實現智慧製造 提升產業競爭力的工業物聯網

要讓機器人等智慧製造的價值，需要配合工業物聯網的運作。(WIKI)

面對市場少量多樣、產品生命週期縮短、製造人力短缺、薪資成本節節上升等製造型態的轉變及挑戰，許多國家都已提出智慧製造相關政策，不管是美國的「先進製造夥伴計畫」、德國的「工業4.0」、日本的「新策略性工業基礎技術升級支援計畫」、南韓「製造業創新3.0策略」，以及大陸的「中國製造2025」規劃，都與工業物聯網的技術及應用，有著相當密切的關聯，也是智慧製造能否實現的關鍵。

台灣也不例外，根據經濟部技術處ITIS計畫資料顯示，2015年台灣國內生產毛額約新台幣16.7兆元，其中製造業生產毛額約5兆元，佔國內生產毛額30.1%，可見製造業對台灣的重要性，面對新興市場如東南亞各國挾其低廉的人力成本，大舉搶進代工製造的市場，作為促進經濟成長的重要戰略之際，師法先進國家升級轉型的智慧製造戰略，才能確保台灣未來能在各國的新一波製造業競爭中，立於不敗之地。

工業物聯網與智慧製造的效益

2016年5月新政府開始運作後，已經將發展智慧機械、綠能科技、國防產業、生技醫藥、亞洲矽谷並列為五大創新研發產業。在這五大產業中，智慧機械因為能在面對未知與多樣的製造變速下，使用感測器感知周圍環境，各類控制模型，自動調整機械本身的反應活動，來完成指定的特別任務，若再配合工業物聯網的應用，製造業便能即時擷取、傳輸、儲存更多來自於設備、工件、製程、人員及整體供應鏈資料，能更有效的促進製造與商務間的水平整合。

經濟部技術處指出，發展與應用智慧製造，依據應用方案特質，至少要包含三個階段：第一階段為工廠與企業間廣泛的資料整合，透過工廠各製程與企業間的資料連結與整合，提高生產效率、降低成本，並增進生產過程安全性與降低對環境的影響；第二階段為藉由生產最佳化建立製造智慧，透過電腦模擬與各種製程模型，創造堅實可靠的製造智慧，以滿足客製化、多變化、快速化生產等客戶需求；第三階段為透過製造智慧建立獨特競爭優勢，藉由持續累積的製造智慧，在製程與產品上增加創新能力。

為了實現智慧製造，經濟部技術處認為，物聯網正是需要優先發展的關鍵技術之一。因為物聯網可以使製造體系中的人、製造程序與各種資料，能完成廣泛與深層次的連結，並進一步產生多種新價值。

事實上，物聯網也是建構網宇實體系統(Cyber-Physical System；CPS)的重要元素之一。CPS正是德國實現工業4.0願景的重要工具，具體效益包括增加能源與資源使用效率，縮短新產品開發時間，加速產品創新，增進製造彈性與能力，滿足客戶客製化及個人化的製造需求，進而協助企業降低製造成本，縮短產品開發與製造時程，提高產品品質，滿足客戶多元化生產需求，以及提高產品、服務價值。

如BMW位於大陸瀋陽的鐵西工廠，就在衝壓、車身、塗裝和總裝四大車間內全面實施了工業智慧化，如車身車間透過使用智能機器人和工業電腦控制技術，能效得到顯著提升，如機器人熱能回收技術便可每年節約超過780萬度電。

汽車製造最耗能的塗裝環節(約佔汽車製造能耗的70%)，也在導入智慧製造相關技術後，實現節水30%，節能40%，減排20%的成果。而且相比傳統液壓機，鐵西工廠的高速沖壓機生產效率提升超過70%，節能50%。截止2014年底，BMW集團在全球使用的生產能耗中，來自於可再生能源的比例首次過半，達到51%。

海爾集團則是在2014年就已建構全流程實時互聯可視的互聯工廠體系，將大規模製造，升級為大規模訂製。透過大量感測器，大數據資訊化工具和機器人的協作，海爾互聯工廠可以高效地完成訂製化批量訂單的生產，在不提高製造成本的基礎下，提升產品附加價值，並為創新性設計的低成本，提供有力支撐。

如海爾位於瀋陽的冰箱互聯工廠，透過智慧製造解決方案，有效減少人員配置達75%，單線產能100萬台提升至180萬台，單位面積產出50台？坪提升至100台？坪，定單交付周期由15天隆低到7天。

導入工業物聯網的挑戰

但工業技術研究院資通所智能製造服務系統組組長程瑞曦指出，製造業在導入工業物聯網時，要先有正確的認識。首先在資料輸入與傳輸處理裝置成本方面，製造業必須要先行建置感測與擷取裝置，經營者必須要有承擔投資的心理準備。

其次則是資料整合成本，因為製造業專屬協定多，整合複雜度較高，加上製造設備繁多，資料整合不但繁瑣冗長，不易替換的舊有系統，也會造成資料整合的包袱。且由於製造端的資料分散獨立，資料分類與品質也還仍待建立，多數製造業的資料量目前也還不足以分析。

為了要克服前述挑戰，製造業在導入工業物聯網時，首先要先解決感測層的需求，包括佈線困難度、固定點？移動物、可靠度、未來彈性、電源供應等，尤其是感測器因為要因應不同應用的需求，輸出入介面各廠家不一，標準種類相當繁多，系統整合客製化程度也比較高。

而在網路層方面，在通訊傳輸的選擇上，包括有線與無線網路因為各有運用的利基，考量的要素包括佈建成本、環境嚴苛度、安裝影響生產的程度、應用的運作彈性等，才能確保資料傳輸的可靠度，以及對訊號不穩定的容忍度，能夠符合業界要求。

在應用層的挑戰方面，首先要克服的是資料範疇與解析度的問題，如所蒐集的資料能不能對準問題？資料量是否符合需求？因為太少，可能無法找到問題的根因，但資料太多，也可能造成投資成本過高，資料雜訊也會跟著放大，導致無法找到問題根源。

解決問題的關鍵，在於資料品質是否具一致性且標準化，方能易於解譯與分析。此外，資料也必須具有可驗證的平衡性，同時運用前處理過濾至設定目標，以提升分析的效能與精確性。

工業物聯網普及速度開始加快

工業物聯網的標準過於複雜，可說是阻擋工業物聯網普及速度的關鍵之一。所幸德國為了能夠讓其主推的工業4.0觀念能夠落實，已經與與工業網路聯盟(Industrial Internet Consortium；IIC)達成合作意向，共同探討雙方分別推出架構的潛在一致性，即工業4.0參考架構模型(RAMI4.0)和工業網路參考架構(IIRA)的一致性，以確保未來的相互操作性，這兩個工業物聯網組織的合作，可望有效促成工業物聯網的普及，也讓智慧製造的應用發展，更能快速地在全球各地展開。