AI 視覺進駐電動汽機車製造商的智慧工廠

這家電動汽機車製造商藉由 AI 視覺，補足『人員動作』及『無聯網裝置』的數據缺口，確實達到製程品管，即時防呆，再次升級智慧工廠！

從導入前的效益評估、各式智慧工具整合到顯著改善成效，這家工廠的智慧製造系統及解決方案 處長 黃至偉 Charlie 分享運用 AI 視覺的心路歷程，藉由透明化所有細微風險，站內即刻排除後續補救成本，鞏固強調產品品質與安全性的企業理念。

謝謝 Charlie 今天來到這邊，我們有這樣子的機會能一起分享 PowerArena 跟 Gogoro 的合作，今天議程的第一階段，會討論電腦視覺的 AI 跟之前傳統產線，跟已經正在自動化以及智慧工廠產線當中做結合。Gogoro 近年有導入 PowerArena 的系統進去，可以請 Charlie 說明一下目前的狀況跟之前的狀況，大概是什麼樣的差異嗎？

Charlie: 好，謝謝主持人。Gogoro 在 2015 年開廠的時候，初期就已經導入 MES 系統去管控所有生產線製程履歷的收集。可是，隨著時間變化，產量的提升減少，對生產線造成一個 defect，就是我們的教育訓練。人員的部分有外勞有學生，然後也有本地的（員工），turnover rate 人員離職率的這個狀況，會造成製程品質上面的疑慮。

Charlie: 事實上我們也發現在早期，產品在市面上不到一個禮拜、一個月，就發現問題 warranty 的情形。產線上面有很多的情況，除了這些製程履歷，Step、MES 可以收集到的製程數據之外，人員如何組裝、誰組裝都無從去做追溯。在所有的不管是傳統製造產業，乘車也好，或者是四輪產業、二輪產業，甚至做伺服器的這些，其實大家都在組裝產業這個領域裡面，集體遇到同樣的問題。

Charlie: 那時候我們在導入 MES 之後，其實我一直在思考一個問題：怎麼樣去確保人員的 SOP 可以有效、確實地被執行？各位看過 Gogoro 之前網路上的一些分享影片，你等一下在我的影片上面也會看到，我們有建立電子化的 SOP，可是即便是這樣電子化的 SOP，也無從去 checking 人員是否真的照做，我們頂多可以確保做資料收集的那幾個步驟。即便如此，我們仍發現到一些漏洞，所以在 2017、18 年的時候，我們在做產量提升的同時，也思考看是不是可以用影像追蹤。大家傳統的做法是，發生這個問題我就是架一個攝影機，有問題的時候我再來追溯，可是這沒辦法有效地第一時間阻止錯誤的發生，通常都是事後在追查才會看到。

Charlie: 你們 checking 的影像技術，跟我們的 MES 系統做整合，我的目標就是 checking 幾個關鍵的品質站點，目前我們已經有 18 個站點要上，針對已經上的這些站點，我們看到顯著的成效。

您剛才有提到說現在導入已經將近有 18 個站點，導入到半程的 operation，然後說有碰到一些問題，導入上面不是那麼的簡單，可以講講看大概碰到什麼樣的問題嗎？

Charlie: 因為我們一般的產線，不可能一條產線只負責一種產品，那我們要負責的是多少？當做產品切換的時候，AI 怎麼知道現在切換的是哪個 model？要用什麼樣的 model 去做 checking？所以在這個導入的過程當中，我們不是導入一種產品，是導入全部在這條產線生產的產品，困難就在這裡。第一個 modeling 不是一套，modeling 是根據不同的總成料有好多套，再來就是一旦建好這個 modeling 之後，不管是 MES 也好或者 AI modeling 也好，我如何知道現在生產的東西到底是什麼東西？我用什麼樣的標準？Practice checking 就是 follow SOP 的標準，用什麼樣的標準去輔助 checking。

在還沒有導入這整套評管系統的時候，產品在進入到市場可能一個月開始，有一些 warranty claim 的狀況會出現，那現在這樣子的狀況有改善嗎？

Charlie: 前幾天稍微翻了一下我們的資料，一開始的時候我們 focus 在那 18 個站點。有導入的這些站點，我們會去 check 他們在市場上面反饋回來的 warranty，就目前來說，早期一個月以內 claim 回來的已經降成 zero，是非常顯著的。也就是說一旦導入了，當然也有配合產線的製作，我是相信初期導入，過了一個月兩個月一季兩季半年，我們來看，相信這個的效果是非常顯著的，很快速得把問題給 detect 掉。

