Page 96 - Vol.27

New
Vision
新象新知

問題點 解決方法

資料散布於各表格/系統，交叉分析耗時 大數據_資訊整合平台

著安全防護具不易手寫，保養表單填寫 語音輸入_無紙化PM語音助理
重工
比對資料認知不一致得耗時澄清 VR_影像化PRS，虛擬系統教學
看資料報告學習不如身歷其境有效

跨廠領料，跨廠送樣，跨廠送貨 無人車 / 無人機
現場複雜，人員巡檢的重點不一致 視覺辨識_巡檢機器人
工程多，難以管控每個施工人員

長期難解的問題 群眾外包_跨組織技術討論平台

圖 23、InnoCentive 平台理念：透過開放平台並提 表 3、運轉現況問題及進化機會點
供獎賞給提出最佳解法的各行業專家

領域制式訓練下造成的觀點，而這樣的組合就是所謂的「重組 延伸，我們也看到了許多運轉上可
式創新」。 進步的機會。這些技術應用都已經
發生在現實世界，且絕大多數都已
最近常上新聞的 Uber 背後所代表的就是「群眾外包」概念；其
經進入商用階段。機器人與人工智
主要精神是建立一個平台，讓提出需求的人，和提供服務的人
慧的應用將很快的普及在我們生活
媒合，不論是食衣住行、甚至是知識，來互相交易；因此有了
中。因此本文希望能拋磚引玉，從
TaskRabbit、Lyft、Airbnb、Uber 等各種「能力」分享平台。
機器手臂搭配視覺辨識做到化學品
彙整上述的各種問題與可能的科技應用如 表3，可發現目前已 自動化開始，讓廠務作業流程可以
有許多工作效率提升的機會點。但這些自動化的數據都得要透 自動化及數位化，進而逐步走向人
過網路來連線，尤其是無線網路的應用將越來越廣泛。然而公 工智慧管理。
司在這一部份的基礎建設仍略嫌不足，廠務區域仍有許多地方
收不到訊號；未來自動化要大量應用，應強化此基礎建設。另
外管理面上，未來工程師都得具備程式語言的能力，至少要可
以懂程式的邏輯，有數據化思考的方式，否則將難以看出系統
性的問題。各領域的專業搭配大數據思考的思維將會是未來運
轉的核心，在自動化後產生海量數據中找出問題的模式，並設 參考文獻
法解決甚至預判問題產生都是未來努力的方向。所以系統管理 [1] Erik Brynjolfsson, Andrew McAfee，
第二次機器時代。
模式可能由解決問題，變成有效率地派工、控制流程的除錯與
[2] Alec Ross, 未來產業。
預判異常發生。在廠務往自動化前進的路上，可向生產自動化 [3] 工研院南分院。
單位取經學習如製造部與 AMHS，以縮短學習曲線。 [4] http://www.ABB.com
[5] http://KUKA.com
[6] http://Egemin.com
[7] http://Castec.com
[8] http://technews.tw/
[9] Sherry Ruan, James Landay, 2016,
結論 Speech Is 3x Faster than Typing for
English and Mandarin Text Entry
on Mobile Devices, arXiv preprint
arXiv:1608.07323
[10] https://developer.microsoft.com/zh-
tw/windows/kinect
本 章透過將移動式機器人、無人堆高機與無人配送車等現有 [11] http://www.sks.com.tw/about/menu1/
index.html
自動化技術應用於整個化學桶更換流程的介紹，讓我們
[12] http://www.bostondynamics.com/
在不容易停機生產的前提中看到機會點，可以一對多的特色也
[13] https://www.innocentive.com/
可控制導入成本低於人力費用。生產力提升的同時，我們又可 [14] https://www.pagamo.org/
[15] https://www.ted.com/watch/tedx-talks
以兼顧人員安全、高作業穩定度與零誤操作。雖然應用上勢必
[16] https://www.khanacademy.org/
有一定的磨合期，但導入自動化產生很多可分析的數據，這對
未來運轉異常分析或大數據整合將大有幫助。透過上述應用的

96