資訊提供︰印刷科技組

文章來源︰https://www.digitimes.com.tw/iot/article.asp?cat=158&id=0000571202_11v3pe8slvk1oc3v8zav2

車王電自主發展AI顯成效 改善30年來製程難解問題

2019年10月24日  來源：DigiTimes

廖家宜 2019-10-24

車王電董事長蔡裕慶。廖家宜攝

車用電子大廠車王電近年自主投入發展AI有成，陸續在內部透過AI優化生產管理，像是2018年將其運用在庫存預測，成功將英國據點的庫存金額減少25%，而今年則是將AI進一步導入於製程參數優化，有望解決30年來一直存在於工廠內的生產挑戰。

車王電在2016年就開始計劃導入AI優化生產，而至今在車王電內部團隊已經可以自主開發AI。對於新興科技的導入，車王電起初也曾嘗試透過與AWS或Google廠商合作，然而董事長蔡裕慶直言，AI導入製造業需要一定程度結合產業Know how，包括數據的來源與用途定義，這對外行人來說是一項相當棘手的問題，也因此車王電有別於他人，在自身對於AI的發展上，反而比較傾向透過內部團隊一手包辦，因此包括分析資料的重要性、資料蒐集的頻率、如何訓練模型，以及模型訓練後如何部署到現場等，都是由車王電團隊操刀主導AI開發。

蔡裕慶透露，目前車王電內部正將AI實際導入於厚膜印刷製程參數最佳化。車王電AI團隊表示，由於過去厚膜印刷製程會再利用雷射修整的方式將電阻修整至設定的阻值，而未來透過AI優化，將有望縮短該後製程工時，甚至達到不需要再二次加工的理想目標，透過AI解決30年來一直存在於工廠內的生產挑戰，而過去市場上也未曾有業者透過AI優化厚膜印刷製程的前例，因此車王電可說是首個將AI導入於該製程的業者。

蔡裕慶解釋，在該產業裡，厚膜印刷被視為一項非常複雜且技術門檻高的製程，除了需靠相當成熟的Know how經驗外，還必須經過不斷地Trial and Error，工程浩大，因此業界甚至有人將該製程稱之為一項「藝術」。

而厚膜印刷製程之所以複雜，主因在於其變數相當多，包括膜的黏稠度與厚薄度、面積、體積等，以及印刷時的速度與壓力等，其厚薄與電阻值有直接關係，而電阻值的高低更需在標準範圍內，變數多而複雜，是厚膜印刷製程的挑戰，也是生產品質的關鍵，而車王電便希望在AI的介入下，能夠達到參數調整最佳化。

除了將AI應用於生產製程外，車王電也透過AI預測庫存，確保供需平衡，這是車王電用於英國據點的實績，據悉已成功將當地庫存金額減少25%。車王電團隊表示，由於在英國據點有70%的貨採取當天下單當天出貨，原則上出貨速度要非常迅速，否則一旦被搶佔先機則很有可能失去訂單。

車王電在庫存管理上主要面臨兩個挑戰，一是為避免備貨太高而造成資金積壓，需將庫存合理化，二則是對未來供需的預測，管理必須最佳化，為此才能避免為達交客戶訂單而造成庫存失控。車王電為此在2018年開始導入AI來預測庫存管理系統達到上述所需，並且成功降低庫存水位，因此減少25%的庫存金額，且對客戶達交率也從93%提升至97%，效果斐然。