台灣製造業長期以來，營運思維大多以控制成本為核心，但隨著數位轉型浪潮持續發酵，智慧製造成為產業共同的發展願景，如今無不積極增進數位化能力，尋求引進人工智慧（AI）應用，以提升產品良率、產線稼動率等目標。
挾著曾以iKala Cloud為電子商務、數位廣告、零售等產業實現AI化轉型的豐富經驗，雲端AI業者愛卡拉（iKala）也將市場擴展到製造業，要協助工業客戶解決資料孤島、資料缺乏標準化的問題，提高產線可視性以實作預測性維護、機台設備異常檢測，或者運用AutoML突破瑕疵檢測精準度，利用IT技術提升競爭力。
iKala雲端事業部技術總監林士翔觀察，國際間已有AI應用於瑕疵檢測、預測性維修、產線排程、最佳化原料組合等方面，未來更將逐漸由從改善生產效率轉向提高營運效率，透過生產履歷保障產品品質，甚至是讓庫存管理增添預測能力。
專家服務讓AI落地到生產線
傳統製造業營運場域，大多欠缺數位化能力，難以進一步踏入資料分析領域。儘管已有大型工業場域建構了物聯網，將機台設備部署大量感測器用以蒐集資料進而引進AI應用，然而多數製造業仍僅限於概念驗證的專案，難以擴大至生產線的實際工作流程。
林士翔指出，工廠欲演進到智慧化，首要須打破資料孤島，彙整即時且高品質的資料，才能據以發展出可解決問題的AI應用。根據創投公司Hive Ventures與台灣人工智慧學校合作共同發布的台灣企業AI趨勢報告，製造業在資料管理方面的投資，依序為資料整理、商業決策工具、資料倉儲，AI技術則是以機器學習、機器視覺、AutoML為主要導入方向。問題是從蒐集足夠資料、開發模型、模型驗證，直到可順利部署上線的案例卻不多，更遑論分析模型部署到實際生產環境後，會產生偏差、退化狀況，須經過再訓練以維持一致性與精準度。對此，iKala既有的專家顧問、實作技術、教育訓練等服務正可發揮，協助讓AI應用落地到生產線。
林士翔舉例，製造業在台灣地區訓練完成的AI模型，套用到其他地區時可能因環境溫溼度、現場工程師排班方式不同等因素導致精準度下降，或許無須重新訓練，但是一定得餵入新資料，經過再訓練模型以適應新環境。「這方面的需求可交給iKala協助。若AI模型須適用於不同應用場域，在剛開始的資料蒐集階段，就得先蒐集取得各個場域的資料。iKala Cloud利用自然語言處理、電腦視覺、資料科學等技術自主開發產品，依據架構方法論區分為Onboard、Enable、Growth三個階段來提供服務。」
他強調，iKala Cloud深耕雲端及AI技術領域多年，提供以企業數位化需求為核心的一站式解決方案，包括混合雲／多雲基礎架構、跨雲整合、雲端辦公，以及提供iKala AIOps維運服務，協助企業藉由雲端平台與AI應用提升運營效率並加速創新研發。
Data Mesh建構資料中台
各產業發展數位化應用的過程中，勢必得建立一套資料處理的流程，把類比訊號轉換成數位，例如製造業用於瑕疵檢測的聲音偵測，以及自動光學檢測（AOI）等應用產生的非結構檔案，運用工具輔助實作轉換為標準化格式。iKala技術團隊即可藉由Google、AWS等國際級雲端服務供應商的AI基礎架構，協助企業完成機器學習或深度學習演算模型的訓練。
iKala運用Data Mesh概念建構資料中台，讓分散儲存的結構與非結構化檔案可依據應用需求即時取用，藉此打通資料孤島的現況，透過API或匯入方法整合運行，依據領域知識從原始資料中提取特徵（特徵、特性、屬性），提高訓練演算分析模型的品質，為商業決策分析與AI應用奠定可靠的基礎。
「AI服務供應商必須具備領域知識，才可協助企業解決工作流程不同環節的問題。至於運用AI來進一步創新甚至產生跨界的商業模式，則可以用大量資料與訓練演算模型來跨越領域知識的高牆，就像是個黑盒子，企業無須學習黑盒子中的持續性決策樹流程，只要不斷地餵入資料加以訓練，未來有機會是AI引領企業決策、洞察商機。」林士翔說。
製造資料引擎降低商業分析門檻
為確保製造業能將AI應用部署到實際生產線，iKala藉由Google Cloud新提供製造資料引擎（Manufacturing Data Engine）與製造連結（Manufacturing Connect）服務進行實作，為現場工程師、廠務等不同角色配置取用資料的權限，利用雲端基礎架構中易於使用的分析功能與AI應用，持續改善生產流程達到最佳化。
製造資料引擎是用於處理、建立關聯性、存放工廠環境資料的雲端解決方案，為工廠資料的擷取、轉換、儲存和存取，提供可靈活自訂的藍圖。製造連結則是Google Cloud與Litmus Automation共同開發的工廠邊緣運算平台，基於超過250種機器通訊協定的龐大資料庫，幾乎可以與所有的製造設備機台與工業級作業系統建立連結，讓資料傳輸到Google Cloud的資料湖中存放。
透過製造資料引擎與製造連結的深度整合，讓稼動率等關鍵指標數據得以視覺化方式呈現，製造廠區不同角色的工作者，可依據工作任務隨選分析，從分析數據中挖掘出更多訊息，例如快速地找到品質不穩定、造成產品瑕疵的根本原因，藉此提出有效的改良計畫。
iKala雲端事業部技術總監林士翔認為，落實AI應用的技術各產業差異不大，首要皆必須建立一套資料處理方法、保障雲端平台的可用性，再依據業務特性調整設計解決痛點。
全球人口結構正快速地進入高齡化，對於製造業來說，尋找新人才來取代退休資深專家變得越來越困難，若能利用數位工具來降低採用雲端、資料處理、商業分析等技術的操作難度，將有助於員工從分析數據中發現新方法持續改善營運效率，逐漸填補人力缺口。
Google Cloud提供的Looker現代化商業智慧引擎，為不懂IT技術的工作者設計自助服務操作介面，僅須少量撰寫程式碼或無需程式碼，藉由內建樣本引導操作，標準化資料與工作流程有助於重複運用。Looker與製造資料引擎亦可整合運行，以便讓第一線工程師、高階管理者，皆可即時掌握產線的完整資料。