AI驅動製造業商業模式加速轉型
2024-09-03
FIND
新聞來源：
自Open AI於2022年推出Chat GPT，大型語言模型（LLM）對於輸入指令的理解分析能力及生成內容及答覆水準令人驚豔，各行各業開始廣泛地將生成式AI應用至產業當中。
隨著AI議題討論熱度達新高峰，產業AI化的議題也帶動企業思考能如何利用AI改善製造業內部流程，以利提升產品或服務的品質，同時降低管理、人事及生產成本等，維持及提升產業競爭力，進而成為升級及轉型的契機。
生成式AI席捲全球製造業
可用來創造文字與圖像的「生成式人工智慧（Generative artificial intelligence, GAI）」浪潮，已影響全球製造業，目前生成式AI已廣泛應用至各行各業像是文件撰寫、總結摘要與設計提案等。隨著AI技術整合到供應鏈網路，將徹底改變產品從工廠生產到送達消費者手上的每一個環節。因此《富比士》與國際調研機構Gartner都將生成式AI列為2024年增加供應鏈韌性、引領供應鏈創新的重要新科技，根據Gartner調查顯示，僅僅2%的企業領袖沒有計畫使用生成式AI。
全球市場正面臨勞動力短缺、產業數位轉型等因素，製造業對生成式AI的期待正迅速成長。根據MIC針對台灣製造業生成式AI發展現況調查顯示，2024年「有意願投入生成式AI」（Intention）加上「已規劃」（Planning）及「已導入（Adotion）」達22%的比例；其中，「軟體開發」與「IT系統」為業者優先投資應用的業務領域。
圖一：台灣製造業生成式AI導入現況
資料來源：MIC，資策會數轉院數位服務創新中心團隊整理
製造業AI八大應用驅動生產再進化
製程優化：AI演算法可藉由分析各種數據資料來優化製程，提升生產效率。例如，在製程開始前，AI可模擬並分析大量的歷史數據，提升設備性能與精度、維持產品的良率穩定度，以提高產品品質。
設備稼動：工廠在生產過程中的停機會對成本影響十分劇烈，透過機台數據即時搜集，將數據傳至雲端後可以進行AI分析。幫助製造商預先了解機台狀況，以方便安排何時需要更換零件、檢修，或是會出現故障的機率，以提升設備使用率、降低廠房管理成本及提升產能等。
勞動生產：當電腦視覺與機器學習技術開始被大量部署到產線上時，在工業與製造業場景上的人機協作與全自動化將會越來越普及。不論是組裝、搬運等不同任務，機器人都能取代重複性高的工作。
供需預測：供應鏈的快速變動提升企業營運不確定性，對於原物料時程與價格的預測需求開始顯現。透過歷史資料分析並建立AI模型，藉此對可能的結果提出預測，可幫助企業做出需求導向的正確決策。
庫存管理：當製造業要處理大量SKU、多種物料與外部物流等複雜環節時，不應該再用Excel報表作為管理工具。AI可即時處理多種複雜變因，強化工廠營運效率。
品質管理：從最初期的AOI光學檢測，到AI強化的AOI，確保產品品質，提生產線良率的AI應用已變成許多工廠的標準配備。此外，機器視覺檢測還可以協助製造現場的工安管理，在人、機、物料進入到危險區域時可以自動偵測發出警示。
產品上市：透過AI演算法找出最佳化的產品設計模型，利用機器學習演算法來協助工程師模擬產品設計；並結合數位孿生，製造業可以透過數據模擬出產品從出貨、生產、物流到售後的客戶需求預測等各種不同面向的應用。
售後服務： AI可以提供整體的資訊流透明化，進而從中找到優化成本方法。以物流運輸為例，利用AI計算貨櫃裝貨與物流路線，能讓整體物流到貨準時且耗費燃料成本大幅降低。
圖二：智慧化價值驅動的八大AI應用
資料來源：McKinsey，資策會數轉院數位服務創新中心團隊整理
結論
目前，生成式AI已經運用在尋找供應商、合約法規、生產模型設計、成本計算、優化庫存分配等領域。例如，國際物流公司Maersk和零售巨頭Walmart都使用AI聊天機器人的軟體來自動議價及合約管理；國際FMCG公司巨擘聯合利華，透過AI搜集網站數據自動為客戶評分，生成潛在新供應商列表，避免供應鏈斷鏈。
在智慧製造與數位轉型的浪潮下，期望透過AI帶動商業模式的轉型是許多台廠的策略目標，AI的垂直應用讓產線、營運細節更加透明化，有助於扭轉當前的產業競爭以及供應鏈危機。製造業的營運模式多為B2B，但是在彈性製造、快速小量生產的彈性需求下，必須開始思考終端市場與消費者的需求才能夠敏捷因應，並且提前部署原物料與產線動能。
製造業的智慧化與數位化，不僅只是購買機器設備或是採購雲端解決方案，更是一種思維與體質上的全面轉型；黑天鵝群飛時代，從疫情、供應鏈重組、通膨與地緣政治等不同因素影響，皆考驗著台灣製造業者的營運智慧與數位韌性，擁抱AI迎向全新商業模式帶動整體供應鏈轉型。
封面圖片來源：Unsplash
資料來源：資策會數轉院數位服務創新中心團隊整理