商周 -AI讀千本筆記挖老師傅知識　漢翔「千層派法」抗退休潮

「老師傅一請假，良率就得掉幾趴」是許多製造業者面臨的難題。對於正迎來一波退休潮的本土航太龍頭漢翔來說，如何用AI做好老師傅知識傳承，也被該公司資訊處處長方一定形容為，「續命」般的重點任務。

「我們一些主管與資深工程師過幾年要退休了，他們腦袋裡關於公司的重要資產、參數調校的知識如果沒留下來，公司技術實力會瞬間掉三○％。」他說。

破解「認知黑盒子」，才能為公司續命

但漢翔資訊處AI創新應用組組長金仁凱直言，執行這項任務的難度，要比轉化出老機器的數據難上一百倍。

他表示，運轉數十年的老機台，雖然像黑盒子，但機器終究會遵守物理定律，所以只要透過外掛感測器等方式，就可以將運轉狀態數位化。對比之下，人則像是更難破解的「認知黑盒子」。

「老師傅一般都是手作比較強，但在表達方面他就比較沒有那麼清楚。」漢翔生產處裝備管理組經理蔣勝聰，點出製造業隱性知識留存的困難。

即便現在已經有更多先進的AI工具，可以記錄、分析和模擬工作者動作，但金仁凱表示：「最難的不是記錄老師傅做了什麼動作，而是解碼他為什麼在這時候做的直覺。」

就像AI或許可以透過影像分析，發現老師傅在焊接時，手的動作突然慢了一拍，但光憑這個變化，無法知道老師傅是因為當下看到熔池顏色出現變化、聽到電弧聲音不對，做出的即時判斷，或者只是單純閃神，只是很幸運沒有造成異常。

人會根據經驗做預判，或因個人的體力考量、心情變化，在不同時間點採取不同解法，這都是人比機器更難解析的變數。

對漢翔來說，要想萃取出老師傅身上的隱性知識，不能只靠技術力，還得像製作千層派一樣，耐心的將數據與人的經驗，一層一層交互堆疊，讓知識逐步變得可見，然後可用。

以建立設備維修AI知識庫當例子，不同於現在人手一台平板電腦，早期漢翔的設備維修人員，會將不同機台的使用方法、特性、問題解法等，以手寫的方式，記錄在筆記本上。

所以漢翔資訊部門採取的第一步，就是將這些記錄在紙本上的半結構化資料，轉錄成AI可讀的數據。

蔣勝聰表示，漢翔的重要機具型號超過兩百種，因為機台年份、品牌、使用的系統等，都不相同，所以每一台大約有五至十本手抄筆記，總計數量超過千本。而且這當中不只有手寫文字，也有圖片和表格，是相當耗時費力的大工程。

殘酷的是，當資訊部門做完這些苦功，產出的第一版成果，如果以滿分一百來說，在他看來只能拿到十分。

問題出在分類。蔣勝聰舉例，同樣是主電腦，發那科和西門子的機台就有不同命名；而且很常見的狀況是，同樣的代號，在不同機台有不同含義。「如果沒有做分類或前處理，對於實際上的準確度，跟我們想要的落差很大，當然效果就不好。」

然而，第一版成效雖不佳，這些努力卻也沒有白費。因為整理出來的數據資料，就是用來釣出隱性知識的最佳誘餌，可以引導資深員工將內隱知識更精準的表達出來。

就像如果只看漢翔透過機聯網從產線上取得的電流、參數紀錄，那就是金仁凱口中「死板板的數據」，但當他們將這些數據放到老師傅眼前，數據就會被賦予意義。

「我協助他們最重要的一件事，就是定義什麼是好，什麼是壞。」蔣勝聰舉例，他可以藉由波形圖讓資訊人員了解，前段產生的波峰，只是設備正常的震動，後段微小的抖動，才是刀具異常的訊號。換言之，他透過這張圖表，將原本難以言述的直覺，變成了資訊單位可以標記的特徵。

如此，資訊部門就知道應該如何教會AI看懂什麼是異常，遇到異常又該如何因應。

金仁凱認為，這和中醫看診很相似，光只是掌握脈搏跳動變化不夠，更關鍵是要有專家做出診斷，對症下藥，才能把數據轉換成知識。

不過這樣的過程往往得反覆好幾次，才有機會將分數從十分，一路拉高到六十分、八十分。以漢翔的設備維修AI知識庫來說，是經過了兩年努力，才做到滿足八成需求，以及九成的準確率。

蔣勝聰形容，AI讓老師傅從「人肉說明書」變成真正的「技術導師」。他回顧自己過去帶徒弟的經驗，表示最累人的往往不是技術指導，而是教常識，例如經常要回答：為什麼參數這樣設？為什麼這邊要檢查？

「這種基礎問題，一個新人我要講十遍，十個新人我就要講一百遍。」他說，現在不同了，尋常問題，新人跟AI對談就可以找到解答。

其實不只在前線製造，對漢翔來說，將資深工作者的隱性知識封存，然後傳承，是財務、採購、資訊等各部門都要全面落實的重點任務。但方一定也說，生產製造是這當中難度最高的。

一方面，製造業對穩定度和精細度的要求很高，航太產業尤其如此。

「發動機那個機匣，它要打兩百多個孔位，那個孔位的位置跟精度就很重要。假如不準，稍微一點點偏差就沒辦法裝上。」方一定表示，「AI還是要靠經驗，經驗就是數據夠，才有辦法分析出來。」試想，如果工廠產線一直維持得很好，就代表異常數據很少，那AI就無法有效學習何謂異常和異常處置方法。

終究，技術再進步，各種異常和例外經驗，還是需要花費時間去蒐集和累積，才能成為AI成長的養分。

AI要能完美補上老師傅的位置，仍有一段路要走。

不過好消息是，這個堆疊千層派的起步雖辛苦，隨時間發展，堆得越高，速度也可能加快。

金仁凱回顧兩、三年前，內部同仁對AI大多認識不深，但經過資訊部門和各業務單位一次又一次的互動，加上漢翔是由上而下大力推動AI，他們與各單位的溝通隔閡明顯降低，現在各單位開始懂得為自己找命題。

漢翔原本只存在資深人員身上的內隱知識，正逐漸轉化成團隊隨手可得的常識。

對漢翔和許多製造業者來說，知識傳承是刻不容緩的課題，但要解決這個迫切的問題沒有捷徑，扎實建立數據基礎，耐心堆疊，才能嘗得甜美果實。