2019
Aug.

46

達人物語

文: 台達研究院 Tech Centers

Artificial Intelligence Center of Excellence (AICoE)

陳薇如/AICoE 資料科學家
隨著工業自動化與智慧製造的興起,大數據分析已成為企業競爭力的重要關鍵之一。台達為了協助各事業單位導入AI技術,實現智慧製造轉型,於2018年10月成立「Artificial Intelligence Center of Excellence (AICoE)」。

AICoE致力於發展機器學習與深度學習技術,目標為快速將AI導入台達內部生產與作業流程、產品及解決方案,創造多元智慧化的加值服務。最初藉由專案合作,與台達內部合作夥伴共同探索AI加值服務,並結合Cornerstone與KnEW平台工具,解決問題。隨著大量AI需求逐漸增加,也開始提供完整的數位課程,培育AI人才、協助內部建立AI團隊,以逐步擴大AI應用。

在製程方面,利用數據分析技術協助製程品質診斷,其中包括從數據中及早發現異常,並且找到發生異常原因。再者,發展出智能參數推薦系統,輔助製程參數調整,確保維持生產過程的穩定性以及產品的高良率。在設備方面,利用AI建立設備異常偵測機制與設備剩餘壽命預估,以降低設備停機風險。在物流方面,結合了模擬與最佳化技術,在複雜且動態的生產環境中,預先設想建立智能物流因應策略,如AGV任務派送策略與路徑規劃。

台達應用AI技術於智慧製造已有多年經驗,AICoE未來也將秉持開放及協作的方式,創造更多智慧化加值服務, 加速推動智慧製造轉型。


台達研究院AICoE 與A&O團隊同仁合影。A&O專研前瞻分析技術,而AICoE以整合與應用技術模組解決實務問題。許多專案常由兩個團隊攜手完成

我於2017年2月加入台達研究院擔任資料科學家一職,在此之前,任職於國內某半導體企業擔任品管工程師。在台達工作這幾年,我也將前一份工作累積的經驗,將資料科學應用在品質優化的領域。

「資料科學家」被《哈佛商業評論》稱為「二十一世紀最性感的工作」,想必大家對它有很多好奇和想像,有人認為大數據無所不能,也有人認為大數據只是個口號,我想從身為一名資料科學家的視角,跟大家分享我的工作,也讓大家對「資料科學家」有更多的認識。

資料科學是一門利用資料學習知識的學科,而資料科學家,則是利用分析工具從資料中挖掘價值,產生洞見,目的是輔助專家,從資料驅動、改善工作、作業流程的效率,抑或是從資料中找出一些以往不知道的規律,拓展知識領域。而一個成功的資料分析產品,往往不是單靠資料科學家一個人就能夠完成,還需要有產業領域專家、資料工程師、軟體工程師、專案經理的相互配合,這些角色定位不同,但彼此之間須有交集且缺一不可。

那資料科學家平時做些什麼呢?主要核心工作是建立模型,包含挑選適合的演算法、整合多個演算法,設計合適的分析流程,評估模型、調教模型參數,解讀和驗證分析的結果。然而往往在一個專案中耗費最多時間的,反而是資料理解、整理與整備,因為品質良好的資料是分析的關鍵,從錯誤的資料中歸納出正確的結論根本是天方夜譚,我們很常遇到客戶認為自己的資料很完整很充足,但其實不然;或是客戶、資料工程師不知道資料科學家需要什麼,耗費大量的成本來回釐清和溝通,因此台達研究院開發「資料齊備度診斷(Data Readiness for Effective Analytics, DREA)」的工具,讓客戶、顧問可以客觀、快速的評估與診斷所擁有的資料狀況,以便加速開發的週期。

有了好的技術、好的資料,就會得到有價值的結果嗎?其實答案不是絕對的,還需要好的問題,我們很常聽到的話是「我們有很多資料,你們看看能做什麼」,我們往往不能只是單純處理資料,而是要去探索、思索可能的應用。因此除了研究新的分析方法,也需要磨練對於科技趨勢、市場需求的敏銳度,這也許不是一個資料科學家的職責,但卻是作為一個「能解決問題的資料科學家」對自己的期許。