在這些工作站上面，透過不論是物聯網、AI 機器視覺的裝置，去控制跟管理好它的品質，確定都不會有瑕疵品，或是之後可能會造成損壞的產品流入到市場。我們直接來看一下，導入進去的工站大概長什麼樣子。

Charlie: 這裡我要分享乘車組裝應用上的一個案例。這主要是在組裝乘車的前支架轉向機構，畫面的左邊和右邊，對 MES 來講它是兩個工站，左右平行兩個工站。在 PowerArena 介入之前，MES 是個別處理兩邊的工作行為，可是在 PowerArena 介入之後，可以同時藉由影像來去 checking 這兩邊的工作站，彼此之間或個別工作或協同工作是不是完整，當透過 PowerArena 跟 MES 的整合之後，我很明顯的可以看到，這兩個作業人員在協同合作，在組裝部分是一定要 follow process，不然 PowerArena 會把這個工作站 stop 下來。搭配 PowerArena 的 AI manager，透過 AI manager 做影片的回放，可以由產線的組長、班組長去確認，這個是可以放行的，還是需要再做檢修，大概是這樣的一個概念。

Charlie: 下面是我們比較獨特的作業方式，我們的產線不是用 conveyor，每一台乘車是用 AGV 做站點的切換。

所以如果有抓到哪一些步驟沒有完成或是沒有做完善，AGV 不會讓它過站是不是？

Charlie: 對 AGV 的動作跟 MES 整合，當整個工作站的作業還有畫面上這個 process 沒有做完，沒有收集到應收集的製程參數，包括扭力、測試值，MES 沒有收到 ok 的 command，AGV 不會往下走。

PowerArena AI 也是其中一個要確定有 confirm，才能有讓他過去的指令。

Charlie: PowerArena 最重要的一點就是處理平行工站的 process checking，沒有了 PowerArena，平行工站在目前來講，沒有一套系統有辦法處理。這樣的作業模式也相當適合在四輪車產業，因為我本身是從四輪出來的，四輪車產業的組裝模式、形態，基本上類似於我們現在用 AGV 的方式。

之前看到機器視覺的部分，可能都是組裝在電路板上面，是比較屬於 2D 的狀態，現在進入 3D 狀態的時候，整個乘車組裝的應用，機器視覺上面的應用也是有的。

Charlie: 這個是我們跟 PowerArena 一起整合出來的新的 model，我相信這樣的 model 也可以推展到不管是四輪產業，甚至半導體設備組裝業，其實都還蠻適合用這樣的方式，去確認製程品質。

在確認到有些組裝上面沒有完成步驟的話，是多快的時間之內 dashboard 會產生通知呢？會讓領班的人知道有這樣子的狀況？

Charlie: 基本上在出站的時候，為了不打擾作業的順暢度，會讓它在出站的時候一次做 checking，在出站的時候發現車子不會動，班組長 AI manager 的 pad 就會顯示 warning，當站本身會 call help，因為沒辦法出站的，很快速地班組長會先來 check，到底是產品的問題呢？來料的問題呢？還是工具的問題？還是真的是 process 的問題？

Charlie: 所以透過 PowerArena 的工具，我們可以很快的知道是 process 問題，還是工具的問題。以往無法做到的，通常會產生羅生門的地方就是，沒有人看到，PowerArena 幫我們補足了這一塊。

任何時間的記錄都能夠隨時再回去回溯，找到是哪個地方出錯。

Charlie: 這就是我們目前已經導入到產線上面有 camera 在 checking 的這幾個站點，因為作業機密的關係，我不方便把它點進去，大家可以看到上面有一個 alert，這個 alert 就是我剛剛講的，當我這個站點有發生這樣的 alert 的時候，我可以做回放的動作，我可以回來看到底是哪個工作步驟，這方便班組長去確認這個 in process 的 quality，到底可不可以被放行。

