關於 威強電作業員 ，我們在網路上蒐集到這些相關的討論、資訊與評價

《文茜的世界周報》

【PBS新聞台到明尼蘇達州，訪問ＪＢＳ肉品工廠的員工，當初2100名員工中有上百位染疫，導致多家肉品加工廠被迫暫時停工，結果美國多個養豬戶上電視，向川普總統喊話，說如果總統不想想辦法，豬隻都要被迫安樂死，損失難以估算。於是川普在４月２８日命令各處肉品加工廠重開，但是ＪＢＳ員工和ＰＢＳ新聞台表示，指責廠方並沒有做好完全的防疫工作，害他們在擔心受怕中復工。這一場新冠疫情，美國有２００多萬人確診，其中有兩萬七千名確診病例，都與肉品加工廠有關。其中有９９個人死亡。】

{內文}
這是四月的美國。

(新聞旁白)
全美各地肉品加工廠紛紛停工，目前美國牛隻屠宰量，已比去年同期下滑34%

(美國畜牧業者/Trish Cook/2020.4)
我們美國缺得不是肉，肉多的是是供應鍊斷鍊了

美國各地的肉品售價最多飆漲了25%，這已經是六個多星期以前的事了，這一場新冠疫情，美國有200多萬人確診，其中有兩萬七千名確診病例，都與肉品加工廠有關。

(新聞旁白)
這一片占地甚廣的肉品加工廠，現在幾乎都已經恢復生產力，不過這並不是一件值得開心的事

(JBS員工)
我們現在還是在恐懼中上班，但是我們自己很清楚我需要工作，我們沒有選擇

(新聞旁白)
這裡是明尼蘇達州的Worthington，是個人口僅1萬3000人的城市，新冠肺炎害這間JBS肉品工廠暫時關門，因為全廠2100名員工中有數百人確診。JBS暫時關門影響擴及全美，主要是養豬戶，4月底成千上萬頭豬隻被迫安樂死

(美國養豬戶 David Bullerman/2020.4)
這太令人絕望了，我希望川普總統快點動用1950年的《國防生產法案》，這些肉品加工廠必須復工 立刻

(新聞旁白)
與Dave Bullerman的說法相呼應，肉品加工廠的高層們警告，這個國家的肉品供應已陷入危機，不過事後的數據顯示，在今年4月 美國出口到中國的豬肉創下新高

(美國總統/川普)
我想我應該待會就把法案簽一簽

(新聞旁白)
4月28日川普總統下令肉品加工廠必須復工而且不得關廠，川普宣布肉品加工業為「關鍵基礎設施」。總統的這一舉措，使得肉品加工廠在員工染病後，也能夠甩脫責任

總統為了不讓養豬戶蒙受損失，不惜動用法令強制復工，聽在員工耳裡，不禁想問，難道我們的命，就這麼不值錢嗎？

(NAVIGATE Unidos組織/Jessica Velasco)
大家只關心養豬戶的損失了好大一筆錢，只關心那些要被安樂死的可憐小豬，難道大家討論的不應該是如何兼顧JBS員工的安全，又解決養豬戶的生計問題嗎？

可惜最後沒有人為員工發聲，大多數的員工在恐懼中復工。當然，也有員工拒絕了。

(前JBS員工/Rafael）
公司告訴我們不要擔心，一切都會沒事的，老實說，JBS什麼都沒有準備，什麼都不OK，這也是為什麼大家都怕死了，但是眼前就是要嘛你就回來上班，要嘛你就回家吃自己的狀態

後來他決定不幹了，但並不是所有人都能那麼瀟灑。

(JBS確診員工/Anna)
我還有家人要養，我沒有存款，我沒有辦法待在家不上班

還能接受訪問算是幸運了，全美國有將近100名肉品加工廠員工，死於新冠肺炎。

(JBS重症員工女兒/San Twin)
我們很窮 我們需要錢，所以我們別無選擇，我媽說 "我們沒別的路走"，"如果工廠叫我回去上班 我就要回去"，"我們還有好多帳單要繳"

