AI智慧製造在各位想像中的样子是如何呢？先进的工厂、先进的设备、一切自动化如理想中的的未来工厂一样吗？

（示意图，来源：https://vmaker.tw/archives/40034）

没错，诚如各位所想像的，未来工厂或者说所谓的AI智慧製造的样貌不外乎刚刚提及的自动化、智能生产等。但是AI智慧製造近年来却成为一个Buzzword，时髦用语而已，就如同数位转型一样，人人都想做，但人人都不知道究竟何谓数位转型一样。

那麽究竟AI智慧製造到底是什麽？以笔者浅见在这边抛出一个约略的概念给各位先进参考：智慧製造，即为通过新型的资讯技术，解决旧有製造业的痛点与难题，进而提升效率与品质。

基于这样的概念出发，AI智慧製造就不难理解了，即是「透过AI助力，解决传统製造业的痛点」，那麽在AI智慧製造上，云端解决方案有什麽实际的案例呢？有的，笔者此次将抛砖引玉，通过台湾传统钢铁业的困境来阐述云端如何通过AI助力，来替传统製造业打开新的局面。

传统钢铁产业分布于台湾中南部或东部，大多都是进行钢材打磨、鎔铸、塑形等后期加工作业。目前多数台湾钢铁业业者都在积极进行转型，并且引入新设备与扩建新厂区，只是新厂区与新设备，当然很容易使用新的解决方案，达成最佳的製造效率，但旧厂房与旧设备，依旧是目前的主力，却面临产能与成本的瓶颈。

而本次的案例，就是源自于厂房路线设计的关係，加上机器研磨钢材的设备甚至是二战时期的产品，原先设备厂商也已经倒闭，无法再进行设备更新升级，导致研磨出的钢材，必须从A点耗费人力成本带至B点进行钢材检验，不合格的钢材再从B点带回至A点进行重新研磨。

这样的过程除了耗费人力成本外，最重要的是耗费了大量的时间成本在做品质控管，那麽我们应该要如何应用AI来减少人力与时间成本呢？

针对此案例，在不影响其馀变数的状况下，会在研磨机的出料口处，安装边缘辨识装置，将影像通过工厂实体线路，传输到云端资料中心，并且透过云端平台的AI影像辨识功能，来进行图像判读，并且即时回传判别结果。
当然，若是厂房有严格的资安规定，更进阶的做法则是可以收集大量的钢材图片，并且预先进行云端平台预置的模型进行Machine Learning，然后将Training完成的模型置放在边缘设备中，达成「边缘运算」的效果，藉此达成旧有工业产业链的升级。

流程如下图：

本篇文章仅是透过钢铁业的案例简略论述了製造业目前的困境与解方，下一篇文章，笔者将会带领读者深入探讨云端方案，并且详细讨论整体架构以及AI训练过程。