我的研華會員註冊

「我的研華」為研華客戶專屬服務平台。成為研華會員,您將收到最新產品資訊、研討會邀請和線上商店特殊優惠。

立即註冊,啟用您的會員服務!

邁向工業4.0最佳化階段 導入人工智慧成關鍵

2019/11/11
製造業朝向智慧製造進行升級轉型,已經是目前產業界多數業者的共識,也已經有許多業者開始針對既有的產線或新規劃的產線,著手設置感測器並從事數位化與網路化的更新及建置。不過,隨著機台設備蒐集的數據越來越多,如何將數量龐大的數據轉化成具有實際效益的資訊,開始成為業者往智慧製造轉型上的新挑戰。

依據業界通用工業4.0的5C成熟度模型,工業4.0依照成熟度由低而高大致可分為五個階段,分別是透過物聯網完成機器對機器(M2M)的連結與協作,並擷取數據的設備連結(Connect);透過打造大數據平台及邊緣運算,將前一階段中萃取的數據加以分析、運用的數據轉換(Convert);再進一步提供生產數據可視化與預測模擬的模擬預測(Cyber);之後導入人工智慧(AI)學習平台,讓工廠成為可以自我診斷、自主修復、自動排程,並具有認知性的智慧工廠(Cognitive);以及最終達到可以從事小批量客製化製造與軟體定義,並能自動配置的動態客製(Configure)價值鏈平台。

目前從事的數位化與網路化建置,與前二階段較為相關,前一段時間包括台達電子、研華、新漢等業者,開始與SAP、鼎新、東捷等業者展開跨業合作,則是希望能將在資訊科技(IT)與操作科技(OT)的資訊進行整合,藉此邁入第3階段,進行數據可視化,及預測模擬等功能。

因為單純的蒐集及顯示從作業機台上蒐集到的數據,其實對智慧製造的貢獻度有限,因為單純的數據,如果沒有進行後續的分類、管理與分析,最終只會成為數據垃圾。透過IT與OT的結合,擷取適當的現場生產數據,與營運端的資訊進行整合,才能為營運者在決策時提供有效的資訊。

不過,想要真正達到工業4.0的最終境界,也就是直接為小批量客製化產品,進行上下游的自動配置的動態價值鏈,光是進行數據可視化,或預測模擬是不夠的。目前,雖然像是鴻海的燈塔工廠,已經可以讓工廠本身部分製程進行自主運作,具備了第四階段的雛形;不過要達到動態配置,由於涉及到AI學習平台建置,及更複雜的供應鏈、物流、市場等面向的數據蒐集、分析、預測與管理,則都還有一段路程需要再發展。

業者認為,想要達到完全成熟的工業4.0最佳化階段,最重要的關鍵在於AI的部分,雖然目前AI相關的工具很多;不過,不同的產業或需求,都需要建立不同的模型,而且建模的過程也不是一蹴可幾,不僅要有充分、可靠的數據,模型本身也必須要不斷的訓練及修正。對許多才進入數位化與網路化階段的業者而言,確實還有相當長的一段路要走。

目前製造業界對於轉型往智慧製造發展,都已經有所共識,而且工業4.0也逐步進入導入期;雖然距離達到導入AI,進行小量客製化生產的成熟境界,還有相當長的路要走。但是,產業界願意跨出第一步,之後才會有希望逐步邁進。紮實的做好數位化、網路化的工作,進行正確的數據蒐集,也是為之後要再導入AI應用時,作為提供大量、有效數據的基礎。