AI走進(jìn)工業(yè)物聯(lián)網(wǎng) 逐步打造制造智能化

　　感知運算會是下一步

　　在現(xiàn)有的設(shè)備預(yù)診與制測檢測之后，制造系統(tǒng)的邊緣運算接下來將會有那些重點應(yīng)用? 易用性將會是下一個趨勢，而要讓設(shè)備易用，感知會是系統(tǒng)的必要設(shè)計理念。

　　相對于現(xiàn)在的工業(yè)物聯(lián)網(wǎng)中，邊緣運算只能找出系統(tǒng)問題，感知運算則可找到問題的原因，并直接提出最佳解決方式，制造系統(tǒng)的智能化設(shè)計，必須針對不同用戶提供適用功能，決策者、管理者、操作者所需的信息大不相同， 第一線的設(shè)備作業(yè)者遇到問題時，往往面臨極大的時間壓力，此時系統(tǒng)并不需要問題以外的信息，只需要系統(tǒng)直接告知問題所在，甚至提出可行的解決方式，像是設(shè)備故障，系統(tǒng)會直接在畫面顯示或以語音提示，告知操作人員先按下某個按鍵， 讓系統(tǒng)先恢復(fù)安全狀態(tài)，之后再提示緊急狀態(tài)的發(fā)生原因。 這就是感知運算最大的優(yōu)勢所在，隨著IT領(lǐng)域軟硬件技術(shù)提升與制造業(yè)對智能化概念的逐漸接受，感知運算將成為制造業(yè)的應(yīng)用會越來越多。

　　觀察發(fā)展現(xiàn)況，工業(yè)4.0在制造業(yè)已是大勢所趨，無論是設(shè)備應(yīng)應(yīng)商或制造業(yè)者，導(dǎo)入工業(yè)物聯(lián)網(wǎng)的動作也都轉(zhuǎn)趨積極，不過有成效者仍占少數(shù)，之前研究機(jī)構(gòu)麥肯錫(McKinsey)就曾針對歐、美、日等地的制造大廠進(jìn)行調(diào)查， 根據(jù)調(diào)查顯示，建置相關(guān)系統(tǒng)的企業(yè)中，僅有四成認(rèn)為有獲得成效或確實改善了制程，此一結(jié)果雖然不至于太慘，但與當(dāng)初預(yù)期仍有一段距離。

　　至于臺灣地區(qū)市場，由于制造業(yè)族群分布零散，工業(yè)4.0要落實在不同產(chǎn)業(yè)中仍有困難，原因在于無論是技術(shù)成熟度、策略方針到問題痛點，不同型態(tài)的制造業(yè)，其差異都相當(dāng)大，因此制造業(yè)導(dǎo)入工業(yè)物聯(lián)網(wǎng)的第一步，就是先審視自己所處的位置， 以找出最合適的解決方案。

　　業(yè)者指出，各族群制程系統(tǒng)的技術(shù)成熟度不同，對工業(yè)物聯(lián)網(wǎng)的功能需求差異也極大，例如傳產(chǎn)可能連第一步將設(shè)備連網(wǎng)的階段都還未達(dá)到，更遑論AI，但也有產(chǎn)業(yè)已在深入研究AI、機(jī)器學(xué)習(xí)等技術(shù)的深化應(yīng)用，讓設(shè)備自主優(yōu)化。

　　你在工業(yè)4.0的哪一階段?

　　至于制造業(yè)要審視本身在工業(yè)4.0中所占的位置，則可透過訊息物理系統(tǒng)(Cyber Physics System)當(dāng)中的5C架構(gòu)來進(jìn)行評判標(biāo)準(zhǔn)， 5C標(biāo)準(zhǔn)非常適合用來檢視工業(yè)4.0技術(shù)的成熟度，并輔助企業(yè)審視各階段所需的代表性能力與技術(shù)，順利導(dǎo)入工業(yè)物聯(lián)網(wǎng)。 5C架構(gòu)從最底層初階技術(shù)至最高層高階應(yīng)用共可分為五個能力組成，分別是鏈接(Connect)、轉(zhuǎn)化(Covert)、虛擬(Cyber)、感知(Cognition)以及自我配置(Configure)。

　　第一階段的鏈接，最主要是整合OT與IT系統(tǒng)，透過聯(lián)網(wǎng)技術(shù)讓機(jī)器與機(jī)器間能夠互相通訊、進(jìn)行串聯(lián)。 其次是轉(zhuǎn)化，這階段是讓設(shè)備機(jī)臺在初步的連網(wǎng)后，將擷取到的信息轉(zhuǎn)換為具有分析價值的數(shù)據(jù)信息，例如設(shè)備的失效或良率的分析。 其中，設(shè)備端點須具備分析、智能化的能力是這一階段中非常關(guān)鍵的能力。

　　在第三個階段虛擬中，則是強(qiáng)調(diào)虛擬化的數(shù)字雙生(Digital Twins)，在所有機(jī)臺都連網(wǎng)之后，形成另外一個虛擬、同步化的工廠運行，而其數(shù)字工廠具備感知、預(yù)測能力，可預(yù)測“ 非計劃內(nèi)”的設(shè)備故障，當(dāng)故障訊息被數(shù)字工廠擷取后，更可以仿真接下來如何執(zhí)行優(yōu)化的重新排程，例如像日本近年就非常致力于推動數(shù)字工廠的運行。

　　至于第四層感知階段，主要則是導(dǎo)入如機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等一系列的人工智能技術(shù)，讓機(jī)器可自我學(xué)習(xí)、進(jìn)化，并從大數(shù)據(jù)分析中不斷進(jìn)行推算與仿真，進(jìn)而在設(shè)備端預(yù)防機(jī)器故障與良率不佳的狀況。

　　最后一個階段自我配置，則是能夠機(jī)器能夠藉由感知、學(xué)習(xí)的結(jié)果，以自主的方式改變機(jī)器設(shè)備的設(shè)定，就好比自動駕駛的概念，利用系統(tǒng)對環(huán)境變化的判斷與分析自動更改執(zhí)行命令。 而工廠的機(jī)器同樣也能夠根據(jù)感測系統(tǒng)、訂單需求等的變化重新排程，訂立優(yōu)化的結(jié)果，這也是目前工業(yè)4.0追求的最高層級。

　　透過不同階段的認(rèn)知，制造業(yè)即可掌握目前自身系統(tǒng)所在的位置，并根據(jù)自身問題，向系統(tǒng)整合商提出功能需求，例如產(chǎn)品質(zhì)量不佳，就以圖像處理強(qiáng)化質(zhì)量控管;要提升效能，則可偵測設(shè)備的使用狀態(tài)，提升OEE(整體設(shè)備效率)， 而這些功能都可透過簡單的AI設(shè)置，加快效益的浮現(xiàn)速度。

　　談到AI，過去多認(rèn)為是遙不可及的概念，但其實AI可分為強(qiáng)AI與弱AI，在工業(yè)物聯(lián)網(wǎng)的邊緣運算中，通常只需要用到有限效能的弱AI，就可有效提升效能，因此制造業(yè)者不必認(rèn)為太過遙遠(yuǎn)就一徑排斥，可與系統(tǒng)廠商溝通討論，先從影響不大 、成本不高之處先行建置，再視成效決定下一步動作，透過不斷的嘗試、修正與導(dǎo)入，企業(yè)就可在有限的成本與風(fēng)險下逐步轉(zhuǎn)型，維持市場競爭力。