Insight Tech

半導體製造業對可靠性的高標準，在其他行業看來可能會覺得高得離譜。例如半導體元件的品質，通常是以每百萬次缺陷數 (DPM) 作為衡量標準。

為了量測，半導體量測法使用光學工具與電子束，在製造流程的初期，掃描晶圓的瑕疵，避免不良晶圓導致晶片失效。

但半導體是在越來越小的處理節點上製造，因此使用傳統量測法，更難準確偵測晶圓瑕疵。僅僅使用量測設備，偵測瑕疵的速度與準確度，已經無法如半導體工程師所願，因此現在改用人工智慧（AI）。

仔細探究人工智慧

將人工智慧測試納入半導體製造流程，工程師就能從這些資料，找出潛藏的訊息。但必須要有能執行高標準電腦視覺的新設備，邊緣也要具備高階類神經網路。而且執行這些人工智慧工作負載的高效能處理器必須能夠有效冷卻，還不能影響加工設施所需的高度敏感的環境。

嵌入式系統與解決方案供應商 Prodrive Technologies 推出的 Zeus High-Performance Cabinet （ZHPC），解決了這個問題。此系統內含能將量測訊息，轉化為可操作情報（圖 1）的高效能伺服器。

為了進行量測，這項產品使用內部液態冷卻的熱交換器，以耗散熱能，而且不會將髒空氣排放到周遭環境，也不會從外面排氣。因此可以部署於位於晶圓代工廠無塵室下方，設有嚴格空氣控制標準的附屬製造區。

Zeus High Performance Cabinet 能偵測冷卻劑滲漏與煙霧，並且可容納、支援、冷卻多達 41 台機架式伺服器。包括高效能伺服器，例如搭載原先名為 Ice Lake ^的第 3 代 Intel^® Xeon^® 可擴充處理器的高密度伺服器平台的 Zeus 可擴充系列。

人工智慧量測的高效能運算

最新 Intel Xeon 裝置是以 10 奈米製程打造，並搭載 Intel^® 進階向量指令集 512 （Intel^® AVX-512）與 Intel^® Deep Learning Boost （Intel^® DL Boost）等技術。因此 Zeus 伺服器能執行可快速消化量測資料的高階類神經網路。

Intel AVX-512 是一組指令，能支援增強向量處理，包括能在每個時鐘週期，執行 32 或 64 位元的單精度浮點運算。這些指令加上雙融合乘加運算（FMA），能讓 Xeon 裝置執行人工智慧演算法運算所需的複雜數學運算。

Intel DL Boost 技術運用 AVX-512 的功能，納入向量類神經網路指令集（VNNI），並支援 bfloat16 數學運算，在人工智慧工作負載中，甚至比先前提到的單精度浮點數學運算更有效率。因此搭載第 3 代 Xeon 的平台，在^某些深度學習工作能展現雙倍的效能。

除了運算效能之外，這款處理器也支援第 4.0 代 PCI Express，以及其 64 Gbps 的頻寬。這代表 Zeus 組合可部署於附屬製造區的光學與電子束檢測工具附近，不會被這些工具生產的大量資料所淹沒。藉由消除本地頻寬的瓶頸，所有量測資料與分析都能在邊緣執行，以減少傳送至外部系統可能引發的延遲與安全問題。

Zeus HPC 與可擴充伺服器沒有頻寬或處理能力的限制，可作為單一整合式網路、CPU 與儲存平台，將人工智慧整合至晶圓測試工具。檢測流程便能更快完成，最終半導體產量也會增加。

Prodrive Technologies 專案管理者 Bas van Bree 表示：「我們認為這表示製造廠內部可以設置雲端與邊緣架構，現在一切都由這項工具完成。」「我們將工作負載集中化，就能將製造廠內部可用的運算資源量最佳化。」

業界普遍認為，隨著 CPU 特徵尺寸不斷縮小，改善效能與效率的需求提升，人工智慧與機器學習會是達到可接受產量的關鍵。但這需要擁有足夠效能、合適技術，以及能部署於邊緣，且能在邊緣即時進行分析的處理平台。

高瞻遠矚的製造業者，選擇邊緣人工智慧與電腦視覺等轉型技術，以增強敏捷度、提升生產力，以及降低成本。但誰也想不到，將工業端點連結至雲端看似簡單，實際上竟是如此困難。

