PTT評價

Re: [討論] 工業4.0對臺灣科技業有感嗎?

看板Tech_Job標題Re: [討論] 工業4.0對臺灣科技業有感嗎?作者
choral
(..)
時間推噓26 推:26 噓:0 →:27

※ 引述《Hiterler (希特勒)》之銘言:
: 什麼工業人工智慧 智慧型工廠 供應端最佳化
: 從2011喊了快十年
: 真的有改變科技業什麼嗎?
: 機械手臂也是老早就有的東西
: 還是本魯之前待的公司太小 接觸顧客少
: 所以沒有什麼用到的層面?
: -----
我就這幾年玩工業控制和這一兩年玩工業AI看到的跟諸位分享,
有錯還請不吝指正。

有不少應用是ML/DL熱門以後才跟著出現或進化的,
在工業上比較常用兩項:電腦視覺(CV)、故障預測和健康管理(PHM)
其他的我比較少碰到所以就沒特別提了。
至於工業上的數據分析(比如加工時間、故障率...之類的),
很多用最佳化或ML手法就可以得到一個不錯的解了,
用DL反而有種大砲打小鳥的感覺。
至於供應端最佳化,那種得要是全球性的供應鏈來分析才有參考意義,
台灣大部分廠商只有50家以下的直接供應商,
而且不少都沒有MES可供串接的情況下,
用隨機分布來算供應商到貨時間還比較快。

我都跟我的客戶和潛在客戶說工業4.0是浮動的,沒標準答案,還沒塵埃落定,
還在IT革命(第三次工業革命)的影響之中,
不然就說第四次工業革命就好啦,後面幹嘛要有小數點,
追求一個浮動標準是沒意義的,
重點在於要如何讓自己工廠獲利能最大化,如何合理配置人工、自動化以及AI的比例,
才是真的"智慧"。

比如說紡織業,利用CV(電腦視覺)可以讓錯誤檢出率提高個20%以上,
但對於機械加工業,CV在加工中幾乎無用武之地(你要用乾切削就當我沒說)。

對於某些設備產業,使用RNN based model(LSTM,GRU...etc),
可以近乎100%抓出設備出錯前的特徵,
但對加工業,只要換個工件種類,模型就得重新訓練。

講得再深入一點,
對於一間小工廠而言,把一條產線IOT化的錢都可以再蓋一條新產線了,
而IOT上傳的數據他們也沒能力分析,
甚至這種工廠連MES都沒有,更沒聽過SAP這種東西,當然ERP也是不存在的。
對於這種想搞IOT化工廠的老闆我都建議他們把錢省下來蓋新產線比較實在,
或是只把幾個PLC或是機械手臂連接網路能夠在故障的時候發送訊息就好,
有些甚至連自動化都稱不上(只有單一設備),
但,
光是這個看起來很簡單的PLC連網就能讓他們把晚班顧機台的人力省下來,
一點小投資,就有大大的收益。
至於再更進階的科技升級就我看來是沒意義的,
因為他們的訂單量就是這個小量體,還沒到量變能產生質變的程度。
這可以做為台灣很多小工廠的一個縮影。

而大間的科技業公司(集團),員工人數過萬,我接觸過的兩三家,
公司內部連AI部門都有了,
加上本來就有的Automation部門、RD部門、IT部門、CIM部門、EE部門,
他們自己就玩得風生水起的,有些應用我也覺得有趣,
而且其中一間的CTO本人也很懂這些技術,細節都講得出來,
對於一個快60歲的人來說,我深感佩服。(只是實際執行是怎樣我就不知道了 呵呵)
對於這種不缺人才也不缺資金的公司,
有時候只缺個知道這些技術是啥或者方向正確不隨波逐流的頭兒吧。

我認為台灣的工業鍊一直缺有力的頭跟尾,
頭是製造設備的廠商,
尾是系統整合產品的廠商,
而中間段的代工廠、元件廠普遍來說水準是中間偏上的,
加上一些感測和分析的技術作為輔助,
的確能夠提高毛利率和提升生產效率,這是不可否認的。

