工業4.0的概念，最初由德國政府在2010年所提出，其定義為：「透過高度靈活的生產環境，引入自我優化、自我配置、自我診斷、認知方法，並為工人提供智能輔佐，以因應其日益複雜的工作，從而強化產品的高度客製化。」（fostering strong customization of products under the conditions of highly flexible production, introduction of methods of self-optimization, self-configuration, self-diagnosis, cognition and intelligent support of workers in their increasingly complex work.）

一直以來，人工智慧（AI）在工業4.0中扮演關鍵角色，其中，機器學習（ML）技術促進了自主與協作機器人的發展，推動工業4.0建立未來工廠（FoF，Factories of Future）的宏觀願景。

《人工智慧評論》（Artificial Intelligence Review）中，人工智慧與資訊安全專家阿德里安．貝奎（Adrien Bécue）與其研究團隊在〈人工智慧、網路威脅和工業4.0：挑戰和機遇〉（Artificial intelligence, cyber-threats and Industry 4.0: challenges and opportunities）文章中，深入探究人工智慧在工業4.0領域的影響。

該研究提到，工業人工智慧（IAI）可以被定義為「企業物理運營」或「系統相關」的任何人工智慧應用，專注於幫助企業監控、最佳化或控制這些操作與系統的行為，以提高效率和效能。其中，監控（monitoring）、最佳化（optimization）與控制（control）分別代表IAI的三種不同自動化程度。

此篇文章，我們將先針對最基礎的「監控」進行說明。

該研究指出，工業場景中時常需要監控系統或流程的效能。透過使用機器學習，可以根據可用資料學習複雜的系統結構，以識別或預測故障與其他可能產生不良結果的情況。

研究中針對監控的案例進一步舉例：

1.品質控制：

利用AI進行自動化品質控管，提升品質檢測效率，降低缺陷品產生與其後續衍伸的內外部失敗成本。

以筆者過往參與的智慧製造專案為例，町洋企業（Dinkle）與政治大學吳安妮講座教授的作業價值管理（Activity Value Management, AVM）產學合作專案中，利用深度學習自動化即時監控製造機台指標，進而預測不良品的產生。

2.故障檢測：

透過偵測各項系統執行因素，自動化辨別系統狀態是否正常，減少系統停機或異常風險。

舉例而言，台塑保養中心組長鄭琦聰曾提出智慧監診概念，透過AI創建油品再生系統，即時偵測石化廠機台中潤滑油的成分是否變質，進而瞭解最佳換油時機，並探究油品穩定長效方法，創造環境友善。

3.預測性維護：

在系統故障之前預測故障的發生，進而達到事先預防的效果。

該研究指出，預測性維護時常用於航空領域，如奇異公司在旗下的發動機產品GEnx中嵌入5000個感測器，藉由每日飛行所產生的大量資料，幫助奇異得以在故障之前先行預測，並安排更換零件。

4.庫存監控：

使用AI自動化偵測庫存狀態，以避免庫存不足或過量的情況發生。該研究以家居裝修零售商勞氏公司（Lowe’s）為例，該公司推出自主移動機器人LoweBot，除了用於客戶服務之外，更在內部添加了車輛電腦視覺系統，即時檢測商店貨架上的商品數量與商品錯位情形。

5.供應鏈風險管理：

根據全球新聞、事件、天氣等干擾要素，在延遲或短缺之前提出預警，降低企業供應鏈中斷等風險。產生舉例而言，供應商可以透過預測終端消費者需求，根據市場真實需求情況生產數量產品，有效解決供應鏈的長鞭效應問題。

該研究透過以上內容，協助企業明瞭AI監控的相關應用。下一篇文章，我們將接續針對「最佳化」進行說明。

黃揚博（海豚AI學院創辦人、臺大商研博士班）、羅凱揚（台科大企管博士）

資料來源：Bécue, A., Praça, I., & Gama, J. (2021). Artificial intelligence, cyber-threats and Industry 4.0: challenges and opportunities. Artif Intell Rev 54, 3849–3886. https://doi.org/10.1007/s10462-020-09942-2 https://edge.aif.tw/formosa-plastics-project/