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(huì )是下一步

　　在現有的設備預診與制測檢測之后，制造系統的邊緣運算接下來(lái)將會(huì )有那些重點(diǎn)應用? 易用性將會(huì )是下一個(gè)趨勢，而要讓設備易用，感知會(huì )是系統的必要設計理念。

　　相對于現在的工業(yè)物聯(lián)網(wǎng)中，邊緣運算只能找出系統問(wèn)題，感知運算則可找到問(wèn)題的原因，并直接提出最佳解決方式，制造系統的智能化設計，必須針對不同用戶(hù)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(xiàn)的設備作業(yè)者遇到問(wèn)題時(shí)，往往面臨極大的時(shí)間壓力，此時(shí)系統并不需要問(wèn)題以外的信息，只需要系統直接告知問(wèn)題所在，甚至提出可行的解決方式，像是設備故障，系統會(huì )直接在畫(huà)面顯示或以語(yǔ)音提示，告知操作人員先按下某個(gè)按鍵， 讓系統先恢復安全狀態(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(zhù)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)的應用會(huì )越來(lái)越多。

　　觀(guān)察發(fā)展現況，工業(yè)4.0在制造業(yè)已是大勢所趨，無(wú)論是設備應應商或制造業(yè)者，導入工業(yè)物聯(lián)網(wǎng)的動(dòng)作也都轉趨積極，不過(guò)有成效者仍占少數，之前研究機構麥肯錫(McKinsey)就曾針對歐、美、日等地的制造大廠(chǎng)進(jìn)行調查， 根據調查顯示，建置相關(guān)系統的企業(yè)中，僅有四成認為有獲得成效或確實(shí)改善了制程，此一結果雖然不至于太慘，但與當初預期仍有一段距離。

　　至于臺灣地區市場(chǎng)，由于制造業(yè)族群分布零散，工業(yè)4.0要落實(shí)在不同產(chǎn)業(yè)中仍有困難，原因在于無(wú)論是技術(shù)成熟度、策略方針到問(wèn)題痛點(diǎn)，不同型態(tài)的制造業(yè)，其差異都相當大，因此制造業(yè)導入工業(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)可能連第一步將設備連網(wǎng)的階段都還未達到，更遑論AI，但也有產(chǎn)業(yè)已在深入研究AI、機器學(xué)習等技術(shù)的深化應用，讓設備自主優(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(guò)訊息物理系統(Cyber Physics System)當中的5C架構來(lái)進(jìn)行評判標準， 5C標準非常適合用來(lái)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)，順利導入工業(yè)物聯(lián)網(wǎng)。 5C架構從最底層初階技術(shù)至最高層高階應用共可分為五個(gè)能力組成，分別是鏈接(Connect)、轉化(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，透過(guò)聯(lián)網(wǎng)技術(shù)讓機器與機器間能夠互相通訊、進(jìn)行串聯(lián)。 其次是轉化，這階段是讓設備機臺在初步的連網(wǎng)后，將擷取到的信息轉換為具有分析價(jià)值的數據信息，例如設備的失效或良率的分析。 其中，設備端點(diǎn)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(gè)階段虛擬中，則是強調虛擬化的數字雙生(Digital Twins)，在所有機臺都連網(wǎng)之后，形成另外一個(gè)虛擬、同步化的工廠(chǎng)運行，而其數字工廠(chǎng)具備感知、預測能力，可預測“ 非計劃內”的設備故障，當故障訊息被數字工廠(chǎng)擷取后，更可以仿真接下來(lái)如何執行優(yōu)化的重新排程，例如像日本近年就非常致力于推動(dòng)數字工廠(chǎng)的運行。

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

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

　　透過(guò)不同階段的認知，制造業(yè)即可掌握目前自身系統所在的位置，并根據自身問(wèn)題，向系統整合商提出功能需求，例如產(chǎn)品質(zhì)量不佳，就以圖像處理強化質(zhì)量控管;要提升效能，則可偵測設備的使用狀態(tài)，提升OEE(整體設備效率)， 而這些功能都可透過(guò)簡(jiǎn)單的AI設置，加快效益的浮現速度。

　　談到AI，過(guò)去多認為是遙不可及的概念，但其實(shí)AI可分為強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)者不必認為太過(guò)遙遠就一徑排斥，可與系統廠(chǎng)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(dòng)作，透過(guò)不斷的嘗試、修正與導入，企業(yè)就可在有限的成本與風(fēng)險下逐步轉型，維持市場(chǎng)競爭力。