技術專輯主編前言|智慧工廠技術專輯主編前言

作者:

吳志平

刊登日期:2022/04/28

隨著時序的演進,俄烏戰爭加劇了新冷戰的時代,也加速之前已被中美貿易/科技大戰與疫情所帶來的產業版圖的巨變。
如今,各國爭相建立足以自主生產製造的產業供應鏈,從醫藥業的疫苗、汽車製造業的零組件、半導體的晶片,再到日常生活中不可或缺的民生百物,全世界都在搶奪以前認為垂手可得的資源,就像端子台、門鎖絞鏈這種不起眼,卻不可或缺的工業或生活的小物零組件,這到底是常態,還是因應一時危難不得不的政策?綜觀歷史的演進,都有其脈絡可循,國家分久必合、合久必分,產業鏈也是有此必然,只是目前正在由合到分的道路上,在這一個階段,【短鏈生產】就是最關鍵的名詞,也就是在自己國家內最大化生產供應鏈。以最近的疫苗供應為例,即使生產基地在國內的國外企業,國內政府還是有權力依照自已的需求,控制進出口的管制。此外,碳中和則是目前政府與企業面臨的另一個棘手問題,碳議題希望全球面臨地球暖化,都要為減碳盡力,卻也促成碳邊境稅的興起,碳價則可能成為另一個影響全球產業分布與興衰的關鍵因素,值得大家聚焦觀察。

當我們在談智慧工廠,在論述工業4.0、工業物聯網、AI人工智慧、大數據、AIoT,過往這些生疏的新名詞,如今已經變成大家可以朗朗上口,也都有各自見解與想法,但如何執行與實施?方法與方案又是為何? 這些都是沒既定標準或正確答案,每個產業、每家工廠都有不同的問題與瓶頸,所以就會有各自的解方,但工具是一樣的,方法卻各自不同。就像智慧化的過程,使用的都是AI工具,不同的問題卻有不同的AI解決方法與公式,即使是相同的問題,收集的資料項目不同、數量不同,答案的精確度或準確度就會有所不同。

以智慧工廠為例,以前談的是人機料法環,現在也是人機料法環,只是內涵不同,都需要加上【智慧】的元素,也就是大數據+AI的演算法,透過現有數據的收集,從這些夠多的數據中找出最佳的答案,或進行可能的分析預測。以前機器產生的資料,都是透過人員抄寫,再輸入電腦,用EXCEL進行統計與分析,如今則可透過生產過程中感測器的偵測,將資料由機聯網收集後,上拋到生產管理系統,進行整體的分析與預測。雖然,AI給的不是正確的答案,卻是由目前的數據分析出來【最好的答案】。

以機器為例,我們都在談智慧機械,但甚麼才是真正的智慧機械? 個人認為,智慧機械就是機器要能隨插即用,並依照產品的種類、產品生產的結果、設備的運轉狀態,自動調整生產參數,達成效益最大化。要透過這一連串的過程,達成自動進行參數最佳化調整,需要具備幾個關鍵步驟。首先,要透過標準的【資訊模型】,清楚地用數據來描述所有的零組件與設備,就像如何用數據來描述一個人,我們會說這個人的身份證字號、健保卡號、身高體重、出生地、在哪裡求學與工作、工作內容與歷程…,這就是一個人的資訊模型;當一個馬達被建立完整的資訊模型時,就可以像滑鼠插在電腦上,不用任何設定就能識別這是甚麼樣的滑鼠,在滑鼠上按甚麼按鈕,電腦就可以執行甚麼動作,雙方可以進行雙向且即時的溝通。而且未來的智慧馬達可以更進一步,將馬達使用的過程資料、維修保養資料記錄下來,再利用這些數據去反推或修正使用過程的控制參數,讓馬達能夠達成真正的智能化自動回饋控制。後續,則是將資料透過機聯網上拋,讓生產訊息、產品訊息、設備訊息,進行整合。第二步,將收集的設備資料,如溫度、壓力、電流電壓、震動…等,進行預兆診斷分析,了解目前設備的健康指數、何時可能會損壞、可能是甚麼原因造成,如此就可以預先排定維修保養時間,事先預備需要更換的零組件,也可以維持最佳的零組件運轉壽命,減少耗材的更替與使用,目前很多廠商已經開始針對貴重或關鍵的設備,或者是自動化程度高的產線進行預兆診斷系統的投入。第三步,將產品製造的結果透過自動化的品質檢測,確保產品的品質,並利用檢測的資料進行統計與分析,不能再依靠人工的檢測,人工檢測除了耗時、不精確、不可靠、重複性低、浪費工時之外,最重要的是,這些數據不容易成為大數據分析的基礎,因此,自動化的檢測是智慧化很重要的一大步。第四步,當機台與產品的訊息都收集完整之後,就可以進行智能化的回饋控制。最近家裡新購一台電冰箱,就透過食物儲存量及冰箱內溫度的變化,記憶生活模式,預測門開關頻率少的時段,再利用記憶、分析、預測每個星期及每1小時的門開關情況,智慧調節壓縮機的運轉模式。

智慧化不難,困難的是我們願意投入多少資源來完成這些事情。當然,並不是所有的工廠都需要變成智慧工廠,而是要訂定適合自已工廠的短/中/長期目標,不要好高騖遠,也不可能一蹴可幾,最好以3-5年為一個階段性,選擇適合的工具、挑選適當的項目,依照輕重緩急、投入產出的性價比,找到有經驗的同仁或顧問,進行適當的評估,整合公司內外的團隊,一步步地完成。這跟數位轉型是一樣的,數位轉型也需要從建立數位化的內容,將日常的作業與設備的資料轉換成可以統計分析的數據,才能透過數位優化進行統計分析,接下來才有機會完成數位轉型。這些工作的成功都是需要改變文化,讓以前透過直覺的、感受的管理,轉換成利用數據來理解、來論述的管理文化,讓數據力成為公司的基因,才有機會在這瞬息萬變、技術更迭的時代,接軌全球,建立國際級的競爭力。

本期智慧工廠的內容,從研華股份有限公司以國際化公司的觀點出發,點破為何台灣的製造業需要數位化轉型升級,如何在這個轉型的道路上,結合成熟技術的技術導入,逐步完成轉型的任務。為建立更完整的智慧工廠架構與觀念,本期也將屬於IT端的規劃一併納入,對企業營運及製造資訊系統導入進行簡介,並用案例來說明排程優化的方法與效果。

當然,在機聯網的技術發展上,雖然我們與企業都已經努力多年,但距離大一統的未來,仍有一大段路要走,所以我們也將電子設備聯網與資訊採集技術做進一步的介紹,並透過機聯網的數據整合與智慧應用,以產線的智慧監控、智慧補償、工廠防災監控為例來說明。此外,在產品的視覺檢測技術上,我們也以碳纖維複材編織產品、導磁材料進行智慧檢測的技術進行案例介紹,讓大家能更清楚的了解,在視覺檢測技術上,如何與AI技術整合成為傳統產業的檢測利器,大大取代人力作業上的遲滯與困難。金屬加工也一直是國內產業重要的一環,我們整理近兩年在金屬切削液與機械潤滑液狀態監測技術、沖床成型曲線智慧化方面的研究成果,提供完整文章供大家參考。

以上文章都是工研院最近的研發與應用成果,希望拋磚引玉,讓更多的資源可以投入,吸引更多的人才加入智慧工廠的領域,共同協助產業的數位升級與轉型,為台灣產業創造下一個競爭力。

…本文未結束

更完整的內容 歡迎訂購 2022年5月號 470期

機械工業雜誌‧每期240元‧一年12期2400元

我要訂購