工業 4.0，是近年來製造業最熟悉的議題，幾乎世界各國都以工業 4.0 為方向，推動境內製造業的升級轉型，希望藉由機台聯網蒐集與串連各項生產數據，包括製程參數、設備參數、檢測紀錄、加工參數、組裝紀錄等，再運用 AI 人工智慧分析，找出生產力改善、提升良率及降低成本的方法。

AI 分析應用如何協助製造業達成智慧製造目標？

已協助全球超過 2 千家製造業導入 AI 分析應用的 SAS，其台灣業務顧問部副總經理陳新銓指出，在智慧製造強調降低成本、提升良率與生產力的目標下，AI 於其中的應用發展出以下四種類型。

第一種是根因分析，透過 AI 模型找出可能影響製程良率的因子。如某精密機械業者以 MES 資料為基礎建立 AI 模型，由系統自動找出究竟是第幾道工序、哪一個機台出了問題，改變過往只能由工程師憑經驗法則尋找異常機台的做法，便有效縮減了 30% 異常機台運作時間。

第二種為異常偵測，即是跳脫 SPC（統計製程管制）的匯總式數據，而是使用製程相關的感測器原始數據，以時間序列建置 AI 異常監控模型，主動讓系統預先警示製造過程中的潛在異常狀況。

第三種為機台預測性保養，透過 AI 建模來預測機台何時需要保養並提前規劃，以確保產線正常運作。例如，某組裝業者便是運用感測器蒐集機台內馬達的溫度、震動頻率等資料，預測馬達需要進行更換的時間，成功降低 20% 停機頻率，同時提高 5% 製程能力。

第四種為虛擬量測：製程完成後，進量測站前，透過製程資訊建置AI模型，推估產品的品質特性。減少產品量測的抽樣週期，甚至可做到即時且自動地評估與篩選製程，以及達到線上全部檢測的效果，避免重大損失。

本文列點如下:
● 精準智造新寵：「虛擬量測」如何助攻生產零缺陷？
● 想利用 AI 虛擬量測提升品質，首先注意三大評估重點