資策會用AI記下老師傅動作,工廠如何比對作業?

媒角抵加News/林承志
22 小時前
虛構金屬加工場景中,熟手以手工具加工金屬工件,年輕同事觀察,旁有攝影機;圖內標題為「AI記下老師傅動作,工廠怎麼比對?」並標示「AI生成情境示意」。

(媒角抵加/林承志綜合報導)資策會9月23日公布一套工廠作業數位雙生技術:多台攝影機記錄熟手的手部與身體動作,AI把操作順序、姿態和時間轉成資料,再與新人作業及標準程序比對。資策會稱,正與國內金屬加工業者合作驗證,並將於9月29日至30日公開展示。這項技術讓工廠有機會追查哪一步漏做或做法不同;訓練效果、誤判情況與導入成本,仍須由現場紀錄確認。

關鍵資訊

  • 主角與時間:資策會數位轉型研究院9月23日公布技術,9月29日至30日預計展示。
  • 工廠任務:保存熟手動作,對照作業程序,標記漏步、錯序與動作偏差。
  • 使用方式:多台RGB攝影機擷取動作;AI切分步驟、比對姿態與時間。
  • 目前狀態:資策會稱正與國內金屬加工業者驗證,合作工廠未具名。
  • 人工關卡:由熟手與現場主管訂定標準動作、確認異常,不能只憑骨架判斷產品品質。

沾漿旋轉不足,系統要指出是哪一步

金屬加工的沾漿作業,可能涉及旋轉圈數、吹氣位置與時間;檢具檢查則有固定操作順序。資策會舉這兩種情境說明:熟手先完成標準作業,多台攝影機從不同角度擷取肢體和手部軌跡,系統將動作切成步驟。下一位操作者作業時,系統比對既有程序,標出旋轉不足、吹氣軌跡不同或檢查步驟遺漏等片段及時間點。

資策會稱,系統不需在員工身上貼動作捕捉標記,可辨識全身59至133個關節點,並以33毫秒延遲進行姿態雙生。這些是研發團隊公布的技術指標;關節點數與延遲不能直接換算成現場辨識準確率,也不能證明成品不良率已下降。

熟手與主管仍要決定何種姿態、順序及時間符合該工序的要求。攝影機留下的差異片段可供人員回看,釐清是新人漏做、機台或工件不同,還是系統把正常動作標成異常。資策會目前稱正與國內金屬加工業者進行落地驗證,尚未公布具名工廠的訓練前後比較或誤判紀錄。

三階段概念流程:攝影機記錄工人標準動作,系統以橘色標記一段動作差異,主管與工人查看標記片段。
AI生成作業比對流程概念圖,非資策會實際軟體畫面。系統標記動作差異後,仍由現場人員判斷原因。

義大利研究曾把動作捕捉接到組裝訓練

這類「把人的動作變成可回看的指引」並非台灣獨有。2020年刊於《Procedia Manufacturing》的義大利研究,使用無標記深度攝影機記錄人工組裝動作,再透過擴增實境畫面引導學習者逐步完成組裝。研究把這套訓練方式與紙本指示比較,報告學習率提高22%,初期組裝循環的操作時間最多縮短51%。

義大利研究測的是特定組裝訓練架構與初期循環,不是資策會這套多視角技術,也不能代表台灣金屬加工現場會得到相同成效。它提供的參考是測量方式:若要知道動作指引是否幫上忙,應比較同一工序的學習進度、完成時間與錯誤,而不只展示攝影機能畫出人體骨架。

德國 Fraunhofer IPA 與產業夥伴正在開發 FlexWorkTwin 工作站,計畫結合可調整的裝配桌、訂單與員工技能資料、作業輔助程式,以及用於個別訓練的「人員數位雙生」。專案期間為2025年11月至2027年10月;Fraunhofer 公布的是開發目標與模組設計,並未把新人訓練縮短多少天列為已完成成果。

另一條路不追蹤每個關節,而是把熟手操作做成現場看得懂的指引。工業軟體公司 PTC 的匿名藥廠案例指出,該客戶用 Vuforia Expert Capture 將複雜作業程序製成視覺輔助教材,已在六個據點使用。PTC 所列每座工廠可能節省的金額是預估值,案例沒有提供可與資策會技術直接比較的實測數據。

台灣工廠先決定要記哪道工序、由誰判讀異常

資策會舉出的金屬加工與檢具檢查情境,適合先界定一段可重複的作業:由熟手確認標準步驟,記錄不同工件與機台條件,再比對新人操作。管理者需要同時保存系統標記與人工覆核結果,才能分辨漏步、合理變化與誤報。動作影像若涉及員工辨識,也要先說明誰可觀看、保存多久及用途。

資策會尚未公布導入設備費用、工廠驗證樣本、錯誤率或新人訓練時間。資策會預計在9月底展示影像擷取、AI辨識、SOP比對與改善建議的流程;工廠是否採用,仍取決於同一工序的前後測、現場人員能否修正標準,以及攝影機在遮擋、換線與不同工件下的表現。

目前較合適的成熟度判斷是現場驗證中、展示性質為主。資策會公布的技術目標是把熟手動作轉成可比對的資料;要證明它真的縮短教學時間或穩定品質,下一步是讓合作工廠提供具名工序、人工覆核與前後比較。

資料來源與更新紀錄