如何善用资讯科技来协助各行各业提升各种效率，包含像是AI人工智慧、大数据分析，已经是每个企业主所关注的重要议题。随着AI技术的不断提升，透过高速的资料传输、高解析度的摄影监控以及越来越完美的专家系统导入，让制造业可以轻松透过AI来协助生产线的良率、出货前仓管的效率 、甚至到最后出货与收货时的效率。
今（11/29)日，经济部工业局为协助制造业数位转型智慧制造，特别在资策会数位教育研究所台中学习中心，举办了“制造业瑕疵检测解决方案研讨会”，邀请来自NVIDIA、台达电子、杰腾智能、慧稳科技等各方面的AI专家，分享如何应用AI人工智慧于制造生产流程。同时，资策会地方创生服务处长 洪毓祥，也分享了企业在面对数位转型浪潮下所应有的企业策略思维。
图 / “制造业瑕疵检测解决方案研讨会”中聚集了台湾业界的菁英，一同学习切磋企业如何应用AI来协助。
图 / 活动一开始由资策会地方创生服务处 洪毓祥处长开场致词。
提供机器学习及资料平台解决方案的杰腾智能执行长 徐绍钟，首先做了精彩的分享，举出如何协助制造业，透过AI于工厂端提升工业4.0价值的技术与案例。
图 / 杰腾智能执行长 徐绍钟。
他表示，制造业制程复杂，当产品出问题时，很难从生产回溯找出前段制程的肇因，透过大数据分析的介入，便可从成千上百种涉及人、机、料、法、环等生产参数的条件下，依据关联性快速筛选出可能影响生产品质的关键。
图 / 影像与缺陷辨识落地案例。
资策会地方创生服务处处长 洪毓祥紧接着分享了企业数位转型的各个面向与方法。他首先表示，台湾企业面对数位转型通常面临三大困难：第一是基层员工反弹、第二是企业中数位转型专业的缺乏、第三是如何选择数位工具与企业中的资源配置。
图 / 资策会地方创生服务处处长 洪毓祥紧分享了企业数位转型的各个面向与方法。
面对这三大困难，数位转型不会一步到位，而是不断的调整，逐步强化让企业受益。而对于多数企业来说，数位转型的风险过大，因此透过数位技术改善流程提升效率、降低成本的“数位优化”，才是当前刻不容缓的必要行动！
此外，洪毓祥也分享了资策会相当丰富的协助企业数位转型的案例，其中涵盖了工控资讯安全与智慧眼镜等领域。
图 / 多数的企业都相当注重数位转型议题，因为若具体执行可以带来像是降低成本与增加效率等好处，进而提升企业竞争力。
接着研讨会中也邀请到获得2018年矽谷 NVIDIA GTC Jetton Robotics Challenge 世界冠军 李浚屹教授来分享；他提到，机器人手臂可先透过虚拟世界学习，并有安全性的特性，能有效加快机器学习的速度。实际分享具备人工智慧的机器人（装了轮子），成功的在学校安全的移动，自动闪避障碍物与移动中的人和汽车。充分展现视觉知能技术如何随时判断闪避障碍物来按照预定的路沿线来移动。
图 / 李浚屹教授分享了相当精彩的实际应用案例。
活动下半部一开始，由NVIDIA资深解决方案架构师 刘冠良博士进行案例分享。他提到，NVIDIA 提供人工智慧平台，包含完整开发所需的软体资源，加速生产开发瑕疵检测智慧化的解决方案，协助台湾制造业者顺利导AI，优化生产流程。
图 / NVIDIA资深解决方案架构师 刘冠良博士。
图 / IVA智慧影像辨识分析系统的工作流程应用了相当多的技术。
刘冠良也分享产线如何应用AI自动检测，在产线中判断笔记型电脑的外观是否正常，而汽车零组件（如齿轮）也能透过机械手臂来检测不良品，比人工更有效率与精准。此外，IVA 深度学习也可透过GPU来协助。
图 / AI平台的架构图。
台达电子 AI创新中心博士 罗少廷则分享，AI视觉检测系统可以省下大量人眼检核的成本，瑕疵检测是目前视觉检测中最困难的部分，过去的视觉辨识系统皆需要人员调整，但是不同机台、不同人员训练出来的检测标准将可能有差异。
借由导入深度学习架构，事先透过训练即可快速上线，还能自主学习，将能获得更一直性的瑕疵检测标准。
图 / 台达电子 AI创新中心博士 罗少廷。
图 / 在人工智慧与机器学习过程中，研发部门最大的挑战是如何监测机器是否正常。
图 / 螺丝的检测也能善用AI技术来侦测与检讨不良品之发生。
活动最后，由慧稳科技总经理 林耿呈博士，进一步分享了“深度学习”影像辨识于工厂实例的运用，以高附加价值的运动用品为例，分享如何透过AI技术管理产品表面的瑕疵。
图 / 慧稳科技总经理 林耿呈博士。
图 / 深度学习从1958年就开始发展，一路上不断演进发展更趋于完善。
图 / 智慧工厂如何透过影像辨识系统，以及AI与深度学习来进行。
图 / 如何导入AI科技？怎么执行？以上六大问题相信都是每个企业主都很关注的议题。
图 / 建立一个好的AI团队需要多种面向的角色；例如有AI训练师、资料科学家、资料标注员，以及刚上述三者沟通串起的连接者。
制造业透过人力进行瑕疵检测与品质控管，几乎每个制程都需要过QC这关。由于现行常见的AOI设备过筛机率高，迫使业者往往要花额外人力成本进行人工第二次筛检并进行分类，不但耗费人力，更无法确保产品生产品质。
利用AI透过影像辨识与深度学习技术取代人工进行复判与分类降低AOI检测缺陷，可成功改善人工复检的繁琐流程，并降低原本超过7成的过筛率，不仅节省人力更大幅提升产品品质。
图 / 活动结束后大家也进行了QA互动，发现大家对于如何利用AI来协助制造业做瑕疵检测的方式很感兴趣，且收获良多。
人工智慧将无所不在，未来的人工智慧应用将会像呼吸一样自然，大至整个城市的运作，小至民宅的门铃都能派上用场。透过NVIDIA硬体与强大软体的协助下，即使是不熟悉 AI 的人也能够轻松驾驭，无论是用于医疗保健的 NVIDIA Clara、用于智慧城市的 NVIDIA Metropolis、或是自动驾驶车软体 NVIDIA DRIVE，乃至于今日所做的产线检测瑕疵品应用，都可以获得解决。
制造业未来面临的问题在于生产需求变化快速，业者将更频繁地改变产线内容，以迎合多样化的需求，这将使机器在导入 AI 时，必须具备更大量的数据资料与更多样化的学习模式，才能应变瞬息万变的市场需求。
经济部工业局积极推动台湾制造业数位转型，导入 AI技术建立智慧制造系统解决方案，提升产线效率与机台附加价值，期望能进一步带动国内产业升级，加速制造业数位转型，开创竞争力。
