D talk新創掌握獨家AI技術 協助工廠邁向智慧化最後一哩路

NADI System總經理張泫沛指出，他們專注於打造PSIM架構的3D可視化管理平台，透過視覺方案解決管理者痛點，服務產業對象涵蓋公共工程、工廠、建築、智慧城市等產業。

數位轉型過程，總能驅動創新，因應工廠實際需求，誕生許多新創企業提供對應的解決方案。尤其近年AI技術快速演進，工廠在數位轉型過程，也期望藉助人工智慧的力量，讓營運流程更加自動化、智慧化。對此，台灣有三家新創業者打造獨家技術，協助製造業者無痛導入AI方案、提升生產檢測效能，以及有效進行電力管理。

善用Digital Twins建構3D可視化平台，實現智慧管理

2017年成立的杰悉科技(NADI System)，總經理張泫沛指出，他們專注於打造PSIM(Physical Security Information Management)架構的3D可視化管理平台，透過視覺方案解決管理者痛點。目前杰悉科技的客戶對象，涵蓋公共工程、工廠、建築、智慧城市等產業。

「我們發現在IoT環境下感測器的數量越來越多，但為了節省人力成本，這麼多數據產生後該如何適當管理？」張泫沛表示，洞察產業需求，杰悉科技以數位孿生為基礎，打造3D可視化平台的解決方案，協助工廠在前期先做模擬分析及預測，實際廠區或設備真正建置後，再導入三維管理平台，持續做分析預測，提高管理效能。

張泫沛接著說，由於工廠的管理者同時間需要看整體營運資訊，又要管理個別機台的狀況，例如當一個機台發生故障，可能不光只是馬達問題又包含其他因素。對此，杰悉科技協助工廠導入系統、IoT整合影像以及數據視覺化等視覺方案，讓管理者在戰情室內，更直觀看到想看到的畫面，以及數據資訊所對應的場域，有效減少管理過程潛在的死角。

這套3D可視化管理平台如何做到三維畫面的建立？張泫沛解釋，透過團隊的演算法開發能力再導入建築內部各產線的位置參數，進而讓工廠內的機械手臂一邊運作，系統畫面也會同步呈現。至於數據的儲存方式，杰悉科技可以依照客戶需求，提供地端、雲端、混合多項模式供客戶針對不同情境做選擇。張泫沛最後表示，期望我們的應用能協助業者，實現即時、精準、遠端管理。

AI視覺辨識抓出瑕疵品，有效提升工廠生產效益

工廠在意的另一項指標，就是落實標準化生產。然而，目前許多第一線物料管理、製程把關、出貨流程仍高度仰賴人力。但工人介入往往造成品質不一，甚至錯誤操作損害設備，或相關技術知識無法傳承等挑戰。對此，新創公司憶象(Memorence AI)打造Memorence Suite多功能的可視化AI平台可協助廠區，完成數據管理、模型學習、模型推斷和結果分析。

憶象創辦人暨執行長蕭百亨指出，Memorence AI成立於2018年，是由AI、軟體、終端運算、感測器及大腦科學專家所組成的團隊。因此核心能力專注於AI開發及視覺分析，協助客戶數位轉型導入AI，針對影像做到終端運算，讓工廠的生產數據能被集中存儲，同時讓知識得以傳承。

至於憶象如何協助工廠建立數位履歷，提升資料安全、完成洞見分析，並提升生產效率跟產品的品質？蕭百亨接著說，導入AI關鍵必須先定義問題，同時思考影像擷取裝置與AI解決方案，這兩項的布局需要同步化，第三步接著是持續蒐集數據跟建立知識庫，最後是AI建置與持續學習，AI模型需要持續學習才能優化效果。

Memorence Suite特性在於能協助工廠評估產線拍攝影像的解析度，同時檢測產品瑕疵。接著憶象協助數位資料做集中管理，透過系統達到影像標記，成為數位知識的資產。最後一步則是透過AI持續學習，確保運作符合應用需求。過去案例協助客戶讓瑕疵檢出率，從原本人工檢測的96%~97%提升到AI檢測的99.9%以上。

打造綠能工廠，實踐AIoT智慧能源監控管理

工廠除掌握生產數據、檢核製造良率之外，用電的議題也越來越受到重視。美商綠銅科技(Verdigris)業務開發經理吳雁龍指出，因全球能源問題日益加劇，加上用電高峰季節用電吃緊，工廠勢必需更了解細部用電情況。對此，Verdigris整合獨家開發高頻感測器以及自有專利演算法之人工智慧技術，協助工廠診斷設備用電異常及能源使用效能。

「我們打造的智能電錶可取代傳統電錶，透過夾取式感測器，簡易安裝於配電盤後馬上能讓工廠設備恢復正常運轉，減少因安裝時間冗長需斷電的產能損失。」吳雁龍表示，電力管理層面相當複雜，工廠運作往往無法掌握每度電的運用是否被浪費掉，或預警排除異常用電情況。對此，Verdigris的解決方案，就在幫助工廠做到細部能源耗用管理，業主在有限預算支出內掌握每一度電的能耗、達到能源使用最佳化。

接著，吳雁龍分享實際案例，Verdigris協助美國廠商Kattera在6個電盤上導入6套智能監控系統，監控72組不同的電迴路，總共使用216個Verdigris智能電錶。由雲端AI引擎執行資料訓練跟資料驗證，以用電分類波型的特徵分析，於21天內完成廠內將近90%的能源流向辨識與分類，解決客戶無法確切知道各製程用電而追蹤其產品碳足跡的痛點。

過程中AI分析不同電波型標示各類用電情況，進而找出異常數值及可供追查當下的異常事件記錄。在尖峰用電方面，可透過Verdigris提供的智能警示與能耗預測功能，進一步進行人為的預先調配或產能配置。最後，吳雁龍特別提到，工廠管理者可依據預測未來24小時電力使用狀況與尖峰用電時段搭配產能配置調整，以逐步降低其契約用量，以同步落實政府要求的節能政策，對內達到能源效率最佳化的目標，完善綠能工廠的願景與條件。