台南魚塭旁的AI重鎮　車燈大廠堤維西用「AI師傅」顧產線、教學徒

在傳統製造業的工廠裡，經驗豐富的「老師傅」，也就是資深工程師，是讓產線順利運轉的靈魂人物，他們能依照每天天氣、溫濕度，調整各種機台的生產參數，人腦就像電腦一樣考不倒。

但這些龐雜的產線經驗卻難以複製、有系統地教學，以至於生產過度依賴單一工程師。

莊泰旭舉例，有一次生產某款特殊車燈時，試做了好幾次都無法產出良品，最後只好先擱置，到隔天再生產，「為什麼要隔天才能做？因為唯一會做的工程師那天請假，沒有他，這個機台就動不了。」

傳產工廠高度仰賴人力運作，在缺工潮襲來時，處境更顯嚴峻。不只要擔心今天開不了工，更擔心的是，如果老師傅退休，下一代接不接得起來？「我們看到這些問題，就想來試試看，希望AI能幫我們把師傅的經驗標準化、系統化保存下來，也能降低新人的學習曲線，」莊泰旭直言。

廣告

幫助許多製造業者導入AI的杰倫智能科技執行長黃建豪也指出，除了在台灣，長期地緣政治讓許多台灣製造業必須跨出華語圈，如果能將AI廣泛運用在產線上，那不同國家、語言的員工都能加速上手，縮短語言隔閡導致的陣痛期。

IT部門當內外團隊的橋梁

AI為製造現場帶來新的想像，但一做下去才知其難。

首先，要有足夠的產線資料才能訓練AI模型，但堤維西廠內的機台年份橫跨超過30年，品牌各有不同，因此要統一通訊協定來蒐集資料，就花了不少時間；一切建置好後，又花了一整年才蒐集到足夠的訓練數據。

但更困難的挑戰還在後面。產線上一部機台，光是可以調整的生產參數就有數十種，參數之間還會互相干擾，生產時間拉長後，參數還得跟著變化，這些複雜的調整邏輯和生產技術，多年來都在老師傅的腦袋中，從未被科學化地記錄下來。

廣告

因此，資深工程師必須把這些產線知識和思考邏輯，講解給專門負責建立AI模型的外部團隊聽，而AI團隊也要讓產線人員清楚模型的運作方式，雙方才能理解如何溝通合作，共同調整演算法。

雙方一起訓練AI這位菜鳥工程師，花了9個月才首度讓它應用在產線上，算是「出師」。

莊泰旭認為，這段過程中最重要的，便是要有一個對產線情況和AI技術都熟悉，也善於協調溝通的IT資訊部門。

「我的要求是你不要只會寫程式，你必須了解公司所有的know-how、所有SOP，才能協助用戶（產線工程師）思考系統要達到哪些功能，」主管資訊部的堤維西行政管理處協理徐玉慧指出，自家IT部門不但當起「專案經理」負責協調，也是產線人員和外部AI團隊之間的翻譯，幫助雙方容易理解彼此的語言和目標，更快取得共識。

觀念改變和技術一樣重要

除了產線，堤維西也嘗試將AI融入營運決策中。

廣告

汽車AM市場的特性是要即時供應，從客戶下單、工廠生產到出貨往往只有2週時間。如果能預先掌握訂單內容，提前準備生產，便可以縮短出貨時間。

堤維西從約3萬種品項中，挑選出客戶最常採購的4300款車燈，利用過去10年的銷售資料訓練AI模型，預測接單。

在疫情前，這套系統的預測準確率已高達八成，但由於疫情期間物流不順，加上近年AM零件需求變化較大，計劃暫時停擺；但莊泰旭認為，在需求回穩後，只要繼續餵資料給這套模型，「它應該是一個可預期、可實戰的東西。」

在經過一系列AI實戰後，徐玉慧坦言，「我感覺我們的觀念還需要改變。」譬如，許多現場人員想像的資訊系統，仍是人需要什麼、系統給出來就好。但AI模型有自己的判斷邏輯，可能會給出和現場人員截然不同的答案。

廣告

如果擁抱AI，「可能幫助工程師從其他角度分析，甚至找到盲點，」她認為，由於觀念轉變太大，她仍只能鼓勵先試著用用看，「讓機器來學習你的經驗，這樣才有可能優化。」

面對AI可能帶來的巨大改變，在製造現場待了40年的莊泰旭則是難掩興奮，「你會覺得，我們想像的東西終於出來了，甚至還更強大、更進步！也想要趕快用上AI，幫助我們的員工，就怕我們不會用，」他說。

（責任編輯：王儷華）