不過肉品加工廠也不是真的「什麼也沒做」，雖然不接受電視台的採訪，但JBS肉品公司還是提供了一支宣傳影帶，讓大家知道公司為了對抗新冠疫情，「做了什麼」。

(新聞旁白)
JBS給一些確診員工有薪休假，另外現在也開始要求員工戴上口罩，戴上面罩，並且在作業員間加上隔板，員工是感到比之前安全，但還是不夠安全

(JBS員工/Steven)
我個人是希望公司能讓所有員工接受新冠檢測，好讓我們知道誰有病 誰沒病

對此，JBS暫時只同意，替所有上班員工量體溫。至於這些措施能不能保護員工不受到新冠肺炎威脅呢？卡拉漢(James Callahan)神父是這麼說的。

(新聞旁白)
截至目前為止，卡拉漢神父已經主持了3場因新冠肺炎逝世的JBS員工告別式，其中兩位是在工廠復工後死去的

https://www.youtube.com/watch?v=vVSblVsbM_o

含主持人陳文茜解說，請點閱【完整版】2020.06.28《文茜世界周報》
https://www.youtube.com/watch?v=E5Crs4BOzl4

AI機器人將如何顛覆製造業？

面對AI機器人帶來的破壞式創新，台灣製造業該怎麼把握機會，在自動化典範轉移的亂局中，占有一席之地？

Bastiane Huang
Feb 6 · 1

在先前Robotics 2.0系列文章中，我們討論了AI如何讓機器人做到過去做不到的靈巧工作，並能夠開始自主學習。第一篇文章介紹了AI如何開啟Robot2.0時代。第二篇文章則描述AI機器人在倉儲運輸業的應用，透過觀察這個新技術的第一個應用場景，來預測這一切將如何影響我們的生產力、就業狀況以及日常生活。

這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化設備，同時占台灣產值最高（30%）的製造業。具有自主學習能力而且靈巧的AI機器人，將如何影響製造業流程及整體產業結構？供應鏈上的各廠商又該如何因應Robotics 2.0帶來的破壞性創新？

「未來已經到來，只是先被一部分人看見。」 — 作家威廉．吉布森

The future is already here — it’s just not very evenly distributed. — William Gibson

製造業自動化現況

根據國際機器人聯合會（IFR）發布的最近報告，全球工業機器手臂的出貨量在2018年創下新紀錄，來到38萬4,000台。其中中國仍是最大市場（占比35%)，接著是日本，美國，台灣排名全球第六。

汽車以及電子製造業依然是工業手臂的最大應用市場（占比60%)，遠遠領先其他包含金屬，塑膠及食品等產業。具體原因我們在第一篇文章也討論過，由於傳統機器人和電腦視覺的限制，目前除汽車業和電子業以外，倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡，你可能會想：自動化及工業機器手臂在製造業既然已經有幾十年的歷史，該自動化或可以被自動化的部分應該都已經自動化了，還有什麼創新的空間呢？

出乎意料地，就連自動化程度最高的汽車製造業，離所謂的全自動化關燈工廠（lights out factory）也還有很大一段距離。舉例來說，汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分，平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆，主張追求最高自動化的特斯拉執行長馬斯克，都不得不公開承認，特斯拉生產線自動化的進度不如預期。

究竟為什麼自動化這麼困難？

自動化至今無法跨越的技術限制

現今的自動化生產線普遍為大量生產設計，因此能有效降低成本，但也因此缺乏彈性。面對消費者越來越短的產品生命週期，越來越多的少量多樣客製化生產需求，人類往往比機器人更能夠因應新的產品線，也不需要花費很多時間去重新編寫程式或更改製造工序。

1. 靈巧度與複雜度

儘管科技在快速進步，人類還是比機器人靈巧許多。在訪談電子代工廠商的過程中發現，儘管組裝產品（assembly）已經高度自動化，但備料（kitting）的程序還是必須由人來完成。

備料在製造及倉儲業都很普遍，是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來，打包並放置在工具包（kit）的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業，這時候因為各個零件都在一個固定的位置和角度，自動化編程相對容易。相反地，備料時必須從雜亂無序的零件盒中辨識並拿取零件，零件的位置角度不一，甚至可能重疊或纏繞在一起，這對現有的機器視覺及機器人技術都是一項挑戰。

2. 視覺與非視覺性的回饋

另外一方面，很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡，這些看似簡單的動作，事實上都需要作業員或機器人接收，並根據各種視覺甚至觸覺訊號，來調整動作的角度及力道。

這些精細的微調使得傳統的自動化編程幾乎派不上用場，因為每次撿取或放置物品都不完全相同，需要像人一樣有從多次的嘗試當中，自主學習歸納的能力，而這正是機器學習，特別是深度及強化學習，能夠帶給機器人的最大改變。

Robotics 2.0：AI可以讓工廠機器人做到哪些事？

AI帶給機器手臂最大的改變就是：以往機械手臂只能重複執行工程師編寫程序，雖然精準度及速度都很高，但卻無法應對任何環境或製程改變。但是現在因為AI，機器可以自主學習更複雜的任務。具體來說，AI機器人較傳統機械手臂在3大方面有重大突破：