這是由於目前存在太多工業通訊協定，才引發這種硬體問題。目前有數百個標準與自訂工業協定。而且糟糕的是，個別所使用實體介面也不盡相同。

只要看看最多人使用的工業協定。串列、顯示、工業乙太網路、數位，以及通用通訊，全都使用不同的實體介面。對於擁有標準介面組的現成閘道解決方案而言，這麼多不同實體介面的問題，在於許多工業應用程式需要自訂的 I/O 組合。工業的空間與資源也相當昂貴，因此不可能負擔得起甚少使用，甚至從來不會用到的無謂的連線能力。

硬體若是不可交互運作，未來的工業物聯網使用者將不得不在兩條道路之間選擇其一：將不同的協定翻譯閘道串成菊鍊，以取得應用程式所需的所有 I/O，或是打造自訂的解決方案。

無論選擇哪一條路，都將所費不貲。

應用程式專用物聯網的彈性介面

工業電腦與嵌入式運算解決方案供應商 American Portwell Technology 提供另一種選項。這家公司的模組式 KUBER-2000 系列，以混合式方法解決 I/O 問題，既有現成系統的成本效益，又仍具有彈性（圖 1）。

六個 KUBER-2000 IPC 的每一個，都使用搭載雙核心或四核心 Intel^® Celeron^® N3350 或 Intel Atom^® E39XX 處理器，以及標準 I/O 套件的共用技術平台。這些介面包括：

• 雙吉位元乙太網路埠
• 至少兩個 USB 3.0 連接埠
• 雙插腳終端段
• DisplayPort 連接線

除了這些以外，Portwell 也以各種方式將連線能力擴展到其所有的 SKU，以滿足應用程式特定的需求。例如 KUBER-212A 的無雜訊 LAN 與 COM 連接埠能提升系統容錯度。KUBER-212B 提供的 GPIO 與 CANbus 支援，則是賦予系統自動化控制的功能。

整體而言，KUBER 平台可支援無線通訊，包括 Wi-Fi、藍牙、GPS/GNSS、LoRa，以及 4G/LTE。另外還有 MQTT、OPC-UA、Profinet/bus、Modbus，以及 PLC 61131-3 軟體堆疊。這只是平台以及平台的各種介面，在本地支援的自動化中心協定的少數例子。

現成工業 4.0 閘道組合建立了共用的模組式硬體架構，可執行各種功能，從物聯網邊緣管理員或 PoE 交換器，到 SoftPLC 或自動導引車（AGV）控制器。

通用的雲端連結

這些系統必須能在現場總線通信，彼此之間才能互通重要資料，也才能與雲端互通重要資料。完整平台介面與協定堆疊支援確實能提升邊緣連線能力，但還是需要協助才能將資訊傳送給企業。

Portwell 的工程師將嵌入式技術標準化組織（SGeT）的通用物聯網連接器（UIC）標準，納入 KUBER-2000 軟體堆疊，實現這項目標。

UIC 是一種連線架構，能讓嵌入式裝置使用 MQTT 或 XRCE 訊息協定，與雲端基礎架構交換資料。UIC 將使用不同協定的不同端點，連結至串連數百台裝置的單一異質網路。

這種開放原始碼、可接納各種硬體的工業標準，包含三大部分：

• 嵌入式驅動器模組：驅動器透過與上述類似的介面，將嵌入式系統與周邊系統或其他系統連結。
• 通訊代理者：一種軟體元件，將雲端應用程式伺服器初始化，並與其通訊。
• 專案代理者：一種組態工具，可指示嵌入式系統要使用哪些周邊系統、如何處理資料，以及將資料傳送至通訊代理者的頻率。

這些 UIC 模組讓超過 500 個雲端解決方案，都擁有遠端管理與連線能力。這些模組的其中之一，也就是 Microsoft Azure 物聯網，最近認證 KUBER-2000 系列為其生態系統的一部分。

工業級標準需要工業級可靠度

工業物聯網具有徹底改革製造作業的潛力。但執行邊緣至雲端應用程式的裝置，包括負責執行預測性維護與員工安全應用程式的裝置，若是缺乏有效率、符合成本效益的通訊方式，工業物聯網就無法發揮效益。

無論是在新工廠還是傳統工廠，可交互運作性與標準，都是接納所有設備的基礎。不妨從可支援開放軟體，具有彈性的模組式硬體開始。

在工業 4.0 的年代，智慧工廠紛紛將作業設備連線並數位化，讓效能大幅提升。然而，企業連線的系統與裝置愈來愈多，巨大的物聯網安全挑戰隨之而來。

一大主要問題：許多製造商想當然爾認定安全是系統整合商（SI）的責任，而 SI 則想當然爾認定，製造商或甚至是終端客戶會自己處理安全問題，因此沒有人談論過安全性。由於缺少任何緊密整合的安全策略，因此弱點幾乎保證會逐漸累積。

