作者：楊育青

身處國際重要產業供應鏈上，台灣在各方面發展均已成熟，然而，面對ESG即將帶來的產業轉型變革，企業若要更換硬體設備，將是很大的成本、資產的支出；透過新創團隊所提供的AI軟體服務協助企業優化製程，不只增進產能，更能協助企業落實ESG。

AI for ESG！新創如何協助企業進階到下一個成長曲線？

2020年成立的台灣新創詠鋐智能，是矽谷知名雜誌《The Silicon Review》 2022年8月份封面故事主角，這兩年協助石化、鋼鐵、半導體、紡織、汽車、能源……等製造業者，透過AI降低企業生產耗能，帶來具體效益，包括台塑等多家企業也已經導入詠鋐智能自行研發的AI應用平台。

詠鋐智能執行長謝宗震表示，ESG是無可迴避的大勢，做為全球產業重要的供應鏈環節，台灣有許多企業是全球品牌的供應商，必須同時面對大品牌以及其他國家對於供應鏈廠商的要求。但由於法規剛起步，目前無論企業或是政府單位都沒有確切的概念，知道怎麼走才是最正確的。對企業而言，需要關注的除了碳邊境稅，更重要的是企業組織與治理的問題。除了仰賴政府訂出導引，借鏡他國的發展，企業端也亟需ESG評量或指引。

據他觀察，大企業通常已有藍圖規劃且掌握穩定的商業模式，只是在新時代開始之際，仍然需要一點時間尋找定位。新創企業在這之中扮演的角色為「破壞式創新」或是「協助企業在供應鏈體系中，進階到下一個成長曲線」。

那麼，新創團隊到底要怎麼協助企業呢？以「減碳」為例，謝宗震認為可分成三個面向，首先是在製造、零售等特定場域中，利用創新的方式協助企業內部降排或節能，例如進行設備更新，以達到節能減碳的目的，但這樣對企業來說將是很大的成本支出。若能透過軟體或是AI系統，讓企業不用投入大規模的成本也可以先快速試行解決方案，另一方面，新創也能有一個實際的應用場域。「我們的願景是希望提供一塊軟體，讓場域的使用者可以透過AI技術達到ESG的應用。」他舉例，可能是協助企業優化生產製程，使用較小的單位成本，生產出品質足夠好的產品。

用No-Code AI為產業賦能

過往常認為，企業需要有一個強大的AI團隊才能導入AI專案應用。但謝宗震發現，近兩年製造業對於如何將人工智慧有效應用在各個場景，多半已有一定程度的了解且建立出標準作業程序（SOP），為了降低企業導入AI門檻，詠鋐智能於是建立了有效介面的操作方式，透過No-Code AI平台的建立，讓現場人員可以簡易使用，「自己的製程自己管。」

「無論是資料科學或是Machine Learning（機器學習），其實都是應用科學，必須在某個場景扎根。」謝宗震說，在進行跨領域合作的時候，其實就已經有心理準備，必須要花時間了解該領域的知識。但這也給了他另外一個啟發，「你已經有一個本事，希望能夠賦能（企業）的話，必須要再跨一個行業別加值。」

也因為發現台灣製造業在人才斷層、人力招募上的困難，所以開始思考，能不能讓原本懂化工、電力的人賦能，加上新工具的幫助，讓提升單位的人均產值，幫助生產更佳，而No-Code AI正是達到這個目標的新工具。

謝宗震觀察到，目前的No-Code或是Low-Code平台可以分成兩大類，一類為雲端大廠提供的服務，主要是提供給開發商使用，需要具備資料科學的相關知識；另一類則是針對特定場域與產業所開發出的工具，使用者多半為現場工作人員。他認為，針對特定的垂直場域，每個產業所開發的平台都會不太一樣。

提供好的武器，讓企業也能 Tech for Good

「企業是這個社會最小的公益組織單位，因為它讓一群人的生活獲得溫飽。」 謝宗震說，自己2016年開始投入資料英雄計畫，當時在意的是希望能透過一些典範案例，讓大家相信透過資料科學的幫助，能讓社會變得更好。而計劃進行至今，已經累積了許多典範案例，此時，團隊開始思考要如何讓Data for Social Good這件事情「落地」與「擴散」？不只是讓厲害的資料科學家跟人合作，而是要讓大家都能做。

做為一個提供ESG解決方案的新創公司，謝宗震與團隊希望能幫助企業也能進行ESG，提供足夠的武器，讓這些好的成果可以遍地開花。（了解更多新創企業如何協助企業落實ESG實例，請點選連結收聽精彩內容：『導入 AI 、優化產能，讓供應鏈適應新遊戲規則）

The post Chimes AI 降低導入AI門檻，讓供應鏈適應新遊戲規則 first appeared on Chimes AI.