1. 視覺（Vision System）

就算是最高階的3D工業相機，仍然無法像人眼一樣，既可以精準判斷深度距離，又可以辨識透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機，既可以提供準確的深度，又能夠辨識大多數的包裝及物品，然而，這樣的情形很快就會被AI改變。

機器視覺在過去幾年取得了巨大的進展，幾間來自於矽谷及波士頓的新創，包括OSARO和Covariant，利用深度學習（deep learning），語意分割（semantic segmentation），及場景理解（scene understanding）提高了低階相機的深度及影像辨識，讓製造商不需要使用昂貴的相機，也能得到足夠準確的影像訊息，成功辨識透明或反射物體包裝。

2. 可擴充性（Scalability）

深度學習不需像傳統機器視覺一樣，需要事先建構每一個物品的3D模型。只需要輸入圖片，經過訓練，人工神經網路就能自動辨識影像中物體。甚至能使用非監督或自監督學習，降低人工標籤數據或特徵的需要，讓機器更近接近人一樣的學習，免去人為干預，讓機器人面對新的零件再也不需要工程師重新編寫程序。隨著機台運作，收集到的數據越來越多，機器學習模型的準確度也會進一步提升。

目前一般生產線通常有震動台、送料器、輸送帶等週邊設備，確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展，讓機器手臂更加智能，或許有一天這些比機械手臂更昂貴四五倍以上的週邊設備將不再被需要。
另一方面，由於深度學習模型一般儲存在雲端，這也讓機器人能夠互相學習，共享知識。舉例來說，若有一台機器手臂經過一個晚上的嘗試，學會如何組合兩個零件，便能夠很輕易地將這個新的模型更新到雲端，並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間，也確保了品質的一致性。

3. 智能放置（Intelligent Placement）

一些對我們來說一點也不困難的指令：請小心輕放，或把物品排列整齊，對機器手臂而言卻是巨大的技術挑戰。
如何定義「小心輕放」？是在物體碰觸到桌面的瞬間停止施力？還是在移動到距離桌面6公分處放手讓物體自然落下？或是越靠近桌面就越降低速度？這些不同的定義又會怎麼樣影響物品放置的速度和精確度？

至於將物品「排列整齊」就更困難了，先不論每個人對整齊的定義都有所不同，為了能將物品精準地放置在想要的位置及角度，我們首先必須要先從正確的位置拿取物品：機械手臂依然不如人手靈巧，且目前一般機器手臂大多使用吸盤或是夾子，要做到人類關節及手指的靈活度，還有一大段距離。

其次我們要能即時判斷夾取物體的角度位置及形狀大小，以下圖的杯子為例，需要知道杯口朝上或朝下，要側放或直放，也要知道放置的地方有沒有其他物品或障礙物，才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務，這些複雜的作業幾乎不加思索就可以完成，但機器並沒有這樣的經驗，必須重新學習。

經由AI，機器手臂可以更精準地判斷深度，還可以透過訓練，學習判斷及做到杯子朝上，朝下等不同狀態。也可以利用對象建模（Object Modeling），或是體素化（Voxelization），來預測及重建3D物體，讓機器可以更準確掌握實際物品的大小和形狀，進一步將物品放到該放的位置。

AI機器人將如何顛覆製造業？

現在我們知道AI可以讓機器做到許多以往做不到的事，但這對製造業現行的產業結構又會有什麼影響？誰能夠把握住新科技典範轉移技術帶來的機會？哪些公司又會面臨前所未有的挑戰？

AI機器人帶來的破壞式創新（Disruptive Innovation）

破壞式創新由哈佛商學院教授克雷頓‧克里斯汀生（Clayton Christensen）在其著作《創新的兩難》（Innovator’s Dilemma）當中提出。理論的中心思想是：
產業中的既有業者一般會為了服務現有客戶（通常也是利潤最高的客群），而選擇專注於「持續式創新」，改善現有的產品及服務。此時，一些資源較少的小公司把握機會，瞄準被忽略的市場需求，而取得進入市場的立足點。
破壞式創新又分為以下兩種：

（1）低階市場創新

一般大家較為熟悉的是「低階市場創新」，數位照相技術就是一例。早期的數位相機不僅解析度不佳，而且還有快門延遲很長的問題，但隨著數位照相品質及解析度逐漸進步，數位相機逐漸從低階市場晉升為主流。諷刺的是，柯達雖然研發出數位相機，但卻因為無法放棄當時該公司占據全球3分之2的底片市場，而最終被新技術淘汰。這正是所謂的「創新的兩難」，既有業者雖然看到新科技的威脅，但卻因為現有公司結構，策略等種種原因無法及時因應。

