李建梁摄
透过「人脑」跟「计算机」的双脑合作，当未来数据量越来越充足时，就能减少对人工知识的依赖，更快找出最佳的制程参数组合。
制程是制造业的共通需求，不论是高科技的半导体研发，或是传统产业如石化业的材料组合，又或是生医产业开发新药时的化合物组成，都会面临制程优化的议题。其中，制程里的「参数」就像食谱配方，透过调整不同组合，影响最终的产品规格、产能和良率。制程可说是影响产业创新的关键，考验厂商能否更快推出更具竞争力的产品，拉开与对手的差距。
然而制程参数的调整，极度仰赖深厚的人工经验与知识，这一块过去被认为是神圣不可侵犯的地方，不是机器可以做到的；但当AI技术精进后，就大有可为。建议制造业者可以思考以下两个方向：运用人工智能(AI)找出最佳制程参数、善用小数据克服产业导入AI的瓶颈，加速实现智能制造。
运用AI找出最佳制程参数
以石化业为例，制程复杂，涵盖温度、压力、入料量、触媒溶剂添加比例等近20个重要参数搭配，再加上石化业的参数调整又有高度安全性考虑，如果调整错误甚至会引起爆炸，过去只能依赖人员经验，进行保守性调整。像这种多目标的优化过程，需提高生产效率，又要节省制程耗能，还要符合安全顾虑。
在工研院擘画2030技术策略与蓝图中，工研院投入共通基础技术AI创新研发，发展出「制程智慧分析与配方参数优化」技术，即是以AI算法，协助产业以最快时间，找出最佳制程配方。
工研院研发团队根据几十万笔仿真资料，先建立一个AI模型，再套入现场少量的几百笔数据，修正仿真器误差，最终产出最佳参数建议。这项技术不仅能改善原有制程，更重要的意义是，能帮助业者探索从未接触过的制程配方。「制程智慧分析与配方参数优化」技术，能为业者节省3%的能源消耗，相当于千万以上的成本。
善用小数据克服产业导入AI的瓶颈
数据是训练AI的最佳养分，有效的数据量越多，分析更精准；然而，数据量不足，是许多制造业者导入AI的瓶颈。例如，过去业界对于制程参数的调整，大多采用经验法则，逐一试验各种参数组合，这个做法不仅耗时费力，也极度垫高研发成本，当人才流失或培育不及时，许多公司也会面临知识断层的状况。
工研院团队在研发「制程智慧分析与配方参数优化」之初，则选择能有效运用少量数据、数据的「贝氏优化算法」，不需完整解析模型全貌，也能就现有数据推论分析最佳操作区域，有效克服产业想导入AI，数据量却相对不足的门坎。
此外，在研发相关制程参数优化的同时，研发团队与制程工程师密切互动也很重要，必须深入了解产业中最重要的关键参数为何，或是哪几个参数存在高度关联性，让AI的判读更加准确；当分析结果出炉时，工程师也能协助以过去经验，初步判断AI的建议结果是否可行。
透过「人脑」跟「电脑」的双脑合作，当未来数据量越来越充足时，就能减少对人工知识的依赖，更快找出最佳的制程参数组合。
AI是提升制造业竞争力的最佳利器，以工研院开发「制程智慧分析与配方参数优化」技术来说，其应用潜力也相当惊人，可导入有制程概念的相关产业，例如石化业、光电半导体、钢铁业等。
有了AI当助手，各大产业就像是聘请了一位智慧主厨，随时都能端出优化的参数配方，协助台湾制造业突破转型瓶颈，加速实现智能制造。
(
(文章来源：电子时报，作者为工研院巨资中心执行长暨AI人工智能应用策略办公室副主任冯文生)
联系客服
