lenny Kuhne on Unsplash

questionquestion

<%:prop.realname%>
<%if prop.email %>

<%:prop.email%>

<%else %>

<%:prop.realname%>

<%:prop.intro%>

<%/if%>
已有閱讀權限

製造業面臨國際市場的節能減碳要求,短鏈取代全球化供應鏈已成趨勢,同時要能快速應變客戶少量多樣的需求,該如何應用 AI 技術,以實現智慧製造轉型之路?

此次與談人

覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

王展帆

王展帆

Rockwell 智慧製造應用發展經理

饒達仁

饒達仁

工研院機械與系統研究所所長

發生什麼事?

過去三年因疫情、俄烏戰爭陸續爆發,嚴重衝擊全球產業運作,包括供應鏈中斷、人力不足、市場需求萎縮、物流運輸能量受限等,顯示出「不確定性」已成為產業的新常態

  • 然而, 過去製造業的成功方程式 - 優化運營提高成本效率,力求最低成本獲得高品質產品,已無法應對大環境的不確定性。現在全球生產者為確保競爭力,必須有三個關鍵戰略:(Boston Consulting Group
    • 藉由區域化加強營運韌性,必須大量投資生產自動化:區域化生產所需工廠和產量較小,這會降低設備與材料使用率,規模效益降低。若企業光只是複製在低成本國家的勞動密集型生產設施和技術到高成本國家,在經濟上不可行,公司必須走向生產流程自動化和數位化。
    • 因應節能減碳趨勢,提高應對永續的壓力:製造業藉由縮短供應鏈,可減少貨運產生的二氧化碳排放量,有助於遵守社會和道德標準。然而,區域化帶來了生產經濟規模的挑戰,企業必須找到兼顧永續與提高產量水準的方法。
    • 滿足不斷變化的客戶需求,提升市場反應能力:為了快速回應客戶需求變化,製造商必須能靈活地製造多元產品,快速調整產量。然而在全球通膨影響下,強調靈活下仍需優化建置、降低成本,成為各行各業的當務之急。


重點是什麼?

智慧製造成了製造業力求在全球供應鏈中維持競爭力的必要之路,製造業從 Automation 走到 Automated,AI 等科技在其中扮演了什麼角色?

  • 智慧自動化不外乎四個重點:減少人力;減少物料,甚至要能回收再製造;機台設備智慧化;產線工作站都能高效率的運作。最終目標就是要最佳化人、料、機台與產線,達到節能、減碳。(詳見文末 工研院機械所所長饒達仁訪談)
  • Production as a Service(PaaS)改變製造業的思考模式,需要靈活的生產系統,使操作員能夠高效地製造多種產品,並快速適應波動的周期時間和產量。這需要新的自動化方法,例如先進的機器人、自動導引車(AGV)和物聯網(IoT)技術,強大的流程(包括物流)以實現工具、技術之間的快速轉換。
    • 自動化是「行動者」,AI 是「思考者」。自動化系統收集數據,而 AI 系統分析和理解數據。自動化可以完成任務,而 AI 能夠確定如何改進。(HiTechNectar
    • 「AI 工具用在哪裡,效益就應在哪裡」。企業應盤點生產線的瓶頸在哪,了解產線是否已是最佳狀態,再藉由不同的 AI 模組達到全面精實化。在重複性高、穩定性高的生產型態,AI 應用的效益才會出來。(詳見文末 台灣大學機械工程系終身特聘教授覺文郁訪談)
  • AI 協助人們快速整合來自於異質系統的資訊,讓人可以快速做判斷。進一步應用 AI 將大量數據化繁為簡,協助人們做複雜的決策,這會是趨勢。(詳見文末  Rockwell 智慧製造應用發展經理王展帆訪談)
    • 機器人流程自動化(Robotic process automation, RPA)雖然名稱中有「機器人」,但該技術並不使用機器人技術,而是藉由虛擬機器人軟體或「機器人」來減少流程中涉及的人力。這些軟體通常有 AI、機器學習、光學字元辨識(OCR)和其他認知技術,允許機器人回應各種觸發事件並執行複雜任務。(Spiceworks


智慧製造的挑戰?

