#工業物聯網IIoT #工業4.0 #智慧工廠 #智慧製造 #人工智慧AI #精實生產系統LMS #循環經濟 #統計製程管制SPC #群體智慧SwarmIntelligence #仿生計算 #零工排程問題JSSP #二次分配問題QAP
【如果能讓事情一次就 OK，Why Not？】
歷經機械生產、製造標準化、電腦化及自動化革命，在比拼整體設備效率 (OEE) 和設備綜合生產力 (TEEP) 指標、快速量產之後，時至工業 4.0，等同砸大錢新購昂貴設備、將所有設備聯網？第四次工業革命的核心精神在於「智慧化及價值創造」；惟對於中小企業而言，如果連現有瑕疵都管理不好，又遑論智慧製造？不如從「解決問題」切中時弊，以「如質、如期、如成本」為首要目標更接地氣。
換個角度，中小企業更見商業潛力，尤其是面臨夕陽西下危機的產業，更有「救危扶傾」的迫切需求。智慧製造的價值鏈是由工廠 (機械) 和產品 (服務) 兩個環狀結構組成，須留意的是：價值的認定來自於市場，非生產者的主觀思維，有賴數位供應鏈串流與數位客戶關係鏈的協同合作，讓生產者不必再瞎子摸象、憑空臆測。將「協同」概念延伸至下游客戶端做智慧拓銷，發展智慧型產品與服務。
例如，智慧孕婦裝可感測腹中胎兒生長情形；而邁向智慧製造的旅途，可借鏡生命體的演化進程，智慧製造應按部就班推動管理創新、重新定義所有價值主張。首先，要有整廠思維，將企業資源規劃 (ERP)、製造執行系統 (MES) 與底層設備資料整合、串接並回饋到上層系統；其次是跨廠管理——包括源頭供應到市場銷售、甚至往前追溯到設計端，改善延遲交貨、品質不良等缺失。
再者，是導入物聯網 (IoT) 和人工智慧 (AI)，落實精實生產 (LMS)、提升品管並節約能源；最後是全產業的協同優化與人機協作，以便因應需求快速轉換與少量多樣的客製化生產。工廠環境惡劣、招工不易的紡織業就是經典教案；以染整為例，化驗室配方到生產端的「一次對色率」極其重要，當中任一環節稍有差池就會拖累整個工序，而高度智慧化利於知識經驗傳承。
另一方面，借助異質資料處理與高度運算能力可探索從前沒發現的新大陸，激發創新靈感。例如，「循環經濟」興起，研發新織法典範、定義新的製程參數／添加物／配方，以便舊衣可被拆解回收。不過如前所述，規模不大的工廠要大舉更張並非易事，從最迫切處切入是最好的方式——失效預防與問題解決、智慧型全面品質保證、數據輔助品質管制。「去中心控制」的「群體智慧」(Swarm Intelligence) 可減少無謂浪費，而智慧供應鏈最終成「生產同盟」。
延伸閱讀：
《千里之行始於足下，先從解決眼下問題開始！》
http://compotechasia.com/a/feature/2018/1211/40616.html
(點擊內文標題即可閱讀全文)
#叡揚資訊GSS #紡織綜合所TTRI
仿生計算 在 資訊工程/智慧計算- 人工智慧與仿生計算 的相關結果
2020年 人工智慧與仿生計算領域. 重點子領域一、機器學習理論(Machine Learning Theory). 重點子領域二、深度學習(Deep Learning / Deep Neural Networks). ... <看更多>