以AI轉動企業大機器,讓企業華麗轉身

成立於民國60年的中鋼公司,再邁入50周年的時刻,積極擁抱AI,導入智慧製造流程之後,讓傳統鋼鐵業華麗轉身,將AI內化為企業DNA,將IOT資訊完全貫通,創造完整流程解決方案,奠基百年基業的礎石。

國內鋼鐵業龍頭中鋼公司,集團年營業額已突破4000億元。為了追求集團的永續發展,在3年前積極思考引進AI的策略。中鋼公司技術副總經理蔡松釗形容,「就像到餐廳點餐一樣,首先要提供消費者菜單,待消費者點完菜,廚師要依菜單用料烹煮」,中鋼的「菜單」高達8,600道,配方有7,200種,客戶要的產品五花八門,如何符合消費者需求,又能協助中鋼轉型成功,成為中鋼的當務之急。

傳統鋼鐵製程的特色是過程冗長、複雜、分段且不連續,但內涵高科技,必須透過大數據及自動化來協助完成。生產過程從煉鋼、熱軋、冷軋、退火、精整到儲運等六個步驟,必須透過300-500個指令才能完成。以熱軋鋼帶製程來觀察,具備產線長、高速度、高精度、高自動化等特色,中鋼在40年前即推動自動化,進行資料蒐集,擁有40年的大數據,可以進行預測,鋼品的精度要求與巡弋飛彈要求的精度相當,2分鐘產出一捲成品,靠人工反應不及,唯一的解方就是導入智慧化,讓AI來協助提高精度。

「We don’t know what we don’t know」,蔡松釗點出大部分想要透過AI進行數位轉型的傳統企業的第一道難題,他說:「自動化和智慧化難以分辨,AI的興起使得Intelligence的形成有更多元的面向,但不知如何進行」,

中鋼的智慧化學習之路是「摸著石頭過河」,先利用熟悉的問題接觸AI,同時引進外部資源協助,如與IBM合作進行煉鋼SXX缺陷預測,與工研院合作煉鋼智能排程。以與IBM的合作為例,資料維度超過5000個,範圍龐大發散,資料缺失不足,無法找出重要的影響參數,使得初期準確率僅40%,之後降低維度讓模型易於收斂,再透過內部訓練,依領域知識去除無效因子,將準確率逐步提高至73%,然離90%的準確率仍有漫漫長路。

AI學習之路,中鋼足足走了三年

經過與專家實作之後,「We know what we don’t know」,蔡松釗表示,了解問題所在,就能夠找解方。傳統鋼鐵業所面臨的問題包括:景氣變化快且大、定單少量多樣、鋼鐵業吸引力降低、工安環保壓力大、基地受限設備老化等。因應環境變化,採取兩大策略,一、量產客製化,同中求異;二、縮小產品變異,異中求同。為邁向智慧製造的轉型之路,中鋼成立「智能產銷委員會(PMIC)」,從銷售、生產、物流、品管及服務來優化排程配置,快速因應顧客需求及景氣變化。

從一開始規劃116項行動方案,接著在顧問介入之後,聚焦到28項行動方案,最後整合至46項行動方案,從「We don’t know what we don’t know」到「We know what we don’t know」,再進化到「We know how to do」,這條AI學習之路,中鋼足足走了三年。

在不斷實作中滾動修正做法,沒辦法一步到位,這是蔡松釗認為推動數位轉型要成功的關鍵。他表示,智慧製造發展的成功要素是「3T」,即Technology、Talent及Team,必須要有外部IT技術支援、內部平台實踐,分層、全方位的內部人員訓練及全員參與,資源有效分配,專案分級分段實施。

就技術面來看,大數據迴歸、最佳化規劃、AI機器學習及深度學習等外部及內部研發技術,解決品質、設計、生產、排程、訂單、監診等問題。

導入AI之後,中鋼智能倉儲將資訊完全貫通,創造完整流程解決方案,車輛進廠至出廠時間縮短至平均40分鐘,尤其採用無人天車裝載,利用AI技術打關鍵節點。無人天車運用機器視覺系統於裝車、卸車時進行座標辨識,天車指揮系統則統籌鋼捲吊運排程最佳化、路徑規劃最佳化及智能吊運管理;主動式安全防護則基於深度學習之人員安全監控及行駛間障礙物自動辨識閃避等,後端有雲端倉儲管理系統進行車籍資料傳輸及裝卸車資料整合等。

