中美貿易戰，加上中國LCD業者削價競爭，使得整體面板產業供過於求，殺成一片紅海，產業處於逆風的此刻，台灣面板大廠友達光電連續六年獲利的紀錄不再，2019年前三季總計虧損超過百億元。在這樣的情境下，友達如何逆轉勝，過去五年投入的「價值轉型」，又如何真正實踐AI及智慧製造？
在面板產業陷入低谷之際，友達光電近幾年積極轉型，全面迎戰高附加價值的應用場域，例如電競、商業、車用、工業、醫療和穿戴式裝置等。此外，也從光電核心出發，整合上下游加速新事業投資，多角化經營拓展至四大事業，包括循環經濟、大健康、智慧零售及智慧製造。
為了因應這樣的發展，友達縝密佈局，從組織架構到高階人事，細數過去這幾年的歷程與變化，除了2018年調整組織，把顯示器產品事業拆分為三——技術研發群、業務事業群、製造營運群，還設立了技術長職。
人事布局上，更是說服六年前離職的老將柯富仁回鍋，接任友達光電總經理和營運長。2019年9月柯富仁在面板業低迷的時刻，揮別了元太科技董事長寶座，接手運籌AIoT趨勢下的布局，除了積極轉型軟硬整合解決方案廠商，同時也強化智慧製造的體質，轉型的決心顯而易見。
柯富仁表示：「 雖然面板產業處於低谷，但最壞的時代，也是轉型調整的最佳時間點。 」
5年轉型智慧製造之路
深究友達光電轉型智慧製造的過程，必須從2015年開始說起，彼時德國工業4.0風潮吹到台灣，友達就決定啟動智慧製造2.0專案。當時友達思索的是「也許十年後，友達可能不是面板公司，那麼，接下來的轉型應該做些什麼事？」友達光電前資訊長、現任友達光電智慧管理辦公室資深協理的宋友聰，在一場演講中點出2015年啟動智慧製造專案的緣起。
2015年，一開始由友達執行長彭双浪親自帶領讀書會，了解工業4.0、大數據、AI等概念，建立內部共識。他們深知轉型過程中，最困難的是改變人的腦袋，因為導入AI及智慧製造，得改變原有流程和工作方式，若沒有共識，智慧製造也難以推展。
友達以清華大學工業工程與工程管理學系教授簡禎富所提出的工業3.5為架構，推動大數據、AI、IoT、自動化，並聚焦價值轉型、技術創新和智慧製造三大策略，以提升品質、生產力、自動化，並邁向綠色生產的目標。
2015年投入智慧工廠，開始做大數據。2016年，進一步建立大數據平台，啟動許多產學合作專案，蒐集生產過程中的所有數據，包括製造、設備、流程、材料、物聯網及人員操作等。目前友達工廠內新、舊設備中有超過3萬個感測器，透過物聯網架構感測更多數據，進而做數據分析，也就是讓工廠設備具有眼睛等感官的感知能力。
此外，也開始研究演算法、機器學習。2017年進行AI概念性驗證，運用Google AI TensorFlow、機器學習、深度學習、CNN卷積類神經網絡、AI物體辨識技術等。2018年又採用AI圖形辨識技術、DNN深度神經網絡、Google TensorFlow，也開始將AI應用在自動光學檢測（AOI）。同時，並投入預測製造，建置AI平台，管理AI模型的生命週期，透過模型的管理，希望未來能減少80至90％人力重覆檢驗。
宋友聰表示，「 友達的轉型之路，從規模競爭到價值競爭，進化到價值轉型。 」
4大轉型智能化的關鍵步驟
友達用四個步驟轉型至數據驅動的智能化企業。其一是 標準化 ，包括以精實（Lean）進行流程梳理；其二是 數位化 ，要將內部所有數據都數位化，並整合至所有流程，把所有數據整合到大數據平台，才能進行數據分析；其三是 自動化 ，包括流程自動化和人機協作。其四是 智能化 ，包括預測製造、預測研發、預測管理。