Charlie: 其實這整個的構成理念，在 quality 這個學門裡很早已經就有在講，就是所謂的 IPQC in process quality control 的概念，很多現代科技的進步，網路科技、 軟體科技進步，可是始終缺了一個東西就是 AI vision，因為 AI vision 可以讓這樣的一個概念完整的被呈現。

謝謝 Charlie 剛才有幫我們展示現在 PowerArena AI 的 dashboard 在 Gogoro 產線上面是如何去應用，它就是在制止一些瑕疵品或者是不良品，避免它不要流入到市場。以前如果說真的流入到市場，對 Gogoro 造成的衝擊是很大的嗎？

Charlie: 我當初在評估這幾個站點，你看到失效影響，我當然是把重點項目把它去識別化，你會看到其實對 Gogoro 的影響其實蠻大的。這個問題只有車輛無法動作，就是騎一騎動力會失效，都是這種問題，都是非常 critical 的問題，皮帶鏈條壽命會下降、剎車油制動力，這都是非常嚴重的問題。我在做 RPN 分析、失效模式分析的時候，會發現嚴重度事實上是蠻高的，發生度很低，這表示什麼？其實市場上的 case，以 ppm 來看的話，事實上它不常被發現，可是發生一件對每個車主來講就是百分之百。

Charlie: 檢出度的部分，大家可以看到，你的產線上到底有沒有辦法被有效得檢出，其實說真的，大部分的問題都還蠻困難的。檢出度 1-10 分，事實上都超過 5 分以上，尤其剎車制動力下降這個 8 分，車輛無法作動 8 分，這個是非常嚴重的，這是 2020 年的時候我們統計的資料，相對於下面來看的話，我們看到產線發生這個問題要花多少費用，只要在產線能夠發現，在檢修上面，有些甚至都不需要費用，只要能夠抓的出來，馬上檢修，基本上都 ok 的，可是一旦這個東西放到市場上面，那個費用都很嚇人。我是用這樣的方法去做整個專案的效率評估，我還沒有把另外一個對於品牌形象造成的 image 給計算進來，那想必是更大。

Charlie: 所以說我是希望能夠給大家，到時候評估這個案子的一個方向，這些都是隨手可得的 quality 工具，其實也沒有那麼難，用這樣的工具換算出來的 ROI 效果是非常可觀的，我也是用這樣的一個方式，去佈建去開展這樣的專案。

每一個階段、關鍵的站點，如果確實的把關，不會讓瑕疵品出去，出去的品質都是良率高達 甚至是到 100。您說之前原本有不良率的情況，甚至都到歸零的狀況。那我們接下來就進入到很快的 Q&A 時間，Charlie 我們有一些統計下來的問題想要請教您，現在大家都在講智慧製造，也在講智慧工廠、工業 4.0，而電腦視覺您覺得在這個環節當中，必要性是是佔了多大的比例？

Charlie: 智慧製造的領域跟範疇來看的話，其實我說真的 AI vision 對我來講，我覺得它是最後一塊拼圖。

Charlie: AI 的應用以電腦視覺來說，machine learning、data analysis，從 data 怎麼樣轉換成 strategic information，這兩塊都有人在做，老實說現在有很多公司面對到一個問題就是，缺工，尤其現在疫情後，大家發現原來做這個工作的人，他也不見得要回來上班，原來在這些人身上有公司的最珍貴的一些技能，其實就不見了，有些老師傅在做調整機台的 know-how 也不見了，在組裝產線，人員來來去去，好不容易訓練會的，他上手了，對整個企業來講，實際上是很大的損失。

Charlie: 對智慧製造的這個領域來講，初期他們開始做數位化轉型，再來做精實流程的整合，可是到最後就是要用到 AI 的 tool，AI vision 在這個地方其實佔有很大的一個部分，無法被量化的通常就是視覺的東西，你說它重不重要？非常重要。AI vision 事實上，基礎上是困難很多，導入的時程也是長很多，可是它有它存在的必要性，還有它主要的價值。