無論是導致嚴重財務損害的資料竊盜，或者甚至是挾持整個基礎架構的勒索軟體攻擊，對網路攻擊來說都是完美的配方。

不過，系統整合商若能主導物聯網安全，就可以防止這一切破壞，並且化身為工業客戶的英雄。

減輕毫無章法方法的物聯網安全挑戰

雖然沒有人希望這種事發生，但是這個過程不難理解。secunet 資深解決方案架構設計師 Jan Ludwig Tiedemann 表示，很多製造現場的自動化過程都是一次一套系統。這個情況可能導致 DIY 設置激增。事實上，Tiedemann 經常看到製造環境的製造現場四處散落龐大的一次性 Raspberry Pi 系統。

雖然此方法短期內可能符合成本效益，但是卻排除了任何類型的全方位安全策略。這意味着您的系統最後可能充斥安全漏洞，而且這些漏洞會不斷累積，最終落到無法收拾的地步。最終，製造商面對攻擊和生產中斷便不堪一擊。

很多公司對於安全性有虛假的安全感這個事實，使得此問題雪上加霜。換句話說，對於自己所作所為並不安全這件事，他們可能渾然未覺。

Tiedemann 以某食品加工公司的體驗為例。他們的生產線在有已經弱點的情況下，充滿執行舊版軟體的設備，但該公司卻對風險渾然未覺。後來，駭客釋放了勒索軟體的攻擊，結果每部有弱點的機器在短短幾分鐘內就無法作業。

這個情況不僅導致停產，更造成了實際的危險。標籤列印系統在攻擊事件中遭受破壞，連帶損毀了其標籤歷史。因此，該公司便無法在發生召回事件時，追蹤已經出貨的產品。

另一個導致安全弱點的問題在於，製造商期待 SI 儘可能壓低預算。Tiedemann 發現，SI 之所以不太願意提起改善安全性的必要性，是因為成本會顯著增加。

他解釋「任何一方主導通常都會陷入為難的處境，因此就演變成了『不問，不說』的情況，也沒有任何人負責。」

然而，潛在的停機時間則是另一個問題。Tiedemann 發現有一間公司幾乎無視於攻擊的存在，反倒是以毫無章法的方式，最低限度地處理了此一問題。讓他們的設備暴露的風險，重要性並未超過停工善後的成本。因此，該公司的系統依舊存在攻擊者，並且在這個情況下繼續運作，可以稱之為是名副其實的大難即將臨頭。

內建物聯網安全的工業個人電腦

所幸這些問題都有解決方案：從內建安全性的平台著手。這也正是 secunet 登場的時刻。secunet 身為安全需求獨特領域（例如工業務聯網、政府和的醫療保健）的專家，看出了對真正安全邊緣解決方案的需求。誕生的平台是 secunet edge 採用安全優先的策略所設計。

平台的核心是強化的的硬體，包括擔任容器應用程式與資料安全性信任錨點的安全元件。此防竄改晶片通過 FIPS140-2 Level 3 或 BSI CC L3 EAL 5 認證，讓遠端使用者信心十足證明，他們已安全儲存及處理雲端服務或類似應用程式的敏感金鑰。

硬體搭配了安全的軟體平台和應用程式環境，將應用程式都封裝於容器中，同時還可防止一個容器的外洩影響其他容器。這些應用程式不僅能支援安全性，例如自動識別網路流量中的異常行為，還能支援關鍵的系統功能。這些功能包括將機器資料傳輸至後端和外部服務，以及連線系統的遠端控制。

由於 secunet edge 採用的是強大可靠的 Intel^® 處理器，因此它除了安全軟體之外，還可以執行各種現有的應用程式。因此，SI 可以建立高度整合的自動化解決方案，兼具高度安全、使用便利和成本效益。

Tiedemann 表示：「secunet edge 讓公司能降低執行現代數位解決方案固有的風險，同時擁抱其優勢。」

此外，secunet 提供各種服務，讓他們的平台能保持最新狀態。此方法意味着，SI 不需要在發現新弱點時擔心系統失去防護，也不需要自行維持所有的基礎技術堆疊。

相反地，secunet 為作業系統和其他元件提供了更新，主動防止任何安全缺陷，並且增加新功能。身為平台維護者，secunet 也執行軟體供應鏈的安全分析，並且針對驗證定期執行滲透測試。

