Red Hat
IBM
 

【智慧製造 2019 Flashback】製造業漸找到最貼近需求生產模式

回顧2019年智慧製造發展,製造業正逐漸找到最合乎自身需求的解決方案。

回顧2019年智慧製造發展,可以說製造業正逐漸找到最符合自身需求的解決方案。全自動化不再是唯一追求的目標,人機協作逐漸當道,因而催生許多以人為本的AI創新應用,聚焦於如何為人類產生更多價值。此外,對於智慧製造的不確定性從遲疑轉為主動嘗試,透過各種簡易型、低成本的智造方案所獲得的成效也漸受業者肯定,為未來備戰更進階的智慧製造投下定心丸。

人機協作當道 AI辨識對象從產品、機器變成作業員

 點擊圖片放大觀看

AI公司瞄準勞力密集的製造業,將AI辨識的對象從過去相對熱門的產品瑕疵檢測,變成產線上的作業員。Viscovery

傳統產業今非昔比,透過智慧製造、數位轉型扭轉產業劣勢,勢在必行。廖家宜

製造業者開始利用簡易型的智造方案,為工廠內的舊設備升級。法新社

2019年愛迪達(Adidas)與波音(Boeing)相繼宣告放棄機器人全自動化生產,雖然與過去相比,機器人技術已有長足的進步,但機器人技術使用上的高門檻限制,提高了產線在重新配置與調整的難度,若從成本考量,訓練人類學會使用不同工具和生產流程或許簡單得多。

事實上,從風向球漢諾威工業展(Hannover Messe)的內容來看,幾乎不約而同都在強調,人類勞工仍會是生產線上重要的組成元素,因此人工智慧的發展,也從強調生產機台的智慧化,逐漸聚焦於如何為人類創造更多生產價值。包括透過AI影像辨識分析人類行為,用以檢視勞工安全,例如作業員是否佩戴安全帽、有無入侵危險區域等,皆是目前影像辨識在製造領域中非常成熟且普及度相當高的應用。

另外也有不少AI公司瞄準勞力密集的製造業,將AI辨識的對象從過去相對熱門的產品瑕疵檢測,變成產線上的作業員,結合工廠既有的攝影機,偵測作業員是否符合標準生產流程,並檢視生產效率,像是由前百度首席科學家吳恩達創立的Landing AI就瞄準此商機切入台灣智慧製造市場。

延伸閱讀:人體行為辨識技術助勞力密集製造業提升生產效率

智慧製造非高科技專利 看看傳統產業如何出擊

以往智慧製造一詞總是圍繞在高科技產業,像是半導體龍頭台積電、封測大廠日月光等皆擁有數座關燈工廠。雖然起跑線不同,但近來傳統產業的追趕速度也不容小覷,諸如紡織業、金屬加工業等,由於本身屬於勞力密集型產業,缺工問題一直是心頭大患,且部分更是3K(髒亂、辛苦、危險)產業,對於這類型產業來說,透過智慧製造、數位轉型扭轉產業劣勢,勢在必行。

因此,回顧2019年甚至更早,可發現紡織業今非昔比,除了朝「科技業」邁進、整合電子元件開發智慧型紡織品外,像是台南紡織大廠宏遠興業透過「數位大腦」的建立,只要5分鐘就能建立出最佳化的生產排程;而Burberry的格子布供應商和明紡織,更從OEM轉型ODM,將累積數十年的設計經驗數位化,開發對研發設計端相當重要的數位面料庫。

而遍布台灣中南部的金屬製品業,從水五金、手工具、螺絲螺帽等,外銷表現亮眼,堪稱台灣隱形冠軍。其中像是為F1法拉利車隊代工生產套筒扳手的銳泰精密,從資料收集與整合出發,增進生產數據的資訊活絡,讓原來一間40部機台的工廠人力需求從120人大幅降至7人,也有衛浴大廠和成欣業利用3D視覺結合機器手臂縮短24倍的工時,除此之外,中鋼集團內部據悉也有超過100個AI項目進行中。

延伸閱讀:誰是下一個品牌新秀? 紡織業用大數據分析挖掘潛在新客戶

就地取材 憑一己之力也能打造智慧工廠

對於製造業者來說,投入智慧製造首當其衝的問題就是投資效益的評估,但其實工廠內有80%以上都是舊設備,如果能就地取材,先從需解決的關鍵問題著手,智慧製造不一定需要昂貴的技術解決方案,當中有不少製造業者成功利用簡易型的智造方案,升級工廠內的舊設備,且由於技術門檻通常較低,智慧製造似也有走向DIY時代的苗頭。

例如工廠內檢視機台運作的基本裝置三色燈,由於成本不高且取得容易,便能在有限成本上提升部分產線的智能化,像是透過三色燈訊號分析設備稼動率、工件計數,或是生產進度控管等。新創業者立允智造開發進階版的數位顯示三色燈,透過讀秒倒數,協助基層作業員更清楚掌握加工時間。

而有些製造業者,則是一手打造自己的智慧工廠。像是沖壓設備大廠金豐機器,就利用低成本的微型電腦樹莓派搭配感測器,打造機連網裝置,從蒐集數據開始摸索,另外,車用電子大廠車王電也將用了19年的自製AGV裝上機器視覺、聯網、監控與排程派送功能,搭配改裝現有的治具架,當換線時自動尋找儲位領取治具,並自動配送到該站別,在物料與資源回收自動搬送機制下減少人員走動距離,換線時間至少能減少約10分鐘。

延伸閱讀:七十年老工廠不靠外援 , 傳統機械業者靠自己打造智慧工廠

  •     按讚加入DIGITIMES智慧應用粉絲團