中文简体版   English   星期日 ,8月 18日, 2019 (台北)
登入  申請試用  MY DIGITIMES236
 
科技產業報訂閱
活動+

協作,製造業的智能下一步

  • 張琳一

工業4.0、智慧製造、機器手臂、各式感測器等,這些都是近年在談論生產製造智慧化少不了的名詞,甚至討論追逐包括全自動化工廠、關燈無人工廠等這些如同聖盃一樣的終極目標,例如Tesla的製造工廠。但製造業不是互聯網,沒有太多快捷方式或商業模式,可以短期擁有破壞式創新,連Elon Musk也承認,之前在工廠內Humans are Underrated人類的價值被低估了。

Elon Musk則是燒了巨大的金額來追逐終極的全自動化工廠(Tesla工廠目前仍有3萬多員工),然而這種遊戲並不是適合其他所有人的。工廠在導入自動化或智慧化,其實可以歸納幾個簡單的衡量點,尤其是在近期的科技發展下,我們認為「協作」才是智慧化的下一步。

目前在生產製造端會碰到下列問題,並用來衡量智慧化的投入:

產線產品的利潤是否足夠支撐新科技的導入:這裡出現了雞跟蛋的問題,當產品利潤不佳時,只有大量標準品生產量才能因應科技的導入成本;而小量訂製時,又將產生「智慧不足的自動化導入」,出現生產彈性不足的問題,最終投入成本還是看不到收回的時程表。所以,如果產線還在做利潤低到10%的平板時,很難導入新智能化方案來改進效率的。

端到端的完全解決方案需求:生產是流動的,且得整合前期供料、設計與後期的物流等等,科技直接深度導入後,任何單一環節停滯或單一效率成長,都無法解決最終產出的問題。例如升級了電性測試,但還是卡在人工的外觀目測階段,如果大家看過工廠在十幾年前瘋狂導入ERP的痛苦就可知道(平均中型ERP導入成本在50萬美元以下,但最大的問題是流程與人員配合訓練的時間)。

工廠是由人、系統、機器共同組成的,有一定的管理流程包袱,且層層相扣。如果有機會與工廠的專案經理聊天,就會知道大量的時間卡在系統與人之間的協調問題。

欠缺數位化的基礎建設:許多機器、流程、環境資料、採購檢測等,都缺乏完整的資料整合,或根本還在紙本運作。但問題不是不願意智慧化,而是一次升級的成本太為巨大。

「協作」,是在最小限度下,改造生產製造環境,並且充分與現場作業人員、既有環境流程做整合,在資源足夠或擁有百萬數量訂單能解決上述問題時,進入智慧化。最容易瞭解的就是機器手臂大廠如ABB、KUGA、FANUC、Universal等,都把協作機器手臂視為明星產品。

根據日本機器人工業會(Japan Robot Association;JARA)統計,2025年全球協作型機器人市場規模將成長至57億美元,為2017年5億美元的12倍之多。而相關專利也在2018、2019兩年即將到期,更多白牌手臂將讓這個市場迅速普及化。但「協作」並不只限於機器臂的應用、電腦視覺的參與、感測器的布建、自駕輸送車、機器資料化等等,都是進入「協作」的切入點,輕度的介入既有流程與環境,實行小部分或單一功能的智慧化為優先。

作者近期在矽谷與工業智慧化的新創公司,一同去生產一線交流開拓機會時,深切體驗到「協作」的需求,例如Arch System透過讀取各式機器的底層數位訊號,來煉接不同廠牌、年代與功能的生產機器,為協作打好基礎。

Canvas應用自駕車的技術,在混雜不規律的工廠環境中ㄝ,完成基本物流服務。Ready Robotics充分應運軟體實力,在不同廠牌型號手臂中,完成開發管理整合,簡化導入學習與提升製造細節修改的彈性。Augury則在機器外部聲音與震動方面有深入的機器學習成果,特別在馬達應用的工廠中,管理設備的運作。Piskik則研發無源的感測器晶片,解決感測器布建的痛點,達成基礎智慧化環境的普及。

上述新創都在矽谷已是價值上億的公司,這次的深度交流充分的反映了上述的論點,工廠導入智慧化不是一蹴可及,得一步步從各個環節中去改善,輕度地介入既有生產程式,等待驗證後,即可迅速地大規模導入。

IIoT及工業4.0的市場相當巨大,根據IDC對2016年物聯網領域的投資支出統計,支出金額排前三大的產業分別是製造業(1,780億美元)、交通運輸業(780億美元)和公用事業(69億美元)。其次,IIoT和工業4.0具備長週期的特性,一旦驗證ROI,就會收穫長期合作的客戶夥伴。現在所有製造業企業都面臨著AI智慧化競爭的壓力,並都在進行不同程度的驗證與測試,這進一步證明,IIoT及工業4.0的市場潛力無窮。

(本文作者為Legend Star聯想之星Comet Labs, US Operation Partner王仁中,記者張琳一整理)