如何善用資訊科技來協助各行各業提升各種效率，包含像是AI人工智慧、大數據分析，已經是每個企業主所關注的重要議題。隨著AI技術的不斷提升，透過高速的資料傳輸、高解析度的攝影監控以及越來越完美的專家系統導入，讓製造業可以輕鬆透過AI來協助生產線的良率、出貨前倉管的效率 、甚至到最後出貨與收貨時的效率。

今（11/29)日，經濟部工業局為協助製造業數位轉型智慧製造，特別在資策會數位教育研究所台中學習中心，舉辦了「製造業瑕疵檢測解決方案研討會」，邀請來自NVIDIA、台達電子、傑騰智能、慧穩科技等各方面的AI專家，分享如何應用AI人工智慧於製造生產流程。同時，資策會地方創生服務處長 洪毓祥，也分享了企業在面對數位轉型浪潮下所應有的企業策略思維。

圖 /  「製造業瑕疵檢測解決方案研討會」中聚集了台灣業界的菁英，一同學習切磋企業如何應用AI來協助。

圖 /  活動一開始由資策會地方創生服務處 洪毓祥處長開場致詞。

提供機器學習及資料平台解決方案的傑騰智能執行長 徐紹鐘，首先做了精彩的分享，舉出如何協助製造業，透過AI於工廠端提升工業4.0價值的技術與案例。

圖 /  傑騰智能執行長 徐紹鐘。

他表示，製造業製程複雜，當產品出問題時，很難從生產回溯找出前段製程的肇因，透過大數據分析的介入，便可從成千上百種涉及人、機、料、法、環等生產參數的條件下，依據關聯性快速篩選出可能影響生產品質的關鍵。

圖 / 影像與缺陷辨識落地案例。

資策會地方創生服務處處長 洪毓祥緊接著分享了企業數位轉型的各個面向與方法。他首先表示，台灣企業面對數位轉型通常面臨三大困難：第一是基層員工反彈、第二是企業中數位轉型專業的缺乏、第三是如何選擇數位工具與企業中的資源配置。

圖 / 資策會地方創生服務處處長 洪毓祥緊分享了企業數位轉型的各個面向與方法。

面對這三大困難，數位轉型不會一步到位，而是不斷的調整，逐步強化讓企業受益。而對於多數企業來說，數位轉型的風險過大，因此透過數位技術改善流程提升效率、降低成本的「數位優化」，才是當前刻不容緩的必要行動！

此外，洪毓祥也分享了資策會相當豐富的協助企業數位轉型的案例，其中涵蓋了工控資訊安全與智慧眼鏡等領域。

圖 / 多數的企業都相當注重數位轉型議題，因為若具體執行可以帶來像是降低成本與增加效率等好處，進而提升企業競爭力。

接著研討會中也邀請到獲得2018年矽谷 NVIDIA GTC Jetton Robotics Challenge 世界冠軍 李濬屹教授來分享；他提到，機器人手臂可先透過虛擬世界學習，並有安全性的特性，能有效加快機器學習的速度。實際分享具備人工智慧的機器人（裝了輪子），成功的在學校安全的移動，自動閃避障礙物與移動中的人和汽車。充分展現視覺知能技術如何隨時判斷閃避障礙物來按照預定的路沿線來移動。

圖 /  李濬屹教授分享了相當精彩的實際應用案例。

活動下半部一開始，由NVIDIA資深解決方案架構師 劉冠良博士進行案例分享。他提到，NVIDIA 提供人工智慧平台，包含完整開發所需的軟體資源，加速生產開發瑕疵檢測智慧化的解決方案，協助台灣製造業者順利導AI，優化生產流程。

圖 /  NVIDIA資深解決方案架構師 劉冠良博士。

圖 /  IVA智慧影像辨識分析系統的工作流程應用了相當多的技術。

劉冠良也分享產線如何應用AI自動檢測，在產線中判斷筆記型電腦的外觀是否正常，而汽車零組件（如齒輪）也能透過機械手臂來檢測不良品，比人工更有效率與精準。此外，IVA 深度學習也可透過GPU來協助。

圖 /  AI平台的架構圖。

台達電子 AI創新中心博士 羅少廷則分享，AI視覺檢測系統可以省下大量人眼檢核的成本，瑕疵檢測是目前視覺檢測中最困難的部分，過去的視覺辨識系統皆需要人員調整，但是不同機台、不同人員訓練出來的檢測標準將可能有差異。

藉由導入深度學習架構，事先透過訓練即可快速上線，還能自主學習，將能獲得更一直性的瑕疵檢測標準。

圖 / 台達電子 AI創新中心博士 羅少廷。

圖 /  在人工智慧與機器學習過程中，研發部門最大的挑戰是如何監測機器是否正常。

圖 /  螺絲的檢測也能善用AI技術來偵測與檢討不良品之發生。

活動最後，由慧穩科技總經理 林耿呈博士，進一步分享了「深度學習」影像辨識於工廠實例的運用，以高附加價值的運動用品為例，分享如何透過AI技術管理產品表面的瑕疵。

圖 / 慧穩科技總經理 林耿呈博士。

圖 / 深度學習從1958年就開始發展，一路上不斷演進發展更趨於完善。

圖 / 智慧工廠如何透過影像辨識系統，以及AI與深度學習來進行。

圖  / 如何導入AI科技？怎麼執行？以上六大問題相信都是每個企業主都很關注的議題。

圖  / 建立一個好的AI團隊需要多種面向的角色；例如有AI訓練師、資料科學家、資料標註員，以及剛上述三者溝通串起的連接者。

製造業透過人力進行瑕疵檢測與品質控管，幾乎每個製程都需要過QC這關。由於現行常見的AOI設備過篩機率高，迫使業者往往要花額外人力成本進行人工第二次篩檢並進行分類，不但耗費人力，更無法確保產品生產品質。

利用AI透過影像辨識與深度學習技術取代人工進行複判與分類降低AOI檢測缺陷，可成功改善人工複檢的繁瑣流程，並降低原本超過7成的過篩率，不僅節省人力更大幅提升產品品質。

圖  / 活動結束後大家也進行了QA互動，發現大家對於如何利用AI來協助製造業做瑕疵檢測的方式很感興趣，且收穫良多。

人工智慧將無所不在，未來的人工智慧應用將會像呼吸一樣自然，大至整個城市的運作，小至民宅的門鈴都能派上用場。透過NVIDIA硬體與強大軟體的協助下，即使是不熟悉 AI 的人也能夠輕鬆駕馭，無論是用於醫療保健的 NVIDIA Clara、用於智慧城市的 NVIDIA Metropolis、或是自動駕駛車軟體 NVIDIA DRIVE，乃至於今日所做的產線檢測瑕疵品應用，都可以獲得解決。

製造業未來面臨的問題在於生產需求變化快速，業者將更頻繁地改變產線內容，以迎合多樣化的需求，這將使機器在導入 AI 時，必須具備更大量的數據資料與更多樣化的學習模式，才能應變瞬息萬變的市場需求。

經濟部工業局積極推動台灣製造業數位轉型，導入 AI技術建立智慧製造系統解決方案，提升產線效率與機台附加價值，期望能進一步帶動國內產業升級，加速製造業數位轉型，開創競爭力。