以上是我目前和台灣廠商打交道的經驗和心得,
感謝各位的閱讀。

--

※ PTT 留言評論
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.137.190.243 (臺灣)
PTT 網址

lazarus112108/24 22:50幾年前待過工廠,覺得AOI還滿蠢的,還要配一個人站

lazarus112108/24 22:50在那邊看pass與否,不知道現在ML是不是解決這問題了

lazarus112108/24 22:52元件飛到點位外也抓不到,壓壞後製程不少治具XD

Morphee08/24 23:15是說台達吧

Kayusumi08/24 23:26一些切削的損壞預估不知道怎麼搞,震動/聲音/視覺都有限

Kayusumi08/24 23:26

motan08/24 23:26不是說感測跟分析技術進步很多嗎,幾年應該差很多吧?

motan08/24 23:29工業4.0感覺就是又一波大吃小,以前小廠利潤不夠大廠看不上

motan08/24 23:29,等到大廠這些整合好,是不是增加的利潤就讓他們有動力去

motan08/24 23:29做本來沒興趣的生意了?

Kayusumi08/24 23:37最近被上面要求看TSN 暈

gj942l41l408/24 23:51換工件就得重新訓練這件事,是最近很多人想解決的

gj942l41l408/24 23:51是不是能從機台響應或特定sensor上找出問題並調整?

gj942l41l408/24 23:52繞過這個問題,甚至減少換工件時的調機時間

gj942l41l408/24 23:53台灣加工業很多都走小量多樣的,大量打不贏對面

iamala08/25 06:44感謝分享

egnaro12308/25 06:48push

amethystboy08/25 07:24推分享

CORYCHAN08/25 07:25推這篇的觀點

tripleb08/25 08:24沒錯 最後終究會回到現實面 錢

bartester08/25 08:42感謝分享

closedltw08/25 09:24覺得AOI蠢的老闆真的不少,本來幾千的元件要看,AOI幫忙

closedltw08/25 09:26篩到只有幾個,不用10秒就能複判完一片板子,但很多老闆

closedltw08/25 09:26認為只要多派幾個"有經驗"的老手,一樣可以抵掉一台機器

closedltw08/25 09:27大部分的老闆會願意導入標準化的XX系統,很多時候都是因

closedltw08/25 09:28為接到國外訂單,客戶要求才會購自動化設備,不然反正台

closedltw08/25 09:29灣人工便宜,人海戰術能解的,常常都是用人力直接解決

djboy08/25 10:10

bnd032708/25 10:35十分同意"不應該追求浮動標準"的觀念

Csongs08/25 12:38最後一段很認同

ppc08/25 13:27推心得

as663320808/25 13:49中小工廠還是無感拉

as663320808/25 13:49捨不得花錢的太多了

wayaba08/25 14:19推 謝謝分享

gospursgo2108/25 14:38

bear141408/25 15:03這篇清楚 其實最關鍵不是AI, 而是是否能判別帶來的價值

Jimmy03048908/25 15:23push

v8686106208/25 15:39推推

qwas6516651608/25 16:37

Zacctui08/25 16:56推這篇

somethingmor08/25 17:511F示範了甚麼叫無知

somethingmor08/25 17:51不過可悲的卻是代表大多數人的觀點

somethingmor08/25 17:53現在談的AI大多數都是假的 喊給老闆爽的

somethingmor08/25 17:54全球有做到基本功的工廠工業4.0跟大數據幾乎是零

somethingmor08/25 17:55更不用說是AI

choral08/25 21:30樓上這樣貶低別人只顯得沒格調而已

grex08/25 22:23good

daywalker08/26 08:42你沒看過不代表沒有 看你工廠的定義是什麼

daywalker08/26 08:43Data Center其實就是工廠 沒大數據?沒AI?

daywalker08/26 08:45然後別搞不懂目標 有賺錢的老闆不是追求多高端的廠房

daywalker08/26 08:46而是他們清楚知道目標是獲利 人工成本1塊自動化成本10

daywalker08/26 08:47搞自動化搞到要賠錢 何不開人力爽賺

swwf08/27 13:00推!