以降低的成本重整，維護物聯網安全

當然，保護工廠不僅是保護新系統的問題而已。現有資產也必須堅不可破。

一個共同的疑慮是如何提供防護，同時避免耗費巨資更換設備。舊式機器通常有專屬過時的協定。這件事使得將舊式系統很難連接至新式物聯網環境，因為新環境必須存取雲端和其他 IT 網域。

為了解決此一問題，secunet 與工業協定專家 PTC 攜手合作。secunet edge 在平台加入 PTC Thingsworx 中介軟體，能夠同時與物聯網和雲端聯繫。這樣一來，資料便可自由流動，同時繼續將舊式機器放在隔離弱點的防護牆後方。

舉例來說，有一家為印鈔及點鈔生產機器的製造商發現，雖然機器的設計可以運轉數十年，但是作業系統老早就已經過時。secunet 並未放棄機器及其代表的資本投資，反倒是協助組織更新物聯網安全性，因此既能保留現有設備，同時還能提供尖端的解決方案。

Tiedemann 表示：「這是經典的使用案例：透過實施保護設備的補償措施重整機器，而不是丟棄機器」，而且他還補充說，此主動措施最終可能避免數百萬美元的損害。（圖 1）

展望未來，Tiedemann 認為他的公司與 Intel^® 的夥伴關係是持續創新的關鍵。Tiedemann 表示：「Intel 在 IT 方面的歷史悠久，而且在邊緣提供優異的運算能力，其他替代方案多半難以望其項背，」。舉例來說，secunet 近期若採用 Intel^® Core^™ i5 處理器，便能提供甚至效能更高的設備。

「Intel 透過其他人尚無法提供的服務，讓我們成為數位轉型的先驅。」

現今的製造商面對極大壓力，必須準時交付高品質產品，而像電子業等部分產業還必須維持極微薄的利潤，才能與同業競爭。製造商每年花在產品開發上的資金數以百萬元計，但因缺陷而損失的成本卻佔比不少。

ABI Research 調查發現，汽車、航空和電子產業因報廢及重製損失 2 到 4% 不等的產品，另因保固索賠損失 1 到 2% 產品。這比例看似不高，衝擊卻很大；為了這些不符所需標準的產品，一家擁有 1億美元生產線的製造商將損失 300 到 600 萬美元。

這問題的一大主因就是易出錯的品質控制流程。許多公司仍仰賴人工檢查，因而免不了出錯。檢查員有可能分心，而且人眼無法辨識微小缺陷。然而無論在哪個產業，常見的目標就是高度精準地辨識瑕疵，並以系統性的做法將生產缺陷的可能降低到零。

「數十年來，零缺陷製造始終是口號。」Relimetrics 的創辦人暨執行長 Kemal Levi 指出。Relimetrics 是一家電腦視覺及機器學習軟體供應商，提供工業 4.0 應用程式。「過去很難在生產線上記錄不同來源的資料，確認輸入與輸出參數之間的關係；而現在由於資料分析和運算工具進步，流程最佳化變得容易許多。」

全新工具，提升品質及各層面

人工智慧的品質保證工具將品保流程數位化，即時偵測生產過程中的異常狀況，使製造商有機會在產品出貨前採取動作，例如 Relimetrics 的電子組裝人工智慧品質保證自動化解決方案（RELI-QA）就是這樣的工具。這項技術可檢查產品或零件是否正確組裝，以及是否有外觀瑕疵。

「此技術結合了 2D 和 3D 的測量資料。」Levi 表示。「這個解決方案會建立品質資訊與特定偵測門檻值之間的相關性，從而測量並找出異常。好比以檢查汽車座椅為例，我們的解決方案能指出哪裡有皺摺處；而如果這是 Lexus 而非中低階品牌，您還可根據製造商標準來設定偵測門檻。」

RELI-QA 系統亦能收集資料，用以改善流程效率，例如找尋趨勢。

「客戶使用我們的資料分析模組，就能得知機器和流程資料與品質資料之間的相關性。」Levi 表示。「這超越了品質自動化的範疇，能提供資訊，讓製造商了解該如何微調生產和機器參數，使品質符合標準。此項技術正為客戶改善流程。」

