經濟部工業局金屬機電組
副組長
張明煥
北爾電子股份有限公司
市場開發經理
何輔仁
施耐德電機股份有限公司
自動化事業部總經理
孫志強
我們提供本研討會主講者同意授權的演講檔案,歡迎參與來賓下載。
如果遇到檔案無法下載,請檢查您的電腦是否有以下狀況,而造成下載問題:
自從德國在2013年首度提出「工業4.0」概念後,世界各國也紛紛提出自己的智慧製造藍圖,同時也有更多的科技應用加入智慧製造的領域,包括工業物聯網(IIoT)、人工智慧(AI)等,都已成為智慧製造不斷演化過程中不可或缺的技術。DIGITIMES因此於2018年8月3日的2018自動化工業大展舉辦「智慧工廠論壇」,邀請產官學相關領域專家,針對智慧製造的最新趨勢及發展發表看法。
經濟部工業局金屬機電組張明煥副組長指出,為了幫助中小型製造業克服供應鏈管理困難、訂單達交率不佳等問題,政府將以營收新台幣30億元以下的中小型製造業為主要對象,透過供應鏈資訊串流,積累營運數據資料,並導入
人工智慧(AI)市場規模成長迅速,經濟部工業局金屬機電組張明煥副組長指出,製造業是其中的主力應用之一,尤其是機械設備、金屬製品、運輸工具等產業,將會是透過AI的加持,成為智慧製造加值的受惠者。
在業者與政府的努力下,依據機械公會統計,2017年台灣機械業產值已突破兆元大關,約達新台幣1.1兆元,較前一年成長11.1%。2017年機械出口額256億美元,年增20.9%,為近6年最佳,依照International Trade Centre(ITC)統計資料,台灣工具機全球出口排名也由第5名提升為第4名。
但張明煥指出,中小型製造業目前正面臨快速報價、急
為了讓製造數據能轉換成智慧製造的洞察力,北爾電子市場開發經理何輔仁指出,智慧製造要從概念驗證(Proof of Concept;POC)進一步朝證明價值(Proof of Value;POV)發展,業者必須要洞悉科技趨勢及商業模式轉型的趨勢變化。
何輔仁表示,因為以前的產品設計及製造,主要是針對購買者,僅需做到一次性銷售;但現在則是要針對使用者,因此必須要創造服務平台,透過使用者回饋,採取隨需銷售的模式,才能成功。
基於商業模式的改變,何輔仁認為,理想的工業4.0方案,必須要能做到遠端監控、預測維運,並掌握KPI資訊,包括工程、連線及呈現的問題都必須
工業發展不斷演進,不僅帶動製造技術的革新,產品設計、產品生命週期等管理方式也不斷的重新被定義。參數科技亞太區物聯網業務副總裁劉少綸指出,面對工業4.0時代的來臨,如何整合虛擬數位及真實實體的世界,創造出新價值,將會是驅動製造業變革的主要關鍵。
在實體部分,最重要的製造技術就是物聯網。劉少綸指出,很多工廠的運作過程,會有很多設備產生複雜的數據,但因為缺乏整合,這些數據一直都無法有效應用。但隨著聯網頻寬的速度及穩定度增加,可以作為工業用途,以及各式各樣的無線通訊技術可以供業者選擇,如RoLA可以提供低能量長距離的無線網路環境,加上雲端運算的誕生改變了電腦運算架構,IT管理沒有
工業物聯網(IIoT)及人工智慧(AI)帶起智慧製造風潮,研華市場開發經理葉韋賢認為,很多人對AI的想法已經脫離現實,應該要思考的是AI現在能夠做什麼,如何讓AI落地,實際產生效益。
以製造業為例,就可以從如何延續師傅經驗或無從得知的資訊開始。葉韋賢以勞斯萊斯的引擎渦輪葉片維修為例,以前只能靠老師傅用槌子去敲葉片,從敲擊的回音來做品管,但老師傅要退休了,就只能靠AI才能延續老師傅的品管經驗及能力。
葉韋賢指出,IIoT與AI應用在智慧製造面臨的挑戰,包括情境與資料連結、資料可靠度、資安、服務可用性及彈性擴容。為了迎接挑戰,研華特別推出一個專為I
機械製造業為了提升競爭力,透過數位轉型提高運營效率,已是無可避免的趨勢。施耐德電機自動化事業部總經理孫志強指出,根據2016年麥肯錫發表的報告,200多家歐洲機械業者在導入數位化解決方案後,產品推出市場的時間更快,可以更好地利用專業知識資源,生產力提高3%~5%,機械故障時間也有效縮短30%~50%。
孫志強表示,數位化轉型有四個要點。首先是要做到設備能夠互聯互通,企業要能掌握機械資訊,才能做到預知保養,減少機械故障;其次是掌握行動技術,因為現場的人員會不斷的流動,機械故障時很難馬上派人到現場處理,唯有透過行動技術,才能讓技術人員隨時遠端就能處理機械問題。
工業4.0的出現,其實與電子商務帶來的消費型態改變息息相關。台灣西克(SICK)物流自動化專案經理王新儒指出,電商追求的是讓消費者使用手機就可以在網路上購物,商品也朝向模組化設計方向發展,來因應消費者的喜好,消費模式的改變,也因此改變生產型態朝向自動化及無人化發展,而引發工業4.0的風潮。
為了因應工業4.0帶來的改變,王新儒指出,製造業者需要智慧感測移動平台做到智慧物流。平台的需求要件包括可靠度、模塊化、穩定性及靈活性,才能兼顧易於安
隨著工業物聯網(IIoT)的導入,製造業將邁向數位化轉型,進而發展智慧製造。SAS賽仕電腦軟體資深顧問分析師林育宏指出,工廠數位化會衍生三種情境:資料的高度整合、設備對設備的溝通協作及大量客製化產品。再進一步,大量的數位化資料及串流資料,可透過大規模且多維度的AI分析技術為數位化工廠或製造業服務更添智慧。達到智慧化將助益工廠完成自動最佳化設備參數、製品缺陷即時偵測及設備預測保修,這體現的就是物聯網與人工智慧的結合,即AIOT。
林育宏指出,機器學習是目前人工智慧領域內最強的分析技術,模型可從大量數據中迭代組合出各式強解釋力特徵,超越傳統分析人員能力,來理解IIoT大數據的
導入人工智慧到CIM(Computer Integrated Manufacturing)系統內,以產生更高的經濟價值,已嚴然成為趨勢,但元智大學工業工程系副教授鍾雲恭指出,因為機器學習過程中,學習結果的可塑性(Plasticity)及穩定性(Stability)很難同時滿足,而使智慧製造「聰明反被聰明誤」,但若智慧製造中的機器學習方式,慎用遞增式學習(Incremental Machine Learning)的特性,將會使智慧製造永續學習成為可能。
此外,物件式資料倉儲(Object-Oriented Data Warehousing)的使用在遞增式的學習中格外重要,因