從生產流程優化、品質監控到設備巡檢與人員培訓，AI 正快速重塑製造業的運作邏輯，也成為傳統工廠轉型的必備工具。在 TechOrange 科技報橘近期所舉辦的「AI 智慧大工廠」論壇高雄場，特別邀請到所羅門視覺事業處協理李佳運深入探析借力 AI 與 AR 技術，推動傳統製造轉型為智慧工廠的具體行動方案。

「機器人不是用來取代人類，而是用來完成人類不想做的事，」李佳運強調，所羅門以開發機器人的大腦與 AI 為主，背後的宗旨就是輔助工廠走向數位化，並創造更多結合 AR 的創新應用場景。

企業導入 AI 常見三大難題

「所羅門在全球已經有超過 700 個客戶與應用案例，也許我們的 AI 不是最厲害的，但我們是非常落地的 AI ，」李佳運從所羅門豐富的實戰經驗出發，分析企業導入 AI 應用時，最常遇到的「需求多元」、「場域多樣」與「設備多變」三大挑戰，以及所羅門的破解策略。

首先是「需求多元」，意即企業在不同產品、流程、規模與管理模式下，對 AI 的期待與功能需求大相徑庭。從食品加工、電子製造到化工業，各產線都有獨特的情境與作業步驟，導致通用模型難以套用，因此如何提供靈活高效的客製建模方式，是 AI 能否落地應用的關鍵。

接下來是「場域多樣」。由於工廠現場包含人員行為、設備狀態、原料物流等大量變數，因此 AI 必須針對不同環境做出準確辨識與即時反應，例如要偵測員工是否跌倒、機台是否過熱、料件是否放置正確，都需要不同的模型與觸發條件。

最後是「設備多變」。每家工廠的機台可能來自不同品牌、安裝時間點也不一致，導致設備資訊格式與控制介面都不盡相同，所以若要實現智慧化運營，AI 就必須具備高度理解能力。

以「快速建模」與「多元裝置整合」為核心，破解 AI 導入難題

面對需求多元、場域多樣與設備多變三大挑戰，所羅門以「快速建模」與「多元裝置整合」兩大技術核心，助力企業在短時間內即可將 AI 應用在需要的地方。李佳運指出，透過快速建模平台，企業無需仰賴 AI 專家或長期訓練，只需提供實際場域的樣本影像與標註資料，便能讓系統在短時間內自動建構具備高準確率的識別模型。

李佳運進一步說明，所羅門採用的是監督式學習 AI 模型，專注在精準辨識特定情境中的物件與行為，這種 AI 模型與 ChatGPT 這一類的泛用情境 AI 不同，不會因語意模糊而產生答非所問的風險，而是根據已知資料進行「是與否」的判斷，對製造、物流、醫療與零售等產業而言尤其重要。

李佳運舉例，過去美國西門子工廠仰賴人工辨識上千種螺絲與零件，相當耗時耗力。然而在導入所羅門 AI 後，只需拍攝一張照片，系統便能在十幾秒內即時辨識螺絲型號與數量，大幅提升作業效率。「只要 AI 認得工廠的物件與情況，下一步就可以搭配 AR 眼鏡，讓人的雙手完成更多靈巧的運用，」李佳運說。

AI 整合 AR 的多元創新應用場景

針對所羅門 AI 的多元應用場景，李佳運從工廠安全層面切入，說明所羅門 AI 可以即時偵測人員操作是否合規，像是半導體產線中是否以雙手傳遞晶圓盒、員工是否在禁止區域抽菸、是否未繫安全帽等。只要在原有監控系統導入所羅門 AI 模型，30 分鐘內即可完成建模，達到快速提升現場安全的目標。

在智慧 SOP 引導方面，企業可以將 AI 結合 AR 眼鏡、平板或微型投影機，提供新進員工操作指引，並自動判斷每一項操作步驟是否正確。李佳運強調，這對於有跨國設廠需求的企業尤其關鍵，因為不論員工身在何地，都能依照同一組 SOP 執行標準流程，確保製程一致。

所羅門 AI 也廣泛應用在出貨與包裝檢測。無論是零售場域中的條碼掃描，或半導體零件的 OCR 資訊比對，AI 都能即時完成掃描、辨識與資料同步，避免重複、誤讀與漏貼標籤等常見錯誤。

傳統機台的數位化也是 AI 可以發揮效益的關鍵場域，像是透過 AI 影像辨識，系統即可讀取工廠儀表數值、判斷旋鈕是否轉錯、燈號是否異常，並結合 AGV、機械狗與無人機等巡檢設備，在無需人力介入下完成自動巡檢。此外，所有資訊都可以在平台上即時整合，讓管理者可以隨時掌握產線狀況，達到「可視化」的目標。

李佳運指出，AI 還能協助進行工作效率與人員行為分析，例如 AI 可以從員工實際作業影像，自動計算其工作與閒置時間，也可以與企業內部的 ERP、MES 系統連動，最佳化生產流程。

李佳運呼籲，企業應該從現在開始讓 AI 認得工廠的每一個環節，因為唯有讓 AI 真正理解工廠運作邏輯，才能打造專屬且靈活的數位化流程，並在 AI 時代掌握重塑市場競爭力的關鍵契機。