  • 數據收集該怎麼做?
  • 兼備產業專業知識與數位化人才在哪?
    • 覺文郁指出,製造業長期面對人力短缺的挑戰,但難從外部找到同時懂產線智慧化及產業專業知識的人才,反而應從公司內部找專長背景比較接近的人才學習 AI 工具,加快智慧化速度。
  • 數位整合如何串起製造業的三板塊:研發、製造生產、銷售?
    • 王展帆表示,在談數位轉型時,需要滿足幾項需求,包括研發出有差異化的產品、規模化生產達到經濟效益、快速上市,同時又可以用靈活的商業模式去賦能研發與製造生產,讓這三方串聯起來。


未來會如何?

  • 老師傅的經驗如何數位化傳承,會是接下來要面對的挑戰之一。
    • 覺文郁說明,產業專業知識都藏在資深師傅的經驗,導入數位化、智慧化,會與師傅原有的行為有所衝突,員工也會怕被 AI 取代。因此企業主需思考如何保護好資深員工的價值、一起數位轉型,讓企業可以永續經營。
  • 生成式 AI 應用於智慧製造仍有一段學習之路要走,人類老師的指導是發展關鍵。
    • 饒達仁分析,AI 應用都還必須有人工來判定結果到底對不對、並不是有了 AI 後就取代所有工作,而是從勞力為主的模式,轉變為智慧人工的投入。
  • 每個場域都有獨特性,先了解真正的問題點,再決定符合需求的 AI 應用。
    • 王展帆表示,AI 的製程應用不只談「客製化」,而是了解「真正的問題點在哪?」,需要根據每個場域的狀況做調整。

在台灣,多數製造業為中小企業,如何在有限資源與人力下,以智慧製造轉型迎頭追上全球節能減碳、去全球化供應鏈的趨勢?請見以下《旭時報》與專家們的深度訪談。

陪你從「科技+人文」視角,深入國際政經脈動

35元/週解鎖付費會員專屬內容

  • 成為付費會員,即可擁有:
  • ✓ 全站深度分析報導文章
  • ✓ 會員專屬 8 折活動報名優惠

已經是付費會員?登入繼續閱讀

questionnaire questionnaire
questionnaire questionnaire
questionnaire questionnaire
陳卓君

陳卓君 / 副總編輯

採訪寫作

張育寧

張育寧 / 總編輯

審訂

深度對談

question
question
從 Automation 走到 Automated,製造業經歷了哪些變革?目前智慧製造重要趨勢是什麼? 7 則對談comments 2023-05-18 14:08:03
覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

數位化為底,智慧製造是手段,目標除了營利,還有現在最熱門的公眾議題就是減碳。數位化是很重要的基礎,因為數位化才能去滿足減碳和企業成長的需求

這段期間景氣不太好、需求端疲弱,通常這也是轉型的機會。不管是大型或是中小型企業,過往滿線生產,企業較沒有心力去處理轉型,但因為現在產線沒有這麼滿載,公司比較有時間自我檢視。如果這次沒有轉型,當未來需求回來卻沒有準備好,到時會落後的更多,甚至整個供應鏈都跟不上了,受到的衝擊會超過以往。

2023-05-18 14:00:59

我對於這則留言有疑慮

這次疫情之後,看到很多企業已經數位化做得不錯,整個生產製造型態已經不太一樣,企業應該要好好補強數位化與智慧化這兩部分。一旦開始進行這兩部分,後面的碳議題,包括碳稽核,很自然就水到渠成,因為數位化,底層的生產履歷就會準備好了。

大部分的中小企業都是使用管理軟體、ERP 等等,有一些走的比較前面企業,就會與上下游供應鏈做整合。當需求回來時,會有另一個趨勢,就是大者恆大、贏者全拿的比例越來越高。當最終的需求端要求減碳要達到多少時,供應商只能配合,如果沒法配合,別人就有可能取代你。所以在這段轉型期間,要去看你的上下供應鏈、水平的競爭對手,他們到底是走到哪裡去了,盤點自己哪幾條數位鏈沒有連結,不然等到需求回來,會發現你在供應鏈上已經失去空間了...