出好題目,才能帶動解題

AI是廣泛名詞,必須進一步解構,分析、迴歸,了解哪一些技術要用在哪裡,就中鋼的經驗,AI導入有三大階段,內隱知識外顯化、外顯知識標準化,最後是標準知識再優化,從引導內部人員出題,往智慧化前進,挖掘內在問題,知識資料來源,再就既有流程/知識/資料創建模型,以確認功效及效益評估。最後一個階段,標準知識再優化,就是創建新模型優化流程,評估效益持續回饋再改進,讓流程越來越精進。

「一定要出好題目,將問題解構,再引進專家協助解決問題」,最後,促使中鋼同仁整合,以落實到產線上。蔡松釗強調,AI帶來企業內部流程變革及提升產業鏈的競爭力,成功關鍵是高階主管支持,基層工程師了解其重要性,凝聚共識,同仁具實戰經驗,由需求帶動,訓練出題的能力,才能帶動解題。

電商直購訂單解析自動化機器人 解決庫存問題

全台最大的黏扣帶專業工廠國紡企業生產黏扣帶,即俗稱魔鬼氈。全球頂尖的醫療器材供應商DJO、以拉鍊起家的YKK等國際大廠皆為其客戶,國紡能獲得YKK等大廠信任,主要是導入製造智慧化,為有效掌握庫存,導入電商直購訂單解析自動化機器人,庫存問題全都錄。

業界首屈一指的黏扣帶(魔鬼氈)專業製造商國紡企業,成立於1984年,創業初期30名員工,如今在台灣、越南等第員工加總超過330名。

國紡企業從整經廠、織布廠、染整廠、定型廠,提供一條龍服務。透過拉力、顏色檢測,以專業電腦分析選擇顏料組合及比例,提供穩定產品品質,有效區隔市場,建立了高品質黏扣帶市場的領導地位,並銷售60餘國遍及五大洲,全球頂尖的醫療器材供應商DJO、以拉鍊起家的YKK等國際大廠皆為國紡的客戶。

目前達15個電商平台需要仰賴大量人力進行訂單整理、庫存管理、出貨追蹤,以致於人力無法有效運用於產品與市場開發,目前雖已有另額外聘工讀生,但,僅更新單一電商資訊就需要工作到明年二月,難以快速反應市場需求;受限於人力,產品資訊資訊未能詳盡,導致亞馬遜產品分數難以更上一層樓。

導入AI機器人 全面掌握商品庫存資訊

資策會團隊針對上述問題,即提供電商直購訂單解析自動化機器人應用供其試用,依據國紡提供的新產品資訊,定時自動進行電商平台上架,定時自動於電商平台進行訂單檢核。

國紡能做到讓 YKK 等大廠信任,主要是導入製造智慧化,生產過程的溫度、濕度、速度等都被量化成數據,不僅累積大量生產數據後可提高效率、降低耗損,更能小量多樣化生產,就算冷門品項訂單也能接單。

電商直購訂單解析自動化機器人應用示意圖
圖:電商直購訂單解析自動化機器人應用示意圖 

由於少量多樣的特性,國紡企業每年約有4,000筆以上的訂單要開成出貨單,通常約累積15~30天才會一次開單扣庫,導致庫存永遠不準確,因此,資策會團隊利用AI軟體機器人方案,以發展POS庫存管理自動化機器人應用,當其訂單成立後,不需人員操作開單,自動串接POS扣庫,即時同步POS系統內庫存數量至各平台,讓「架上」與「庫存」數量一致化,以確保產品庫存資訊可靠度。 

應用案例小檔案 

應用公司:國紡企業股份有限公司 
技術提供: 資策會團隊 
產品名稱:電商直購訂單解析自動化機器人 
問題情境與市場缺口:國紡企業每年約有4,000筆以上的訂單要開出貨單,通常約累積15~30天才會一次開單扣庫,造成庫存永遠不準確,無法有效掌握庫存數量。 
透過AI達成效益:透過 AI軟體機器人方案,以發展POS庫存管理自動化機器人應用,當其訂單成立後,不需透過人員操作開單,自動串接POS扣庫,即時同步POS系統內庫存數量至各平台,讓「架上」與「庫存」數量一致化,以確保產品庫存資訊之可靠度

