top of page
hero-bg-08.jpg
Profet AI Insight

透過我們了解最新資訊、產業觀點

友達送 1,000 人學 AI,打造上千模型平台!全球員工用 No-Code 噴發各種創意

友達從 2015 年導入數位轉型計劃,送近千名員工 AI 學校上課,甚至在友達大學創辦未來學院,自行開課、辦演講,如今 AI 應用遍地開花,他們如何辦到?


撰文:王郁倫/資料來源:數位時代


友達科技全球員工數高達 3.8 萬人,要找到、也要能留住好人才,是人資部門最燒腦的難題之一。2020 年,人資同仁透過 No-Code(無程式碼)工具,分析招聘者人格、地域等關鍵因子,成功提高人力留用率。

過去,友達要評估一項研究成果能否申請專利,專利工程師得先閱讀成百上千份報告,現在透過電腦過濾,工程師只需判讀篩選出來的報告;供應鏈管理部門透過 No-Code 工具追蹤供應商財務資訊,一發現高風險,就即時預警採購人員;或是每當全球發生重大地震,立刻通報震央附近是否有供應商⋯⋯。


友達導入數位轉型計劃後,越來越多非 IT 部門員工有能力自行解決IT問題,甚至碰撞出新點子。「現在各單位都有能量,自己決定做什麼適合的題目。」友達數位長謝忠賢說

友達導入數位轉型計劃後,越來越多非 IT 部門員工有能力自行解決IT問題,甚至碰撞出新點子。「現在各單位都有能量,自己決定做什麼適合的題目。」友達數位長謝忠賢說。圖/ 侯俊偉攝影


第一階段:打底——派出千名種子員工,到人工智慧學校學 AI

友達的 AI 應用能跨部門遍地開花,關鍵在於 2015~2017 年啟動的數位轉型計畫。當時,公司沒什麼外部平台及工具可用,便自建 AI 訓練平台「AI 365」。2019 年起的 2 年間,還送出 1,000名 同仁(含 600 名製造及研發相關主管,及 400 名專案工程師)到「台灣人工智慧學校」上課。

另一方面,友達也跟清大合作,總計派出近 3,000 人次學習基礎統計及數學,「這些人學習後回到工作場域,AI應用就水到渠成。」在向外取經的同時,友達也在內部的友達大學成立未來學院,每年召開趨勢論壇,定期舉辦專業講堂,錄製 5~10 分鐘的微學堂講 AI,慢慢讓同仁熟悉工具與使用環境。

到了 2020 年,隨著製造端 AI 模型陸續上線,帶來不錯成效,對 AI 有興趣的同仁逐漸增多,友達便與 No-Code 平台新創杰倫智能合作,透過其 Auto Machine Learning(自動機器學習)平台,讓不懂演算法、但有好點子的同仁不需要寫程式,就有工具解決問題。

至於困難度高、需要複雜演算法的題目,則仍透過 AI 365 平台架構進行。友達內 No-Code/Low-Code 兩種系統平台並存,讓同仁依自己能力選擇工具。


友達內部有 AI 365 與 Auto Machinie Learning 兩種 No-Code 平台,員工可以依照自身能力與需求選擇工具,此作法更加速數位轉型的進行

友達內部有 AI 365 與 Auto Machinie Learning 兩種 No-Code 平台,員工可以依照自身能力與需求選擇工具,此作法更加速數位轉型的進行。圖/ 侯俊偉攝影


第二階段:建立信心——讓財務轉做更高價值分析,消弭「被火」擔憂

回想 2020 年開放人資或財務部學 AI 時,大家第一個心理障礙是:我的工作會不會被 AI 取代?因此,友達的 AI 課堂上,主管人數比工程師多,因為主管可以幫助對內溝通更順暢,協助員工化解疑慮,理解導入 AI 確實有些工作會消失,但也會增加新的工作

其次是找出成功案例,像是用數據分析找到久任員工;用 AI 做報表審核,讓財務部省下時間轉做更高價值的財務分析。當員工開始有信心,也更能體會 AI 大數據的用處。除了後勤員工學會使用 No-Code 工具建 AI 模型,工廠端也大量運用 Low-Code/No-Code 工具優化產線,而且可以跨廠共用共學。

數位技術開發處處長呂學平舉例,3.5 代廠的同仁開發出的省電方案,打包成模型放上 AI 365 平台後,8.5 代廠調整一些參數即可導入;若想優化一台設備效能,也能在導入數據後,透過 AI 找出關鍵因子。

工廠是友達最大的事業單位,可以做的題目也最多。以工廠最在意的「解決良率」而言,第一步是先很快地找出到底是什麼問題?是濕度、溫度或震動?其次由工程師搜集數據,餵到 No-Code 平台,平台會一步一步導出哪一個才是影響良率的關鍵因子,工程師再去試著調參數,看良率是否提升。

導入 AI 的確有些工作會消失,但也會有新工作出現。當 AI 能執行低專業度的工作時,人力就可以轉而從事更高價值的判斷、分析與決策工作。


接觸低程式碼平台彷彿找到第二春:「原來可以做的事情這麼多!」

呂學平認為,使用者還是要懂得解釋 No-Code 工具原理,慢慢累積後才會愈來愈上手。

友達在全球 20 座工廠,都想找到更好的良率優化方案,在第一線的設備工程師,在拿到 No-Code/Low-Code 平台後紛紛反映:他們彷彿「被活化」了,找到各種應用能力,AI 訓練讓他們可以做得更棒。「可以做的新的事情這麼多!就像找到第二春。」謝忠賢笑著說。

不過,Low-Code/No-Code 工具當然也有其局限。遇到「預測機器人何時會當機」這類難題,由於涉及多個複雜因素交互作用,要搜集更多數據,如設備震動或馬達聲音,工程師不能只靠 No-Code/Low-Code 工具,必須發展更高階工具,寫 AI 模型進行訓練。


第三階段:累積——從人資到供應鏈管理部門,AI模型愈豐富、轉移學習愈輕鬆

目前友達累積的 No-Code/Low-Code 的 AI 模型各有上百個,不只是人資、財務、供應鏈管理部門學會運用,就連製造端工程師也廣泛使用,以優化生產流程。當模型愈豐富,透過轉移學習(Transfer Learning)訓練新模型,也就更快速輕鬆。

謝忠賢表示,雖然公司不會期望全員會 AI,但畢竟工廠早已布建3萬多個感測器用於搜集數據,基礎建設完備了,「大數據就像石油,愈多人加入挖掘,效益愈好。」

身為台灣面板製造龍頭,友達面對的國際競爭包括對手的大規模設備投資,以及無止境的面板技術升級戰,「我們第一座 3.5 代廠都已經 20 年,在不增建新面板廠下,如何讓設備延壽、提高產值,生產更高階產品,就要靠數位化與研發提高工廠能力。」


友達說明如何用 No-Code 工具,解決製造業痛點。

友達說明如何用 No-Code 工具,解決製造業痛點。 資料來源:友達提供,編輯部整理。圖/ 數位時代


透過老闆的支持,塑造轉型文化、建立多元人才庫,並完善數位基礎設施,友達 9 年前投下 AI 種子,埋在組織各處,近 3 年的工廠直接人力減少超過 2 成,節電省水及省化學特用品效益更高,順利達成董事長彭双浪設定的 30% 效率改善目標。

未來,友達期望持續透過結合科技,展開更細緻地管理,從細節優化推動,朝下一個 3 年 30% 效率改善目標邁進。

Comments


bottom of page