運作方式

這樣的尖端技術在過去需要高階的編碼技能，但現在，Relimetrics 軟體可自行安裝，不須具有程式設計或深度學習的知識。此款解決方案使用最先進的高畫質攝影機，能在組裝產品通過生產線時加以分析及檢查，

接著將視訊資料流傳到嵌入式或相連接的 IT 系統，系統使用 Intel^® 處理器及視覺處理器，如此即能將產品的品保檢查完全數位化。而檢查結果與建置流程（影片 1）中所定義的製造執行系統 (MES) 比較。若測得異常，便會傳送警示來詳述問題，品質操作員即可將瑕疵品抽出，現場處理，不致直接出貨給客戶。

影片 1。 Relimetrics 的軟體使用簡便，讓製造商能設定參數、訓練品保系統辨識缺陷，即能在產品出貨前加以糾正。來源：Relimetrics

鴻海科技集團（Foxconn）已採用此解決方案。鴻海為 HPE 複雜伺服器的製造商，這家公司使用 RELI-QA 解決方案，將客戶收到的瑕疵產品數量減少了 25%，並將整體生產效能從 2.1 個標準差提升至 4.2 個標準差。

「說到品質自動化，客戶對於運算硬體成本和 CPU 的聰明運用非常敏感。」Levi 指出。「我們使用 Intel^® Distribution of OpenVINO^™ 工具組，將負荷減到最低。我們的 Relimetrics 自行安裝訓練人員可讓任何人使用定義良好的配方檔來訓練人工智慧模型，不須寫半行程式。這個工業級解決方案也讓使用者可利用 Relimetrics Node Editor，迅速將其與生產線整合。」

雖然這套系統可自行安裝，但Relimetric 仍提供客戶一天 24 小時、全年無休的遠端支援。「如果發生技術故障，我們有服務熱線，通常遠端即能解決問題。」Levi 表示。「若無法解決，我們會透過系統整合商來處理。對於採用 Relimetrics 軟體的新模型，我們也支援其訓練。」

品質保證的實用範例

創新聚合物的全球龍頭供應商 Covestro 使用 Relimetrics 來協助其聚氨酯板產業的客戶，將品保數位化及降低不良率。Levi 指出，建築業對於品質要求嚴格，供應商面對極高壓力，須確保交貨產品的長期品質。

「目視檢測隨機、緩慢且流於主觀，且往往容易出錯，因此很難在製造地點偵測所有缺陷。」他表示。「當不良的板材在安裝使用後出現受損跡象，便造成高額的回收成本。找出缺陷的根本成因卻是額外挑戰，因為無法精確追蹤每個所製造零件的機器、流程和品質參數之間的相關性。」

有了 RELI-QA，聚氨酯板的檢驗就能完全數位化，每塊板材都在現場經過先進的人工智慧演算法即時分析；所生產的每塊板材在離開加工設備時，皆於裁切區進行尺寸分析和發泡缺陷分類。機器設定、環境條件和產品品質資料之間的相關性，即可用來發展新的深入資訊。即便是微小的缺陷也能即時偵測和標記，建立主動積極的品保流程；相較之下，採用 Rreimetrics 前使用人工偵測，僅能找到一小部分缺陷。

「整體願景是為科思創的客戶提升流程效率，讓他們使用科思創的建材真能做出更好的產品。」Levi 表示。「現在真正重要的是有能力為整個供應鏈獲取價值。」

如果您曾經買到有瑕疵的產品，您就知道這有多氣人。你可能會想：「怎麼會發生這種事？」幾十年來，品質控制的流程始終很簡單，通常是由品質控制專家，在工廠生產線，或是倉庫抽樣檢查產品。一旦有人出錯，瑕疵產品也能順利出廠，送到客戶手中。成果？鉅額浪費、保固送修，公司的聲譽也受損。

電腦視覺 (CV) 與機器學習 (ML) 軟體供應商 Relimetrics 的人工智慧總監 Serhan Can 說：「檢查元件並不是件容易的事。」「人員一疲倦就會讓瑕疵從眼前溜過。」「而且製造商與物流公司面臨很大的時間壓力，要準時生產與運送產品。」「品質控制流程必須越簡短越好。」

機器可以做重複的工作，例如檢查零件，但因為複雜性與成本的問題，機器的能力並沒有發揮到極致。現在有了新工具，可以簡化品質控制的流程。

從品質控制進化到品質保證自動化

企業從品質控制（QC）轉型至品質保證自動化（QA），就能達到產品無瑕疵，但轉型無法在一夕之間完成。技術已隨著時間成熟，最新的疊代可運用人工智慧偵測異常情形，還可即時適應生產變化。

