文章转载自艾杰达公众号
在生产制造已达高峰的明基材料 (BenQ Materials)，导入 Profet AI 开发的 AI 自动化机器学习数据科学软件平台（AutoML），实现再次进化突破，从研发到生产管理的全过程都能够 AI 赋能。不仅让关键因子分析、制程品质预测、配方探索等应用场景更有效率，实现优化制程和突破生产瓶颈，进而提高公司竞争力，从 AI 投资导入下得到高落地效益。
积极从“产业材料行业”转型的明基材料（以下简称明基材）近年来已经成功跨足医疗和汽车领域。像医疗包材、医疗耗材、隐形眼镜等高价值产品持续增长，再加上 2022 年第 4 季度取得卫普实业 51% 股权后，2023 年在医疗事业新增了不织布和功能 PE 膜等新事业，营收占比持续上升。同时，车用隔离膜和车用智能调光膜进入车用市场，公司未来成长可期。
在多元布局的策略下，除了拓展医疗和汽车业务版图外，明基材也进一步强化技术升级，积极引入 AI 应用来提高产品良率和优化管理，带动整体运营绩效。总经理领导多位主管，特别开设主管干部课程，并在各部门开设技术班推动 AI，目前效果已逐步显现，不仅成功提高管理效能，投资成本也大幅降低。
利用具备高性价比和调整弹性的 AI 工具，结合深入领域知识，仅一年就可以节省六位数的成本
明基材料偏光片制造中心桃园工厂厂长兼 AI 专案室主管余清浴表示，工厂开始引入 AI 的应用时间并不长，约在 2021 年才开始评估，大概只有两年时间。当时的关键思维是为了“解决生产的问题”。以生产线来看，就是要提高直通率。余清浴指出，一开始找了美系与日系两套国际品牌系统来解决工厂的问题，不过这两套系统用没多久就都被取消掉。探究其原因，是因为找到更好用的系统。
余清浴直言，“我们找到更好的、投资回报率更高的产品。Profet AI 产品的 CP 值 (性价比) 更高、功能更强、具备中文化操作、可以跟我们的需求沟通，并且拥有调整弹性。”后来厂房即更换采用 Profet AI 与 Oracle 系统，至今 Profet AI 的成功落地案件已超过 20 多件。
余清浴点出关键，“毕竟原本两个系统皆为海外品牌，要为了一家厂商调整很多东西其实并不容易”。
从企业重视的投资成本效益方面来看，原本的美日系两套系统一年合计要花费六十多万美金，相较于后来更换的 Profet AI 加上 Oracle 系统，前者花费约三万多美金，再加上 Oracle 产品，总投资金额最多 6 万多万美金，经过试算，Profet AI 的系统这一年已经为明基材省下达数十万元的费用，对这个成果公司相当满意。
余清浴进一步指出，制造业建置 AI 最重视的是领域知识，但并非所有 AI 数据科学家都具备领域专长。举例来说，大量数据进入到学术化的模型，准确率并不高，若缺乏领域知识，就可能发生抓错因子的问题，也没有领域知识去收敛，过程中的反复验证都会发生差异。
导入 AI 成功改善制程、突破生产瓶颈与进行配方探索
随着 AI 应用的导入，明基材目前已经看到了哪些成效？余清浴表示，“不仅製程改善很多，也成功突破生产瓶颈。”明基材以往都是运用原始数据画成单变量趋势图进行判断，手上的异常数据就有几万笔，若仅光靠人工，是无法那么快速又精准的执行。
此外，若生产线上需要短时间内需要进行生产的切换，需要调整参数，前后产品的重复规格上下限很窄，以往只能内线进行切换，这个过程产生很多浪费，例如生产材料的浪费。在导入 Profet AI 的 AutoML 系统后，生产线采用不切转的方式，在另一边提早调整浓度跟温度，也解决了人工操作精准度不高的困难点，进而减少生产线材料报废，同时也提升良率。
而“配方探索”也是让明基材透过 AI 获得不少帮助的项目。由于需要开发的新产品众多，但是数据量少，Profet AI 的 AI 工具能够抓取比较类似的某种类型数据，符合 R&D (研发部) 需要的新规格。甚至，系统的开放性架构也支持内外部各站点的使用状况，像是用电量、温度、碳税换算等 ESG 议题，全部都已设想到位。
定期检视需求端与功能端，持续优化用戶体验，达到双赢目标
余清浴表示，明基材选定 AI 系统主要有两个考量关键，首先需要能符合使用者需求，其二则为功能性考量。简单说，「买东西要实用」，新系统的导入最好由使用面来决定，如果只是单纯由 IT 主导，IT 与工厂生产端若未能有效沟通，就会导致系统一改再改。
明基材当初会将原本美日系的系统转换成 Profet AI，很重要的一个原因就是「用户体验」， Profet AI 会定期为客户检视哪些功能是否需要进行修改，在系统面又有那些可以满足视觉化的需求。余清浴强调，满足需求端与功能端虽然很基本，但其实最为重要。
Profet AI 业务总监余常任表示，在与明基材的合作过程中，双方研发团队每一季都会进行功能研发会议，Profet AI 团队会针对明基材的实际使用需求进行评估，纳入未来产品路线蓝图，包括数据健检、配方探索与关键因子分析整合、设备异常侦测功能优化，以及线上 AI 模型管理等主题。
余常任认为，持续针对使用者需要的功能进行改善与优化，设计出更为适合使用者的操作动线，与真实制造与研发的作业流程高度整合，才能达成双赢目标。
关于艾聚达
艾聚达是一家提供 AI 赋能的 HaaS 平台解决方案公司，透过 AI 技术赋能边缘硬件产生数据价值，助力企业全面智慧化升级。艾聚达基于人工智能技术，提取数据价值并将算法模型赋予终端，让边缘硬件产生智慧决策能力。凭借在制造行业多年积累的丰富场景应用技术与算法模型，为各企业提供全面完整的工业自动化、边缘智能化、工业大脑、工业人工智能平台四大解决方案和服务。艾聚达深耕智能边缘硬件与人工智能技术，赋予边缘数字力量，致力于成为企业智能化升级过程中的技术服务最佳伙伴。
