隨著科技的創新及信息技術的演進，製造業的各個環節逐漸與雲端、物聯網、感測、大數據分析等技術深度融合，在人工智慧(AI)浪潮席捲全球後，智慧製造更成為傳統工業轉型的關鍵。台灣的既有優勢製造業應如何面對這股人工智慧(AI)浪潮?人工智慧(AI)技術如何實際導入產線、應用於企業?已成為製造業者、資通訊業者、系統整合商共同關注的議題。

為協助協會會員及人工智慧(AI) SIG廠商掌握智慧製造領域趨勢、相關技術及台灣應用落地實例，台灣雲協技術專家委員會特別針對智慧製造領域，舉辦人工智慧產業應用實例分享會。

本場分享會首先安排工研院產科國際所鍾俊元副所長，分析國、內外智慧製造應用趨勢，以及如何透過新的智慧製造技術，改善傳統製造方式的痛點。既而安排工研院巨資中心專家，共同透過案例分享及技術分析，對現場聽眾介紹如何實際將人工智慧(AI)技術落實於產線，以降低維護成本、提升生產效率、因應彈性生產、達成智慧製造之落地。

工研院巨資中心石明于博士，以「DNN瑕疵影像分類應用」為題，向聽眾解說如何透過深度學習瑕疵影像分類，為製造業帶來新契機及新的解決方案；工研院巨資中心資料分析技術部賴建良副理則分析如何透過資料工程技術及眾智式學習(Ensemble Learning)，進行產線、機台設備的預診，並提出新的設備保養解決方案；工研院巨資中心張森嘉組長則介紹配方參數最佳化，以及機器人自主學習等兩項新智慧製造應用。工研院張森嘉組長在演說中表示：製造業的配方研發與良率提升、材化業的材料組合最佳化、製藥業的新藥物開發 等眾多產業皆有配方參數最佳化之需求，若單純仰賴工程師的領域知識或實驗設計法則成本太高，因此，若能結合AI 學習演算法、多元歷史資料、工程師經驗，則可提供配方參數最佳化應用技術；而在機器人自主學習方面，人工智慧自主學習之多關節工業型機器人已成功應用於金屬加工、水五金等領域，透過深度增強式學習(Deep Reinforcement Learning, DRL) ，可大幅減少學習時間與實體嘗試次數，並已達成現場操作人員容易使用、換線更加快速有彈性等實際成果。

本場分享會吸引近百位聽眾到場聆聽，並與講者進行熱烈的互動及討論。雲協技術專家委員會將持續針對協會會員、雲協AI SIG成員及議題相關廠商，分享雲端、物聯網、AI 領域新知、科技應用及發展趨勢。誠摯歡迎業界先進共同參與。