為了解新的品質控制系統所能帶來的影響，您的公司又處於自動化轉型進程的哪一個階段，不妨參考 Relimetrics 與 ABI Research 推出的品質保證自動化成熟模型，共有五個不同等級：

• 第一級：人員蒐集並評估資料。
• 第二級：攝影機蒐集資料，由人員評估。
• 第三級：攝影機蒐集資料，傳統電腦視覺軟體找出問題，人員解決問題。
• 第四級：結合搭載人工智慧與機器視覺的軟體的攝影機蒐集資料，找出問題，人員解決問題，包括人工智慧的誤偵測問題。
• 第五級：品質保證自動化完全數位化，也完全自動化，只有少數案例需要人員參與。攝影機結合搭載人工智慧與機器視覺的軟體，能發現問題，再指示可程式邏輯控制（PLC）將有問題的產品作廢，或送往重做站。

每一個步驟都能減輕對人員的依賴。Relimetrics 創辦人暨執行長 Kemal Levi 博士說：「人工智慧自動化比人類更能準確執行單調的工作。」「大多數的製造商都才剛踏上旅程。」「大多數都在第三級，只有極少數在第五級。」

品質保證自動化的速度在未來五年可望迅速成長，機器視覺將在其中扮演重要角色。快速成長的原因之一，是新工具的問世。在過去，複雜的人工智慧技術需要設計高階程式的能力，但現在的系統，例如 Relimetrics 的電子組裝人工智慧品質保證自動化解決方案（RELI-QA）可以自行部署，毋須任何程式設計或深度學習的專業。

Can 表示：「現在不是人在寫軟體，我們的軟體會自己寫出自己。」「我們的產品能讓沒有深度學習經驗的人，可以訓練深度學習模型，將整個過程自動化。」

品質保證自動化正在進行中

Relimetrics 最近協助 HPE 硬體製造商鴻海登上成熟模型的第五級。Relimetrics 運用 RELI-QA，將鴻海生產複雜 HPE 伺服器的品質控制流程自動化，發展出最多 16 種記憶體模型，每一種具有 16、32、64，或 128 gigabytes 的容量。記憶體組態是 20 種變數的其中之一。而且生產速度也很快。

Can 說：「問題在於每一台伺服器，都是依據終端使用者的特定需求製造，而且生產出來的每一台伺服器都不一樣。」「操作人員面臨的情況很複雜。」「一個人檢查一台伺服器的瑕疵，可能要用上 5 分鐘。」

使用 RELI-QA 可將檢查時間減少至大約 30 秒。除了節省時間之外，品質保證自動化流程也將送到客戶手上的瑕疵 HPE 伺服器數量，減少了 25%。整體生產效能也從 sigma 2.1 提升至 sigma 4.2。

DL 與 CV；通往第五級之路

RELI-QA 擁有搭載 Intel^® 處理器的架構，在邊緣使用高畫質攝影機。這項解決方案能分析並檢查經過生產線或倉庫的產品。串流視訊會傳送到嵌入式或附加式 IT 系統，資料會與在製程中建構的製造執行系統（MES）比對。Intel^® Distribution of OpenVINO^™ 工具套件，能將模型的推理時間最佳化。一旦發現瑕疵，就會即時傳送警示訊息，將品質保證自動化檢查流程完全數位化。

Relimetrics 深度學習專家 George Sakr 博士表示：「這項技術的好處，是能從影像學習。」「這項技術會觀看影像，發掘影像的重點，找出正常影像與瑕疵影像的不同之處，從範例學習。」「人工智慧因為具備這種功能，得以引領轉型潮流。」

人工智慧的品質保證自動化，創造了具有回饋迴路的生態系統。製造商與物流公司能參考回饋迴路提供的資料，改善效率與作業，將零瑕疵的產品運送到客戶手上。

而且在供應鏈，品質保證自動化也能確保追蹤能力。例如公司若需要召回產品，就能快速行動，找出瑕疵產品，而不是丟棄一整批產品，如此可節省大量成本。

形成生產循環是工業 4.0 的一大重點，而即時回饋則是成敗的因素。

Levi 說：「不必等到生產結束再評估產品有無問題，而是在製造過程中，在產品送到客戶手上之前，就發現問題，予以糾正。」「持續回應能提升未來的流程效率，以及公司獲利的能力。」