友達光電逆風而行!價值轉型從CEO彭双浪帶領的讀書會開始乘風破浪

0
11554
圖片來源:友達光電

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。

友達執行長彭双浪帶領同仁一起參與讀書會,建立對工業4.0的共識。
圖片來源:友達光電

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。

發表評論

請輸入您的評論!
請在這裡輸入您的名字