科技創新（一百三十二）：AIoT產業-智慧製造之使用大數據達成整廠生產良率提升-從供應鏈與產線排程來看

越來越多的製造業投入大數據改善效率這塊，畢竟效率的提升省下的成本很可觀，尤其在很多製造業公司的利潤不高的狀況下。在許多製造企業的供應鏈領域，機器學習是大部分活動的重點。早期最多使用在改善需求預測，但現在結合商業智能與業務流程管理技術，允許將人工智能洞察嵌入到業務流程中，廣泛運用在庫存採購、生產策略、倉儲規劃與物流管理等，可有效減少缺貨現象，提高預測的準確性，並達到或提前於更多客戶的交貨日期，實現工業4.0中「製造業是一種服務」的願景。

以跟我合作的廠商訊能集思(Synergies Intelligent Systems, Inc.)的工業決策AI平台SyGPSTM為例，它在智能製造領域提供多種解決方案，其中智能供應鏈大腦，深入企業進行庫存決策、排產決策、倉儲以及物流決策等自動化規劃和優化現有供應鏈流程

有別於傳統的供應鏈統計模型，訊能集思在供應鏈各個環節讀取大量數據，自動找出優化特徵，利用人工智慧預測模型，動態優化原料庫存，達到降低庫存成本、提升生產效率的目標。例如在庫存決策方面，訊能集思的共用料模型，透過人工智慧演算法分析各物料規格、成本、使用頻率、重要性權重，計算出物料間的可替代性，產出共用料替代方案，藉由物料共用性的比例提升，達到極佳的庫存規模經濟 (Economies of scale)，此方案已成功幫助玻璃工廠、重設備工廠等降低10%~20％的安全庫存水位。在生產排程的決策上，訊能集思突破了既有排程工具(如APS)的單維度線性規劃及複雜參數設定，透過收集到的排程歷史數據，積累人工排程經驗、規則及基準，預訓練人工智慧神經網路，結合運籌學模型得出極佳排程，可準確預測交期、提升作業效率以及增加工站產能，更提供快速複製、連續優化等優點。

從訊能集思的例子可以看出，透過人工智慧，收集了大數據，可以優化庫存，降低庫存成本，提高排程效率，達成極佳排程，強化預測交期的準確度，這對很多工廠是很想解決的部分，將省下不少錢。而且，初期投入不高，是很不錯的一種切入。