最後想說的是,一個成功的專案,必然有組織的支持,在台達工作這些年,也深刻體會到台達不遺餘力地推廣AI技術,內外部客戶對AI技術也有正確的認識和期待,由衷地感謝在專案中合作過的同仁們,期許在未來的歲月中,能夠與大家繼續一起成長。


工作之餘,夥伴們(左三是本文作者)熱衷參與各種活動

Advanced Green Photonics Center (AGPC)

陳鴻文博士/台達研究院 AGPC主任
很榮幸能夠於2016年加入台達研究院,在這個開放創新的環境中研發前瞻技術。有鑑於未來的產品日趨精密,製造上勢必需要更精密的量測及加工,而此份工作正好能把過去所學的物理、光學、雷射、人工智慧等知識,結合台達技術與研究院的解決方案,進行高度跨領域系統整合。

剛進台達時,某次參觀PCB電子元件組裝產線時,得到許多工廠對於異型插件站及焊錫站等會遭遇的諸多問題之回饋;例如異型插件站受到孔位定位精度、和元件針腳影像拍攝不精準等問題之影響,目前還是以人工插件居多;而焊錫站則在波焊製程和烙鐵焊製程,分別有耗能、熱影響區域大等問題,及元件需較大的避讓空間、清潔及更換烙鐵頭的維護問題。後來進一步發現,這些不僅是工廠的問題,其實市面上的異型插件機台和焊錫機台也都會遇到相同的難題。對我們而言,這些既是挑戰也是解決問題的好機會。


人眼不可視的AGPC成員輻射能量圖,圖右至左為:鴻文、仰皓、允中、澍涵、育正、宜郡、仁峰、啟銘、郁儒、譽達

深入了解後發現,為何產線一直存在這些痛點?可能原因為人員專業背景較單一思考模式相似,但若有不同領域的專業知識,以不同思維角度,則能打破既有的框架,透過跨領域合作激盪出新創意。

有鑑於此,我們成立了AGPC: Advanced Green Photonics Center ,團隊有雷射光學、材料、微機電、工業控制、光電半導體與人工智慧等各專業人才,目標是運用雷射與光學等跨領域知識研發智能製造的解決方案,解決產線的痛點,同時也利用新開發的技術收集過往產線收集不到的重要資訊,更進一步幫助產業升級與改革。

目前AGPC包括三大光學平台:
- 「高精度雷射檢測平台」:目的是研發創新的雷射成像系統,以精準檢驗及生產。如P-POP( Precise Picked-up Object Positioning) 專案透過準確的針腳分布成像,補正位置誤差,成功達成異型插件自動化,同時確保生產品質。

- 「精準雷射加工平台」:透過精準控制雷射,讓工業產品更達到品質精良的自動化生產。如解決傳統烙鐵焊及波焊痛點的雷射焊錫(Laser Soldering)專案,開發出雷射焊錫機台,含雷射光路系統、能量回饋控制系統、供錫系統、影像定位系統、位移輸送系統等。此專案已實際運用至工廠焊錫站,大大減少維護成本與提升良率。

- 「人工智能影像與照明平台」:運用光源、影像技術、機器學習與數值分析方法,來優化與解決自動化定位和檢測問題。PIE(PCB Image Enhancement)專案透過提升原始影像的解析度,校正亮度分布,運用至PCB孔位中心定位,在不須更動太多現有流程下,提升定位精度與降低換線所需的技術門檻,將誤差減少至約原有的五分之一。

AGPC成立至今3年多,除了解決產線的痛點之外,我們也針對創新的突破專利申請,目前已成功核准專利1篇、審查中專利18篇、撰稿中3篇。未來,我們將繼續研發新技術,與台達各團隊合作,幫助產業升級與改革。將技術普及化,實現跨界智慧製造。


人眼可視的AGPC成員合照於2018年上海工博會,圖右至左為:仁峰、鴻文、澍涵、宜郡、育正、郁儒、仰皓