（2）新市場創新

「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如，電話剛推出的時候只能被用來做短距離的本地溝通，因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利，因為該公司最賺錢的是長途電報市場，當時甚至不認為短途溝通會是一個市場，更不用說預見後來人人都用電話溝通的情景了。

而AI機器人帶來的，正是「新市場的破壞式創新」！

目前汽車及電子製造業占工業機器手臂出貨量的60%，這也導致市場領先者發那科（FANUC）、ABB、KUKA、安川（YASKAWA）專注於「持續式創新」：做他們最擅長，客戶也最需要的，進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業，或製造業中的「備料程序」成為被忽略新市場。這些客戶並不需要這麼高速度，高精度的作業，但需要機器手臂更靈活，更能彈性自主學習辨識及處理不同的零件或是工作。

新創AI機器人公司看到這樣未被滿足的需求，開始將人工智慧應用在機器人上，使得機器手臂可以被用在備料，包裝，倉儲等新市場。他們使用較低階的相機搭配機器學習模型，讓以往只能由人工作業的備料，貨物分撿等程序自動化，讓機器手臂可以被運用在更多不同的地方，甚至整個產業。

有趣的是，這些新創公司一般不自行生產機器手臂，而是專注於開發機器學習模型、機器視學及控制軟體，在硬體方面則選擇跟既有機器手臂廠商合作。因此，你可能會想，就算這些機器手臂公司不追求AI創新，他們也不會被時代淘汰，因為自動化還是需要硬體的供應。

但是，這樣想忽略了幾件事：

首先，有些機器手臂公司已經先嗅到了商機，並開始一邊與這些新創公司合作，一邊建立自己的AI團隊。這些公司因為率先採取行動，可以更快地在這些以往服務不到的新市場中建立客群，進一步領先競爭對手。

其次，隨著AI應用的普及，產業鏈中的最大價值，會逐漸由硬體轉向軟體及數據。 這點，我們已經可以從無人車的發展趨勢中看出。一但無人車可以做到高度自主，大部分的價值都會在掌握無人車機器學習模型及自駕數據的特斯拉，或Google等公司的手裡。這也是為什麼車廠人人自危，不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來，機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。

AI機器人帶來的挑戰與機會

AI及機器人的結合帶來許多的可能性，但是這些改變絕非一蹴可幾。機器手臂公司縱使開始投資AI，也依然會面臨當初柯達所面臨的「創新者的兩難」。

要如何重新打造組織及發展策略，才能夠讓轉型的負面影響降到最低，也考驗各個公司管理階層的判斷與決心。

另一方面，開發全新市場也絕非簡單的事，新創公司仍需要和製造廠商密切合作，開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更複雜多樣，新創公司雖然了解AI及機器人技術，但卻不一定了解製造流程。這也給台灣製造廠商一個搶得先機成長轉型的最佳機會。

如果台灣廠商能夠率先和這些新創公司合作，不僅能透過流程自動化提升生產效率及品質，還能做到以往較難做到的少量多樣客製需求，擺脫大量製造，削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場，和國際新創合作開發針對電子或半導體製造業的專屬解決方案，進而銷售到其他國家。

日前，曾任職於Google與百度的吳恩達（Andrew Ng）受邀來台演講中也指出，台灣應該善用自己在半導體與製造業的既有優勢，發展人工智慧，成為除了矽谷、北京之外的下一個AI Hub。 相較於其他像是零售或是消費性網路領域這些現在發展相對成熟的AI應用，台灣在製造產業中發展人工智慧，不但更具有了解應用案例、掌握數據等優勢，也有機會能夠藉由AI機器人等新技術，達到產業轉型的目的。

附圖：KIT工具包 — source: kitting-assembly.ca
深度學習物件辨識範例，由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。OSARO
傳統及AI機器人創新策略比較 — source: Bastiane Huang
製造業自動化產業鏈- source: Bastiane Huang

資料來源：https://medium.com/marketingdatascience/ai%E6%A9%9F%E5%99%A8%E4%BA%BA%E5%B0%87%E5%A6%82%E4%BD%95%E9%A1%9B%E8%A6%86%E8%A3%BD%E9%80%A0%E6%A5%AD-ee2dbc3db7e4

#臺灣政治 #臺灣社會 #國家發展 🇹🇼

文：亞熱帶（公民老師）

監督執政黨還要手下留情，在公民意識抬頭的時代，感覺有夠彆扭，但畢竟難以否認，我們還沒完成國家正常化的任務，台灣的政治處境，根本堪稱畸形。

用沒收國旗揭開序幕　紅統滲透無所不在的8年夢靨
第一年就上演陳雲林來台，馬政府在桃園機場佈下3000名警力，聯外道路全部設關卡攔檢，抗議的群眾被驅離，還不只針對獨派，陳雲林沿途路上，每一面中華民國國旗都被沒收，彷彿為8年執政揭開序幕，此後每一件事，都讓人義憤填膺卻又茫然無力。