2023-05-18 14:02:22

我對於這則留言有疑慮
王展帆

王展帆

Rockwell 智慧製造應用發展經理

Automation 可以把很多流程自動化,過去所談的都是怎麼樣去省人力。但是其實現在製造業的問題是,很多的操作或是製造流程需要有人去幫忙做判斷,而這些判斷是無法用傳統的 Automation 去做,必須要在基本的 Automation 架構上搭配數位化轉型方案,包括 AI 應用等,把需要比較多 domain knowledge(專業知識)的流程付諸實現。這包含幾個層面,第一、去取代這類人力,或者是讓人力可以更少。比如說過去管理工廠可能需要一個團隊,但是因為搭配 Automation,可以變成一個人管十條產線,這是我們在近期看到一個趨勢。並不是完全把人取代掉,而是讓人可以做更好的決策和判斷,這會是現在與過去較大的差別。

2023-05-18 14:05:08

我對於這則留言有疑慮
饒達仁

饒達仁

工研院機械與系統研究所所長

過往的自動化 Automation,是移動物品位置,或是要固定切削物品,透過各式各樣的動作,做出一個零件或元件,過程中不管來得是什麼物件,都是以標準作業流程順著生產,就是所謂的自動化。

但來的物件有大有小,需要依照物件的大小來調整切的方式,就會加入一些比較彈性的生產方式,有更精確的動作、更智慧的控制,從製造程序上面的自動化,變成智慧自動化。

智慧自動化不外乎就講四個重點:減少人力;減少物料,甚至要能夠達到回收再製造;機台設備智慧化;產線上的每個工作站都能高效率的運作,最終達到節能,甚至是減碳。最終目標就是要最佳化人、料、機台與產線,達到節能、減碳。

2023-05-18 14:06:26

我對於這則留言有疑慮

走向智慧製造的最大的驅動力就是少量多樣、供應鏈出現的短鏈支援。這些都必須要有智慧製造,才能因應。企業必須要去做,不然以後與產業中的其他廠商相比,會輸人家一大截,失去了優勢後,可能就會離開這個戰場。

企業要應用 AI 技術,可以從節能減碳的角度出發,讓人、料、機台、產線都達到最有效率,產生更多的利潤...

2023-05-18 14:07:25

我對於這則留言有疑慮
覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

畢竟數位化需要時間,如果能夠走得越快,之後贏者全拿的機會就會增加。缺少人力一直是業界需要面對的問題,
2023-05-18 14:03:27

我對於這則留言有疑慮

question
AI 在智慧製造的應用上扮演什麼角色?如何協助人們做決策? 6 則對談comments 2023-05-18 14:15:33
覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

AI 的角色,應該是「AI 工具用在哪裡,效益就應在哪裡」。企業應該從自己生產線來看,哪一塊是它的瓶頸、哪一段是產線裡最需要加強的,應該先從這個盤點。比如生產線訴求的是要產能或在碳議題或其他。企業可以先從精實製造來盤點、做診斷,了解整個流程、產線是否已經精實化達到最佳狀態,再藉由不同的 AI 模組達到全面精實化。能利用數學簡單解析的,就不一定要用 AI;越複雜、越多的參數變化、比較難掌控的,才去套 AI 模組。

另外,在重複性高、穩定性高的生產型態,AI 應用的效益才會出來...

2023-05-18 14:09:34

我對於這則留言有疑慮
饒達仁

饒達仁

工研院機械與系統研究所所長

要做到智慧製造,在機台和產線上要裝蠻多感測器來收集資料,例如可以根據物件的大小,來判定切割的位置該如何。當沒有物件時,也要即時通知。感測器收集到大量的資料後,才會有後面的 AI 應用。

AI 應用目前可分成兩大方向,一種是辨識型 AI,藉由看到的物件影像來辨識狀態,現在大部分的 AI 都是屬於這種辨識型的。可以透過感測器收到的各種訊號、影像看到的結果、聽到的聲音來做分析,了解哪類的訊號比例比較高,做出來的方式會比較好。甚至機器快壞掉時,可能會出現一些異音或看到什麼狀況,就會提醒這機器需要保養...

