精實製造中的人工智慧：人性化的數位化？
作者：Daryl John Powell （ 挪威勞福斯SINTEF Manufacturing 首席科學家）
國際精實六西格瑪雜誌
國際標準期刊號： 2040-4166
文章發表日期：2024年4月8日
發行日期：2024 年 4 月 8 日
1. 介紹
精益製造自1990年代以來成為工業改進的主導方法，隨著時間的推移，精益思想不斷發展。
工業4.0的出現將數位化放在了議程的首位，尤其是工業物聯網（IIoT）的實現，讓大量數據集成為可能，用於訓練機器學習（ML）算法以監控和優化生產過程。
精益製造與工業4.0技術的結合，催生了精益工業4.0的概念，這是一種結合人類和人工智慧的創新社會技術範式。
2. 研究目的
探討AI在精益製造中的新興角色，旨在概述當前的最新狀況並識別未來的重要研究方向。
3. 方法
使用快速文獻回顧（RLR）方法調查AI在精益製造中的當前和未來應用領域，選取近10年內的相關文獻進行分析。
4.維護優化
AI和ML技術在智慧維護中的應用，包括預測性維護和危機管理，減少機器停機時間，提高總設備效率（OEE）。
智慧生產計劃和控制
AI和ML在生產計劃和控制中的應用，如決策支持、資源利用優化和多技能工人分配，提升生產靈活性和彈性。
質量控制
ML和深度學習在品質監控中的應用，如使用卷積神經網路（CNN）檢測生產輸出中的質量缺陷，通過大數據分析提高質量控制和管理。
邁向工業5.0：可持續性、韌性和以人為本
AI結合精益製造以實現能源效率提升和可持續發展，應對COVID-19大流行期間的供應鏈韌性，並促進人機協作和工人福利。
5. 未來研究方向
結合AI與精益製造實現碳中和社會。
結合AI與精益製造提高智慧工廠及其生態系統的韌性。
結合AI與精益製造開發下一代組織學習系統。
6. 結論
當前AI在精益製造中的應用主要集中於生產系統的優化，但對於結合AI與人類學習以推動組織學習能力和人力資本發展的研究較少。
未來應加強AI在可永續性、韌性和人本主義方面的應用研究，以實現更廣泛的數位化目標。
這篇論文強調了AI在精益製造中的重要性，並提出了數個未來研究的方向，旨在推動該領域的進一步發展。
這篇論文對實務上的貢獻主要集中在以下幾個方面：
1. 提升維護效能
預測性維護：AI和ML技術可以通過分析感應器數據來預測設備故障，從而實現智慧維護，減少不必要的停機時間，提升設備利用率。
危機管理：ML算法可以預測和記錄突發故障，有助於提前採取措施，避免昂貴的非預期停機。
2. 智慧生產計劃和控制
生產調度優化：AI和ML可用於生產調度的決策支持，確保資源的最佳利用，減少浪費，提高生產效率。
多技能工人分配：通過ML技術，企業可以更有效地分配多技能工人，增加生產線的靈活性和適應性。
3. 品質控制
自動品質檢測：AI技術，如卷積神經網絡（CNN），可以自動檢測生產中的品質缺陷，從而提高產品質並減少人工檢測的需求。
小樣本問題：對於實施精益和六西格瑪方法的企業，AI技術提供了處理小樣本數據的方法，這對於品質控制尤為重要。
4. 永續性和韌性
能源效率提升：結合精益原則和AI技術，可以在生產過程中提高能源利用效率，減少能源成本，並促進永續發展。
供應鏈韌性：研究指出，雖然精益供應鏈實踐增加了供應鏈韌性，但AI和大數據技術的採用對於提升企業韌性仍有待進一步研究。
文章來源