要論影響最明顯者，莫過於紅色媒體力量的滲透。2009年，旺旺集團在王雪紅、徐旭東等人協助下，買下中時集團，彼時蔡衍明旗下的中視等3個電視頻道，已佔有近20%的無線電視市場，加上中天系列，手握無線、有線電視共19個頻道，還擁有中國時報、工商時報，以及時報周刊等刊物。

2011年，旺中又意圖併購中嘉的有線電視系統，當時中嘉收視戶數，已佔全台市場的27%，隔年，蔡衍明又聯手王令麟、辜仲諒，欲買下台灣壹傳媒，當時壹傳媒旗下的《蘋果日報》，市佔率達38.36％，假若得逞，今天我們眼前，恐怕還會再多好幾個「韓天電視台」、「旺旺時報」。

旺中一連串的行動，終於引起反媒體壟斷運動，不僅媒體人員、以林飛帆為首的學生團體挺身而出，就連余英時、李遠哲等中研院士都加入抗議，歷經數度示威遊行後，終於在2013年，才被NCC擋下。

中資、紅統商人的併購威脅，還不只限於旺中。2015年底，吳敦義之子吳子文牽線，讓中國DMG控股旗下的美國DMG，砸下197億台幣欲買東森電視61%股份；DMG是中國最大的娛樂傳媒集團，董事長肖文閣出身於解放軍家庭，並曾於中國政府部門和部隊工作，買下電視台的意圖相當可疑，本案最後，是在王令麟假釋出獄、上演王子復仇記後，才終於告吹。

紅色資金、藍色助攻造成的威脅，如今已在媒體上，讓台派吃盡苦頭，另一方面，暗潮洶湧的經濟協議，也不可小覷。

大賺大賠都是輸　前進中國，比賺不到錢更恐怖的是⋯⋯
ECFA是馬英九政府大力吹捧的政績，然而，透過馬英九最愛說嘴的石斑魚，跟在中國市場慘賠的虱目魚，正可當作兩種對照，證明不管大賺或大賠，傾向中國市場，都要負擔極大的風險。

做為養殖業一大主力的虱目魚，不只國人喜愛，外銷量也不可小覷，根據農委會統計，馬英九執政期間的虱目魚外銷量，銷往美國最高為2008年的3774公噸，最低為2014年1681公噸。

但透過ECFA賣往中國的虱目魚，卻因為多刺與口感等問題，並不受青睞，最高峰的2014年，也僅銷售1548公噸，隔年更暴跌到剩19公噸，也讓養殖漁民一度慘賠。

做為對比，石斑魚是ECFA中的模範生，結果模範生也痛不欲生。台灣石斑讓中國饕客大為青睞，ECFA簽訂後便開出紅盤，但中國一方面買石斑，一方面則透過高薪、圈地優惠，吸引台灣業者前往中國沿海養石斑，光作業員薪水就5萬台幣起跳，廠長級上看60萬，一時間台灣業者趨之若鶩，帶著青斑、龍膽石斑魚苗及技術人員前往，養魚掏金一片榮景。

結果5年後，中國靠著台灣輸入的養殖技術，培養出賣相更好、肉質更細，運輸成本還低25％的龍虎班，徹底打垮台灣業者。

另一方面，台灣業者為了拼中國大訂單，大戶不斷併購小戶魚塭、土地，竟導致沿海魚塭的地價連年翻漲，而財團大戶，又因為過度依賴中國市場，而在中國石斑崛起後，難以開拓他國銷路，徹底的血本無歸。

兩種魚正是兩種縮影，台灣產業前進中國，賣好賣壞都是輸，人才、技術更遭到把持，然而這樣還不夠，馬政府接著，還要開放中國資金進來。

服貿協議讓台灣、中國互相開放各項服務業，從零售、洗衣到金融與建築，日常用的、身上穿的、家裡住的，各產業都開放中國進入，然而，龐大的紅色資金與廉價勞力壓境下，不管是人民生活品質，還是企業生存，都將遭到重挫。

彼時國民黨、親民黨的泛藍立委，在立院有高達70席次，民進黨與台聯的泛綠陣營，僅有43席，即便動用議事規則、佔領主席台杯葛，還是讓張慶忠以半分鐘宣讀通過，最後歷經318學運，才終於勉強擋下。