作者：創業小聚實習生 溫于萱

一間工廠動輒數百台設備，大量倚靠「老師傅」的操作經驗。特別是在設備的「維修」，有時候只有老師傅能摸清這些設備的脾氣。

詠鋐智能就是要讓AI成為新時代的「學徒」，讓最懂設備的老師傅透過簡單「拖拉」的方式操作，就能建立起演算法、導入AI。也就是說，工廠從導入AI到模型維運，只要靠廠房人員就能完成。

「解決問題的不是我們，我們提供工具，讓製造業中那些最懂自己要什麼的人來解決問題。」詠鋐智能創辦人謝宗震（首圖左）說，這段創業故事還得從「環境永續」開始說起。

創立公司的起心動念和「環境永續」有關

2015年資料分析開始成為潮流，數理統計出生的謝宗震和一群有滿腔熱血的夥伴成立了專案顧問公司智庫驅動。他形容當時就像是一群英雄好漢因為想解決各行各業、各領域的問題，一起成立以資料分析為本並且做公益專案的公司，先後做出台北市家暴風險地圖、守護農地計畫等專案。

不過，謝宗震注意到一件事情：再怎麼運用數據統計分析，許多問題仍然沒有得到改善，比如說在做守護農地計畫時，他發現被污染的農地其實都在工廠旁邊，以專案公司的角度切入，要解決工廠環境污染問題的進度會非常緩慢，謝宗震開始思考是否有辦法借助科技的力量，幫助工廠更快速的解決汙染問題。

但是對工廠來說，讓機器保持穩定運作的急迫性優於創造環境友善。當工廠用人工監控機台，需要廠務人員來回確認機台是否真的故障，又或只是機台的誤差，是非常沒有效率的方式。

而如果機台真的故障了，維修時間更可以長達1個禮拜，因此謝宗震決定先以「保持穩定性」的角度接觸這些24小時不停機的工廠，透過AI提前示警、減少停機的可能性以及維修時間。等工廠對AI熟悉後，再透過AI協助工廠進行更有效率的生產，同時降低產品的單位用碳量，促成企業在供應鏈上的競爭力。

AutoML+MLops二合一平台，一次整合開發到維運

傳統製造業導入AI的過程，最容易遇到的問題便是技術落差。

在廠房操作機台的師傅並不是專業的AI人員，所以並不具備建模、使用AI設備的能力，就算靠外部工程團隊或是某些No Code工具建立好AI模型，後續的模型維運與調整仍需要靠外部工程團隊協助。

因此謝宗震決定將前期的「建立模型」（AutoML）與後續的「模型維運」（MLOps）整合在服務當中，這也是詠鋐智能的獨特之處。

「24小時不停機的機台一定會有耗損，零件更換、機台更新是常見的事情，然而零件與機台的更新勢必會讓某些運作參數不同，舊有的AI模型就容易失準，所以後續該如何維運，或許比建立模型更重要。」謝宗震表示。

另一方面，謝宗震過去在專案公司的經驗累積，讓他對工廠遭遇的問題、需要哪些關鍵數據都有所了解，所以可以迅速設定好模型與演算法的搭配，也因此能將這些複雜的演算法變成視覺化的畫面，供機台師傅使用，改善過去要花費大約一個禮拜讓師傅與AI團隊來回溝通才能建立好預測模型的狀況。

讓最懂機台的台塑技師，自行組裝所需的功能

以詠鋐智能與台塑的合作為例，台塑的廠務人員只要將採集好的資料餵到詠鋐智能的產品Tukey，Tukey會自動清洗掉那些不穩定的數據，再交由具有多年工作經驗、最了解設備的機台師傅手動從Tukey內建的演算法中，自行透過拖拉的方式選擇要建立的演算法。如此一來，機台師傅即便不具有像IT人員一樣的專業背景，也可以操作圖像化介面，大大降低了溝通的時間、成本。

Tukey即時取得機台數據後，可以預測機台異常的風險並即時預警，機台異常預測準確率更突破90%，而工廠只要及早發現就能以最輕度的方式解決機台問題。當模型發出維修警示後，機台更新後需要重新調整模型參數，工廠人員們也只需要在Tukey上設定自動更新，就可以完成模型維運。

這也是為什麼在3個月內，詠鋐智能就已在台塑25間工廠總計400台設備中導入Tukey，用技術創新突破傳統導入AI耗時的瓶頸。

AutoML+MLops成趨勢，擴大至矽晶圓產業

詠鋐智能目前鎖定的客群大多是石化、鋼鐵、水泥等不會停機的連續型製程工廠，因為不停機，所以這些工廠就有自動化流程，以及安全性維護的需求，而這些需求恰巧就是Tukey可以切入提供服務的關鍵。

未來，詠鋐智能的Tukey工具將不限於連續型製程使用，而會拓展業務於批次、站別製程產業，用於提升商品良率以及達成產量最大化。

謝宗震也相信隨著AI被應用的場景逐漸清楚，產業開始有AI模型生命週期管理的需求後，讓現場的廠務人員，自己執行AI、管理AI絕對是趨勢，所以一定會有越來越多人使用「AutoML+MLOps」，但已經提前在此領域耕耘的詠鋐智能並不害怕被取代，AutoML+MLOps仍然會是他們持續推動的服務模式。

此外，在第26屆聯合國氣候變遷大會（COP26）的推行下，未來這些大廠都需要面臨碳權交易的問題，所以謝宗震相信詠鋐智能終究會從為工廠保持穩定性走向為工廠節能，也就是透過AI協助工廠進行更有效率的生產。

The post 從建立AI到維運都不用工程師，詠鋐智能No Code平台3個月導入台塑25間工廠 first appeared on Chimes AI.