AI 如何幫助工業工程師
20 January 2022
工業工程師對於工廠製造營運而言是個不可或缺的角色,他們必須掌握數學、物理學和社會科學等知識和技能,結合工程分析等方法,去對一個生產集成系統進行優化設計。而在精益生產(Lean Manufacturing)的框架下,他們最重要的工作之一就是不斷地改善生產線,減少時間、資源、材料上的浪費。
而對於工業工程師的工作而言,工時研究是重要的一環。
最初由科學管理之父,弗雷德里克·溫斯洛·泰勒(Frederick Winslow Taylor)所倡導,工時研究原稱動作(工作)時間研究或工時學,於20世紀第二次世界大戰期間受到重視和採用,指用系統、科學的方法測定、分析和研究作業動作與時間,以獲得最佳的工作方法。
由工時研究的定義可以看出,它包括2個密不可分的部分:動作研究和時間研究。
動作研究是工作方法的研究,包括對多種生產過程的描述、系統的分析和對工作方法的改進;時間研究是在一定的標準測定條件下,確定工人作業活動所需時間總量的一套程式,其直接的成果就是制定時間定額。另一方面,動作研究和時間研究關係十分密切,它們往往是互為條件、互相補充。
然而,自泰勒所推廣工時分析的時空下至今,許多工廠工業工程師仍以「直接測量法」的方式,也就是透過紙、筆、碼表,至產線測量以取得作業時間相關數據。工業工程師需要取得這些工時數據才能夠有效地進一步針對產線去做改善、找出生產瓶頸,然而,除了採集工時數據外,他們的工作內容仍涵蓋其他許多層面,如調度管理人員、設備、生產物料、操作方法、工廠設施。據統計,依傳統方法,IE在一個月內僅能夠取得相當於15分鐘的數據量,也是同等於少於產線0.1%數據。
AI取代繁瑣、耗時的作業流程
在工業4.0及數位轉型的浪潮下,AI成為企業的熱門首選,而「導入AI」也不再是空談。
在製造業,AI已經在以下各方面幫助企業:
- 幫助預測設計中的缺陷
- 瑕疵檢測
- 在產品製造上進行品質評估檢測
- 幫助預測產品維修時間
- 產品需求量以及價格預測
- 庫存管理
以瑕疵檢測為例,至今,許多製造業者仍聘請許多人員,來以肉眼去確認產品外觀是否有缺陷以及瑕疵。儘管廠內已有AOI儀器,但結果往往不盡準確,導致人員的檢測還是無法避免,然而,以此種方式,勞工本身的精神、疲勞感皆會影響判讀的準確。
而在工業工程層面,AI能夠幫助進行人員調度管理、自動生產以及資料數據的採集。
由上述的工時研究上來說,在流水生產線上,AI能夠取代IE原先繁瑣、耗時的「按碼表,抄寫」等一系列工作。
而就PowerArena而言,現在我們可以透過市面上一般的攝影機,搭配AI演算法伺服器,即能夠即時且全面的產生相關生產數據。
相較於以往IE以傳統方法進行資料搜集有限的數據,AI能夠24/7即時、全面且客觀的將數據採集,提供IE完整的產線數據,並透過AI所取得的數據去進行瓶頸辨識作業,並針對問題點去做改善。
使工廠人員發揮其最大價值
許多勞工對於AI的出現帶著畏懼,認為AI世代的來臨代表者自身工作被取代的危機,然而事實非然,AI的角色在工廠上幫助工廠人員將時間運用在更有意義的事情上。
在工廠上,AI代替人員去進行繁瑣、重複性高又耗時的工作,如工業工程師原先按碼表進行數據採集,如今,那些時間能夠拿來做更有價值的運用,而取而代之的,也是更完善、更全面且客觀的數據,而這部分也是PowerArena所能為工廠所帶來的價值。
導入AI的最終價值,並非直接的取代人力,而是幫助勞工去發揮其價值,幫助企業更有效率的達成目標。而若針對PowerArena所能為IE所帶來的效益有興趣,歡迎與我們預約展示。