2023-05-18 14:11:59

我對於這則留言有疑慮
王展帆

王展帆

Rockwell 智慧製造應用發展經理

第一就是多資料源的整合。在廠房應用時,很多時候人要判斷一件事情,可能需要整合來自十幾個不同系統的資訊,需要去查系統 A、B、C…,看完後在腦袋中做統合的判斷。但現在可以透過 AI 快速整合來自於異質系統的資訊,讓人可以快速做判斷,這是第一步。

第二步就是用適當的工具協助人判斷。很多工廠有針對設備等的 KPI,或者生產管理的衡量指標。當指標訂出來後,就依所蒐集到的資訊,讓人可以快速做分析。透過標準化流程,讓工廠所有的管理部門都是一致的,透過統計或者各式各樣的工具幫助我們快速實踐...

2023-05-18 14:14:30

我對於這則留言有疑慮
覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

因為 AI 是從歷史資料學習,藉由重複性的運作可以很快學習,修正錯的地方,如果是非重複性的隨機運行,
2023-05-18 14:10:19

我對於這則留言有疑慮

question
面對市場少量多樣的需求趨勢,智慧製造可以創造什麼效益? 2 則對談comments 2023-05-18 14:19:07
覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

首先把少量多樣的需求內容拆解成不同的技術內涵,然後再把它組起來,變成可以去符合不同的工件。所謂的多樣,就是產生不同的工件,以加工程序來講,就會分成不同的技術模組,比如五個模組或是十個模組,每個模組個別做 AI 化。換下一個新的工件出來時,排列組合或許就不一樣,原有的 AI 在個別的地方還是可以使用個別的參數來優化。學習的不是工件本身,而是它的加工程序段來學習。當然最後所有程序組合成那一個少量多樣的工件時,這步驟也可以用 AI 模型處理。

2023-05-18 14:18:14

我對於這則留言有疑慮
王展帆

王展帆

Rockwell 智慧製造應用發展經理

產線習慣大量製造,一旦要改動流程,會是蠻大的痛點。同時,現在要能快速滿足客戶需求,這轉型驅動力又更強了。除了市場面的驅動,現在有更大的驅動來自於地緣政治和碳權,這兩者會造成反全球化的聲音越來越大。過去是全球化供應鏈,因為疫情、俄烏戰爭造成供應鏈無法出貨。過去全球化導致產品原料到出貨在全世界繞了三圈,現在從碳權來看是非常浪費的事。

反全球化會使越來越多製造廠要去分散風險,把原本大量製造單一產品的產線,變成是少量多樣、可以從頭做到尾的產線,甚至要做循環經濟,從生產到回收就是一個循環。這需要工廠能夠彈性生產、使用標準化、可持續性的工具,確保製造品質有一定水準。

2023-05-18 14:19:07

我對於這則留言有疑慮

question
就您觀察,企業應用 AI 上是否會擔心失誤造成的損失?如何克服? 3 則對談comments 2023-05-18 14:24:24
饒達仁

饒達仁

工研院機械與系統研究所所長

智慧製造要改變一個程序時,是蠻嚴謹的,不會任意因為技術好就換掉整個產線,必須要在機台上去試,藉由產業標準認證,證實這比原來的方式好,才會去汰換或取代。

特別是現在從大量生產走向少量多樣,對製造業的影響蠻大的,原來一次可以做 100 萬個,現在 10 萬個就要換線。換線對製造業來說是很頭痛的事,還要調機,需要花上幾天或幾周。現在藉由 AI,可以在雲端最佳化換線的程序,在雲端上計算好每個步驟該怎麼做,最終可以快速換線,不像以前都要一個一個試。

2023-05-18 14:22:09

我對於這則留言有疑慮

舉例來說,我們有個機器人是用刀具磨水龍頭,過去要滿足不同品牌的水龍頭規格,就要換不同的刀具。現在只需要刀具的 3D 模型,機器就可以在雲端先知道用哪些刀具、程序,最後就達到結果。這在以前要幾個禮拜才可以調機出來,現在幾天,甚至最快一天,就可以完成調機,幫忙製造業解決少量多樣的挑戰,能夠更快速去應變