那在電腦視覺跟 AI 這個部分，導入進去 Gogoro 的工廠，實質上得到的幫助是什麼？

Charlie: Gogoro 實質上得到的幫助是，第一步當然是要確保在製品的製程品質，第二步非常重要的就是，當我們在做海外 OEM 產線的擴展，廠區不再是自己在這邊做，我們要拓展到海外去，面對的是各個不同國家語言背景的人，我怎麼確保產品在印度在中國在越南生產的時候，能夠 follow SOP？所以我是希望說，在台灣的產線有這樣的成功案例，那未來在做海外市場導入的時候，我會把它帶著一起走，我覺得這個是對 Gogoro 未來的海外市場拓展非常重要的一個基礎。

是啊，現在 Gogoro 在智慧機車的製造上，已經是台灣的領頭羊了，又導入進 PowerArena 的 AI，您又說如果能夠在一些國際不同的站點，也能同時做到標準工序的監控跟加強，包括品質的控管，這些幫助其實聽起來都是蠻關鍵的一件事情。最後謝謝 Charlie 今天的時間，在最後這段時間 Charlie 有沒有什麼事情想要跟我們特別分享的？

Charlie: 我想要跟各位聽眾分享，我面對很多的前輩或是朋友們，他們在面對智慧製造這件事情都會有一個迷思，什麼迷思呢？我不知道要選什麼樣的系統？我不知道要選什麼樣的軟體？我不知道怎麼樣去佈建我的 IT 人員、團隊？這些都是智慧製造裡面，大家都犯的很大的一個錯誤，其實智慧製造最重要的是什麼？最重要的是精實流程的佈建。

Charlie: 我們在討論智慧製造，不管未來你想要做 AI modeling 或是 AI vision，最重要的是你的流程有沒有精實化，因為所有的數位轉型也是要流程的精實化，不然就會有很多既存的陋習，或是浪費的流程、人員，全部都會存在同樣的領域裡面。我在跟這些朋友或者同業在聊的時候，非常強調一點就是，你在做這些事情之前，先把流程，不管是好壞，先把流程鋪出來，我們再從這個作業流程裡面去看，哪些地方可以先做改善？做完改善之後，再考慮說我用什麼樣的系統？遇到什麼樣的系統，要搭配你有沒有辦法去養活這樣的系統，這個系統能夠在你的企業持續不斷得運行，這才會讓它有效。很多時候就是從最開始流程的精實化，這一定要先做，接下來才會開始開展到 coporate 的角度，我要怎麼樣開工單？這都是屬於後來細節的部分，我在這邊有機會可以跟大家分享一下這樣的觀念跟想法，而不是一開始就進入，我要用怎樣的 IoT 送什麼樣的資料？這是第一個，第二個我們要想到的是，我搜到這些東西，都是 data 都是數字，對於老闆來講，蠻 care 的一點是我投資了這個錢，我會看到什麼東西？我會得到不管是 EPS 的上升，或者是營運力的上升，或是我可以看到市場市占率上升，不外乎他期待看到的是這些東西，我在 upturn 的時候希望能夠多接訂單，讓我的市占率營業率三率能夠三升，他對股東是有交代的，這是老闆看的 mission。

Charlie: 那在佈建這樣的系統的時候，其實你要想到的是老闆要的是什麼，重點是什麼？重點就是我們在做這件事情的時候，其實像我剛剛舉一個我們自己的例子，我們一開始在品牌初期打市場的時候，很強調在品質上面的要求，在這樣的一個 moment，我們覺得投資這樣的整合系統，能夠搭配 MES 跟 AI，對 PowerArena AI 做整合這是值得的，這是我們看到的，因為品牌形象建立是不容易的，那我怎麼樣用這樣的方法去讓我們的消費者安心，未來的車主也安心。那我們可以比較 focus 在下一代的產品設計是不是更 reliable，對於在市場的品質控管是無後顧之憂的，以上就是我的看法。

謝謝 Charlie 尤其是剛才您有提到其他的一些廠商，他們可能在一開始導入的時候，從流程上面開始去做衡量，包括在真的導入進去之後，用老闆的角度去看，我們之後要得到的東西是什麼？在乎的價值什麼？有時候可能不只是為了產出，有時候就像 Gogoro 一樣，一開始強調品質是一件非常重要的事情，尤其在車業我們也看到，在衡量安全性是一個要去把關好的條件。謝謝今天 Charlie 的分享，我們活動就到此告一段落，謝謝。