宋友聰指出，「轉型智慧製造一定要先做流程梳理，才能花最少錢、達到最高效益，若少了這個步驟，直接做AI和自動化，後續會一直修改。」
因此，友達將智慧製造分為三大部分，分別是數位儀表板、智能偵測與診斷、訊息與追蹤。友達光電資訊工程總部處長陳曉窗在AI製造演講中進一步說明，數位儀表板包括工廠現場的螢幕數位儀表板及手機上的虛擬資料，工作人員可以透過手機訂閱關鍵指標。
此外，也開發行動AI助理Chatbot，讓相關人員透過手機即時掌握製造現場的相關數據、AI異常診斷警示、KPI摘要、趨勢預測等等，遂而適時回應、即時追蹤與處理，快速解決工廠的問題。
成功打造智慧工廠的4個大腦
陳曉窗指出，友達將智慧製造視為服務，試著在內部打造一個生態體系，將工廠的應用歸類成四種大腦，分別是工程腦、製造腦、設備腦和環安腦。
1.工程腦： 把試產最小化，打造預測引擎去預測製程新配方，在產品正式生產之前先確認製程配方，縮短生產線開始生產的時間。
工業4.0的關鍵在於「自我修復」的能力，因此，友達透過優化Run-to-Run（R2R），在產品品質發生異常前就先自我修復系統工具，自動調整配方參數。再運用大數據導入先進的虛擬量測（Virtual Metrology）技術，代替真實量測的工作，速度加快，也省下許多成本，做到全方位的產品品質監測，提高產品良率。
2.製造腦： 負責的是即時監控、即時通知、動態排程優化、長期預估及優化，經由即時動態排程引擎，蒐集生產設備、運作、材料供應的狀態，然後每15分鐘做出預測，若有生產延遲情況，可以快速重新排程，並自動通知製造部門相關人員，確認是否要變更生產的排程。
3.設備腦： 可以針對設備進行數量異常偵測、異常分析及數量預測和優化。由於LCD製造工廠有許多昂貴設備，透過感測器蒐集機器的數據，用數據分析特徵和因素，發現異常後鎖定發生異常的設備，並透過模型訓練做診斷偵測，找出與異常診斷相似的模型。此外，還能進一步預測機器剩餘使用壽命（RUL）。
4.環安腦： 主要是為了因應環安監控需求，以影片進行AI分析，即時發出警示，相關應用包括辨識環境風險與偵測危險行為等，比如員工邊走邊滑手機，煙囪冒白煙等。
全方位培養各階層的AI人才
在實現智慧製造的過程中，友達進一步延伸AI應用，不只把AI用在工廠製造，也用在研發、供應鏈管理和其他管理領域。友達預期未來2至3年會建立超過1萬個機器學習和AI模型。
此外，友達也積極培養AI人才，打造以數據驅動的企業文化，針對四種不同的角色提供不同的AI訓練。
首先是把「 內部技術專家 」送去人工智慧學校技術領袖班，訓練進階AI技術；其次是為「 AI團隊先鋒 」提供落地維運課程、技術平台使用課程；再者是將「 單位主管 」送去人工智慧學校經理人班，聽外部或內部專家分享AI知識，讓決策制定者了解AI的能力，以解決商業問題；最後，對於「 一般員工 」也提供線上課程和講座 ，培養AI基礎知識。
三年來，友達累積了100個解決方案，訓練200位AI專家及3,000位具AI基礎知識的員工。
宋友聰說：「人才是發展AI的第一步！」其次則是大數據，包括數據的乾淨度、完整性、可獲取性，因此，打造智慧工廠的第一步就是數據採集，且要整合OT和IT的數據，才能做數據分析、數據建模和預測，達到自我調適的能力。
宋友聰指出，「 只派工程師去學AI，無法解決商業的問題！商業問題要靠老闆和主管來定義。 」例如老闆要求AI做到良率提升5％，但事實上這個問題無法透過AI來解決，AI只能解決「這個製造的模厚是多少微米」的問題。因此，AI成功的關鍵要靠主管懂得AI概念，問對題目，AI才能給出解答。