相信未來 ChatGPT 也可以帶來很大的影響,在設計出來後,雲端就可以算出哪些地方要用哪些材料、組成材料的製造程序、如何做是最好的等等。材料和程序最終還是要有人去判定生成 AI 的結果是否正確,甚至要考量到時間和經濟成本,這可能現在的生成式 AI 不一定會考量。

2023-05-18 14:23:09

我對於這則留言有疑慮
王展帆

王展帆

Rockwell 智慧製造應用發展經理

絕對不是所有系統都是適合用 AI 系統,我們會用標準方式評估若出問題會造成的財務等損失,再來判斷是不是適合用 AI,就像買保險一樣,一定是有精算過合不合乎這投資的價值。在做企業 AI 應用時,關於安全的控制系統就不會用 AI 去做,因為這一定是要百分之百準確的、完全不能有偏誤。但若是做 quality(品質)的檢測或是排程判斷,AI 可以優化生產流程,同時當有失誤時不會造成重大影響,就可以做 AI 應用

再更進一步,我們會去限縮 AI 應用操作區間,比如說溫度在 40 到 60 度 C 時,能夠用 AI 做判斷,但超過或低於這範圍時,就不用 AI 做判斷,改為人為手動。因為 AI 的基礎是過去的資料,藉由統計數據和資料去限縮它合理的操作範圍,如此應用就相對安全。

2023-05-18 14:24:24

我對於這則留言有疑慮

question
數據收集是 AI 應用的基礎,目前企業在收集數據上有沒有遇到什麼的挑戰或困難? 5 則對談comments 2023-05-18 14:30:00
覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

一般企業不知道什麼資料該收集、哪個機台要收集什麼資料,我也看到很多廠商收集的資料可能大部分都是沒用的資料,或者是非立即性需要的資料。我還是回到剛剛所提,應該先去盤點生產線的痛點在什麼地方,數位轉型是為了解決痛點,才做資料的收集,應該是這樣比較好。

2023-05-18 14:25:22

我對於這則留言有疑慮
王展帆

王展帆

Rockwell 智慧製造應用發展經理

最重大的挑戰就是成本過大,我剛剛提到的很多 AI 應用,會發現數據收集的成本是遠大於其他投資的。成本包含很多面向,比如如何佈置感測器?放這些感測器會不會影響生產?如何做拉配線?在一些食品生產場域,它的生產程序是需要經過一些認證的,如果要配置感測器,這些認證是否就要重來?要考慮非常多因素。若一台機台要加 3 個感測器,1,000 個機台就要加 3,000 個,這成本就會變得很巨大,也許這能夠解決問題,但不符合經濟效益。

所以我們會去評估每個問題是不是適合拿來做 AI 分析,先就流程面探討。過去我們有做過機台的排程或加工分析,理論上這類應用需要收集很多現場數據資料,但這樣做成本過大,工廠會裹足不前,不知該怎麼投資。所以我們第一步先不收數據資料,而是先做數位化,也就是說由人工填表,或透過間接方式得到數據資料,去驗證管理方法是有效的。當這個方法的管理效益可以被核算之後,我們才回來談「如何收集大量數據」,有了 ROI,這投資才比較能進行下去...

2023-05-18 14:26:48

我對於這則留言有疑慮
饒達仁

饒達仁

工研院機械與系統研究所所長

產線要安裝感測器、要產生什麼數據,都不會是倉促的決定,一定會都做很多實驗與測試,最後會確認效益才導入。現在最大的問題通常是,要做好智慧自動化,要投入不少成本。很多大公司花了五年、十年投入智慧自動化,投資金額都是數千萬、甚至數億元,對台灣多數是中小企業的製造業來說,沒法一下子投入這麼多成本。

工研院會建議公司先從節能減碳下手,藉由節能、節電省出一些資金,把它投資到智慧製造,安裝感測器或者導入新技術。所以我會請企業去思考節電,節電就是減碳的第一要務,不然當電費提高,對企業來說是很大的成本...