運用AI 緯創資通判斷高風險離職員工預測力達七成

AI在影像處理、語音處理及大數據預測,都有飛速的發展,並已展現出強大的威力,身為全球資訊產品主要供應商之一,緯創資通自然要擁抱AI,運用AI,對內協助判斷離職風險高員工、對外創造多元收益

「判斷誰是高風險離職員工,緯創AI目前有70%預測力。」緯創資通副董事長兼執行長黃柏漙表示,目前緯創人資部門(HR)透過AI工具選出400位高風險離職員工名單,其中發現160位已經離職,剩下來的240位高風險離職同仁就要加強關懷。透過AI,協助緯創降低人員離職成本。

AI應用多元,但要真正落地應用,必須在企業中形成共識,成立專責單位,組織從上到下全力支持、投入資源,並追蹤成效,緯創資通則是AI應用典範企業之一。

緯創導入AI的方式,從組織面開始調整,成立AI委員會,目前成員約10位,該單位位階高於事業群,直屬執行長,其中緯創策略規劃室副總經理王光宇擁有柏克萊大學機械博士背景,在AI團隊中扮演重要角色。各部門向 AI 委員會提出 AI專案,委員會定期開會,檢驗進度,確定成效;至於導入的AI技術,分為外購及內製,加速進行。

緯創在AI的應用,選擇三大應用,一為人員短期離職預測;二、智能光學檢查組裝動作智能辨識;三、智能光學檢查外觀檢測。

用AI預測高風險離職員工 降低離職率成本

首先,在人員短期離職預測方面,廠區製造直接人員需求變動大,因此,需要大量使用仲介公司之派遣直接員工,然因該類型人員離職率高,45天內離職率高達66%,不僅造成用人成本過高,人員頻繁更換,也造成管理上的困擾。

「我們很難直接問對方:你是不是想離職?但就要運用其他方法。」黃柏漙指出,藉由AI數據分析,找出影響短期離職的關鍵變因及其重要性順序,有助於提供公司進一步擬定管理上之對策,降低用人成本。

根據人力離職預測結果顯示,影響短期離職的因素中以所得相關變數(包括技術津貼、月平均薪資、夜班津貼)、工時相關變數包括(請假比、凌晨加班 次數、晚上加班次數)最為相關,此兩類變數佔模型解釋程度之90%。黃柏漙指出,以緯創中國工廠而言,流動率一年是110-120%,相當於每年工廠人力要換一輪,經過AI分析發現有9成集中11項特定因素,如津貼、月薪、工時等,員工離職短期預測可以協助工廠發現離職率影響關鍵,藉此改善,以解決旺季缺工問題。

此外,AI也可以協助主管做白領員工留才,黃柏漙說,分析過去10年資料,和各員工離職原因,例如更換主管、做無前景專案、加班等,藉此發現高風險離職員工後,HR可提前進行留才,以降低離職率。

AI人工檢測 視覺效率提升93%

緯創是製造業起家,把AI當作機器視覺訓練,取代人工檢測成為第一樁運用AI的案例。將工作拆分成影像資料處理及模型處理兩部分,傳統製作過程需多位AI工程師投入,極耗費資源。使用 AI 工具可讓沒AI專業生產人員循序漸進,模型經過機器學習,準確率提升。根據統計,AI視覺建模比傳統視覺效率提升93%

另外,產線OP雖然經過訓練,上缐後作業動作如果不完全符合SOP,會造成生產效率的損失與潛在的品質問題。建立一套可以偵測產線OP作業動作是否符合SOP的管理工具,當OP未按照SOP作業時 可以第一時間告知管理者,可以針對SOP的每一個動作進行引導和防呆。

黃柏漙表示,緯創持續推動AI專案,現階段效益還需要觀察,但相信會越用越聰明,工廠端的AOI檢測已經完全交給AI,至於管人的部分還要觀察,因為人具備不可測的因素較多。

即使緯創在AI領域有卓越的表現,但他坦言,AI應用有三大瓶頸,工程師資源不足是最大挑戰,因為AI開伐速度慢,費用高,初期使用效率低,由於投資成本高,考量ROI(投資回報率),目前僅在台灣跟中國工廠運用,未來待技術越來越純熟,才會擴大實施。