2023-05-18 14:29:14

我對於這則留言有疑慮
王展帆

王展帆

Rockwell 智慧製造應用發展經理

AI 在製程應用上是比較破碎的,不是一個有架構性、泛用的應用,需要根據每個場域的狀況做調整的。或許我
2023-05-18 14:28:01

我對於這則留言有疑慮

question
AI 要如何與人協作創造出更大的價值? 4 則對談comments 2023-05-18 14:36:40
饒達仁

饒達仁

工研院機械與系統研究所所長

從工業 2.0 到工業 4.0,是用機器手臂取代原來的人力,就像現在的汽車工業,產線從頭到尾大都是機器手臂去操控組裝。但有滿多的製造程序,需要人協助做調整,這樣的「人機協作」正在發展中。比如說,未來可能是兩隻機器手臂把物件抓穩了,用機器手臂放上東西,取代人工放置。從人操作到機器操作,這之間的變化,代表機器手臂必須要透過學習、應用 AI。未來人機協作導入到工廠會漸漸變多,這還是進行式...

2023-05-18 14:33:41

我對於這則留言有疑慮
王展帆

王展帆

Rockwell 智慧製造應用發展經理

要應用 AI 不單純只是一個技術,而是要用這些「技術」搭配對這個組織與管理有足夠的了解的「人」,才能去驅動轉型。我們放大格局來看,現在製造業真正的問題是什麼?AI 可以解決什麼問題?要解決的問題重點可能不會是生產效率或品質,我看到真正的問題在於製造業面臨的困境,首先是需求疲軟,再者同質性高、產能過剩,不是產能不足。生產同樣產品的供應商太多,供過於求,特別是在中國大陸的製造業產能起來了後,大眾製造品不虞匱乏,價格一直往下拉,使得原本的產業龍頭企業,要去思考如何做出差異化、異質性,如何創造需求?這需要有「人」才能實現,不是 AI 可以做到的。AI 可以協助確保後面的製造流程不需要像以前這麼多人,但要找具有高專業背景的人管理更多系統...

2023-05-18 14:35:58

我對於這則留言有疑慮
饒達仁

饒達仁

工研院機械與系統研究所所長

至於用 AR 或 VR 技術應用在遠端智慧製造,多半還是教學、訓練上,比如說,在遠端教新進員工操作機
2023-05-18 14:34:36

我對於這則留言有疑慮

question
您提到要協助製造業應用 AI,需要先了解客戶的痛點。但當製造業無法具體化痛點時,會如何協助企業確認要解決的問題為何? 3 則對談comments 2023-05-18 14:39:35
王展帆

王展帆

Rockwell 智慧製造應用發展經理

這個問題非常好,我覺得 10 個客戶有 8 個大概是這樣的狀況,這時候需要去協助梳理問題出在哪一環節,拆解產線的狀況做總體調查。接著做 benchmark(基準),例如食品製造商  benchmark 某個國際大廠,比較差異在哪?當它提升之後,可以做到跟這個 benchmark 一樣,給製造商初步指引。與其說去幫企業賣產品,我覺得更重要的是畫出改革藍圖比較有幫助

這幾年開始,具有一定規模企業都會有數位轉型的團隊,通常會是隸屬於 CEO 之下。廠房也是一個極度保守的單位,要做改革時,大部分的員工會覺得為什麼要做改變?所以當管理層看到趨勢,覺察到再不改變不行,就會成立中央單位,專門做智慧製造或流程優化,這需要靠跨部門、跨領域的整合人才,包括研發、製造、面向市場的人,才能真的去執行轉型...

2023-05-18 14:37:43

我對於這則留言有疑慮
另一方面,我們公司會把 OT、IT和熟悉這個製造領域的人集結在一起,對接客戶。客戶轉型所需的工具、技
2023-05-18 14:38:38

我對於這則留言有疑慮

question
尚有哪些智慧製造迷思待突破?下一步的挑戰有哪些? 6 則對談comments 2023-05-18 14:45:28
覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

製造範圍多元且廣泛,中小企業來說,製造的 domain know-how 都是藏在資深師傅的經驗裡,要導入數位化、智慧化,會與老師傅原有的行為有所衝突,沒法一下子轉移,要老師傅有能力、有意願做數位轉型是比較困難的,這會是企業主比較要面對的挑戰...

2023-05-18 14:40:30

我對於這則留言有疑慮
饒達仁

饒達仁

工研院機械與系統研究所所長

廠商要有個觀念,不是機器人或 AI 取代所有的人力,而是人力需求變成高階或智慧化人力。再加上現在少子化,人力精簡或有效率的使用已是全球趨勢。

節能減碳是必定要做的,勢必會需要花錢投資,企業可以找合作的廠商或單位來提供建議,從這些建議中,選擇先做哪一些部分,最有成效。因為如果不做,將來很快的就失去優勢。

2023-05-18 14:42:01

我對於這則留言有疑慮
王展帆

王展帆

Rockwell 智慧製造應用發展經理

我覺得有兩個挑戰,第一個是資料串接、異質資料的整合。製造業不是沒有資料,而是這些資料沒有辦法整合。例如要做 energy optimization(能源優化),所需要的資料不只有能源,還需要設備、產能、外面的溫度等資料,但要怎麼整合?現在對製造業來說是很大的困難。

第二個挑戰是人才整合。做 AI 應用時,需要三種人才:懂自動化的 OT 人才、會使用 IT 工具的 IT 人才、懂 domain 知識的人才。但這三種人才很難在一間公司同時存在或是彼此配合...

2023-05-18 14:43:15

我對於這則留言有疑慮
覺文郁

覺文郁

台灣大學機械工程系終身特聘教授

從人來看,資深師傅會怕數位化之後工作就被取代,所以較沒有意願去配合,企業要從外面找年輕一代來做數位化
2023-05-18 14:41:21

我對於這則留言有疑慮

分享 Share シェア

facebooklinetwitterlinkedin

延伸閱讀 Read more

中小企業永續轉型之路 3:企業強化韌性,及早因應風險

中小企業永續轉型之路 3:企業強化韌性,及早因應風險

企業要永續經營,辨識風險是重要任務。專業的永續人員能夠協助企業提早因應風險、擬定對策,並且善用風險管理工具評估企業永續發展的優先議題,如此一來才能強化企業生存韌性,而企業主們對風險意識的認知,更是關鍵。

2023-05-16 10:30:00

京茂機電利用物聯網實踐數位轉型,跨足航太製造

京茂機電利用物聯網實踐數位轉型,跨足航太製造

疫情與戰爭帶來快速更迭的世界,面對缺工與原物料供給不穩定,製造業需要快速搜集數據,以自動化的生產排程來掌握產能與交期。京茂機電以汽車零件製造為基礎,利用物聯網與 AI 轉型為智慧製造,成為航太製造業的「隱形冠軍」。

2022-11-17 12:00:00

AIoT 聯手 5G,智慧工安國家隊數位化基礎建設進軍國際

AIoT 聯手 5G,智慧工安國家隊數位化基礎建設進軍國際

高雄亞灣為鋼鐵、石化業的聚集地,佐翼科技看到施作端的工安疑慮,利用其無人機背景與半導體自動化設備商萬潤合作,攜手中華電信提供的 5G 專網,「以大帶小」推出工安智慧巡檢應用。AIoT 與 5G 應用如何幫助製造業數位轉型?

2022-12-01 12:00:00

AI 改寫加工流程,巴涼科技以智慧製造擁抱 ESG

AI 改寫加工流程,巴涼科技以智慧製造擁抱 ESG

工業 4.0 浪潮席捲而來,台灣加工製造流程仍仰賴人力,耗時費力,帶來不穩定的生產製造風險。新創團隊巴涼科技(RemoteNC)利用 AI 與雲端技術,翻轉既有流程,創造客戶導向的智慧製造價值。

2022-09-20 10:30:00

AI 智慧韌性時代:從 Cost-down 到 Scale-up

AI 智慧韌性時代:從 Cost-down 到 Scale-up

復甦之後更難滿足的全球供應鏈,緯穎科技以 ODM-direct 原廠直銷模式提供智慧製造與銷售服務 ,是打造韌性供應鏈的典範案例。

2021-10-08 12:35:00

時間標記 Timestamp

EPEPISODE #旭沙龍-張育寧時間

EP #
邀請已成功寄出 Sucessfully sent