臺(tái)灣傳統(tǒng)制造商資源較少、機(jī)臺(tái)新舊程度不一，必須以「穿著西裝改西裝」的模式，逐步提升智慧化程度，因此步伐會(huì)較慢，不過(guò)速度較慢不代表可以停滯不動(dòng)，在工業(yè)4.0趨勢(shì)已成的態(tài)勢(shì)下，沒(méi)有智慧升級(jí)策略者，將被市場(chǎng)逐步邊緣化，厘清需求、穩(wěn)健而持續(xù)的踏出每一步，才能讓自身企業(yè)保持競(jìng)爭(zhēng)力。
為了避免因人口結(jié)構(gòu)逐漸走向高齡化，導(dǎo)致勞動(dòng)力下降，影響國(guó)家競(jìng)爭(zhēng)力，德國(guó)在2011年啟動(dòng)了工業(yè)4.0政策，希望透過(guò)IT與OT兩大系統(tǒng)的整合，為制造業(yè)升級(jí)。此政策一出，隨即帶動(dòng)了全球智慧制造浪潮，各國(guó)政府與企業(yè)紛紛跟進(jìn)，臺(tái)灣作為全球制造重鎮(zhèn)，也在近幾年開(kāi)始轉(zhuǎn)型，經(jīng)過(guò)初期的摸索后，如今政府與產(chǎn)業(yè)的策略方向，已因應(yīng)制造業(yè)的特色有所調(diào)整。
不過(guò)，未來(lái)幾年全球產(chǎn)業(yè)環(huán)境的變化將更快速詭譎，美中貿(mào)易戰(zhàn)會(huì)否隨著美國(guó)新政權(quán)出現(xiàn)新局？后疫情時(shí)代的產(chǎn)業(yè)供應(yīng)鏈將會(huì)是何種面貌？臺(tái)灣制造業(yè)者必須緊盯世界局勢(shì)，更機(jī)動(dòng)靈活的調(diào)整營(yíng)運(yùn)手法，才能找出自我價(jià)值，并在未來(lái)占有一席之地。
厘清需求才能讓制造系統(tǒng)更貼身
在全球制造領(lǐng)域中，臺(tái)灣向來(lái)扮演重要角色，雖然產(chǎn)值龐大，不過(guò)其競(jìng)爭(zhēng)優(yōu)勢(shì)主要為勞力成本，以物美價(jià)廉的產(chǎn)品在市場(chǎng)攻城掠地。 1980年代，自動(dòng)化技術(shù)開(kāi)始普及，各先進(jìn)國(guó)家的制造業(yè)者逐步導(dǎo)入，臺(tái)灣業(yè)者因兩岸開(kāi)放帶來(lái)了中國(guó)龐大且低廉人力，選擇既有的勞力密集制造模式，錯(cuò)失產(chǎn)業(yè)升級(jí)機(jī)會(huì)，因此在工業(yè)4.0浪潮中，產(chǎn)官兩方回頭檢視，才發(fā)現(xiàn)臺(tái)灣多數(shù)傳統(tǒng)制造業(yè)者都仍停留在半自動(dòng)的工業(yè)2.5，甚至是手工業(yè)的工業(yè)2.0階段。
面對(duì)此態(tài)勢(shì)，政府與產(chǎn)業(yè)這幾年開(kāi)始重整腳步，以更務(wù)實(shí)的策略調(diào)整企業(yè)體質(zhì)、制定方向與目標(biāo)，與新進(jìn)國(guó)家相比，臺(tái)灣制造業(yè)智慧轉(zhuǎn)型的速度或許不快，但工業(yè)4.0是長(zhǎng)期作戰(zhàn)，走得對(duì)會(huì)比走得快更重要。
觀察臺(tái)灣智慧制造的發(fā)展歷程，從2011年德國(guó)推動(dòng)工業(yè)4.0政策后，自動(dòng)化廠商與媒體就隨之展開(kāi)市場(chǎng)教育，經(jīng)過(guò)將近5年的推廣，2016年左右成果開(kāi)始浮現(xiàn)，陸續(xù)有制造業(yè)者嘗試導(dǎo)入。根據(jù)研究機(jī)關(guān)統(tǒng)計(jì)，2020年已有將近三分之一的臺(tái)灣制造商著手建置智慧化系統(tǒng)，而且會(huì)根據(jù)本身特色，將資源挹注于研發(fā)能量、生產(chǎn)力的提升。
臺(tái)灣制造業(yè)可概略分為科技與傳統(tǒng)兩種制造業(yè)，科技大廠如半導(dǎo)體制造、主機(jī)板、電腦等業(yè)者，自動(dòng)化程度非常高，尤其是半導(dǎo)體制造，更早已進(jìn)入工業(yè)3.5階段，透過(guò)大數(shù)據(jù)的累積與分析，改善制程效能。至于傳統(tǒng)制造業(yè)的則多為前文所敘的工業(yè)2.5甚至是2.0狀態(tài)，自動(dòng)化程度不足，因此無(wú)法一步到位導(dǎo)入智慧制造系統(tǒng)，必須先從基礎(chǔ)做起。
AI讓AOI檢測(cè)走向智慧化
在工廠制造機(jī)制演進(jìn)過(guò)程中，必須按部就班逐步發(fā)展，先從制程動(dòng)線的合理化做起，再將之精實(shí)化、標(biāo)準(zhǔn)化，后面才是數(shù)位化與智慧化。臺(tái)灣有意啟動(dòng)智慧化布局的制造業(yè)者，多數(shù)先從合理化與精實(shí)化做起，由于主事者意愿與企業(yè)資源不盡相同，各廠商的進(jìn)度也有差異，目前已有廠商完成這兩項(xiàng)動(dòng)作，開(kāi)始導(dǎo)入數(shù)位化架構(gòu)，而智慧制造的功能品項(xiàng)多元，大部分臺(tái)灣廠商會(huì)先選擇成效最快浮現(xiàn)的AIAOI與智慧制造基礎(chǔ)的機(jī)聯(lián)網(wǎng)。
AOI原本就是工廠維持產(chǎn)品品質(zhì)的重要環(huán)節(jié)，透過(guò)工業(yè)相機(jī)、影像擷取軟體等軟硬體架構(gòu)組成機(jī)器視覺(jué)架構(gòu)，解決過(guò)去以人眼檢測(cè)產(chǎn)品，造成檢測(cè)品質(zhì)不一、效能不佳的問(wèn)題。
| 圖1 : AOI是工廠維持產(chǎn)品品質(zhì)的重要環(huán)節(jié)，導(dǎo)入AI後，其效能將可進(jìn)一步強(qiáng)化。（source：WordPress） |
|
AOI架構(gòu)在自動(dòng)化產(chǎn)線中應(yīng)用已久，技術(shù)相當(dāng)成熟，不過(guò)近年來(lái)消費(fèi)性市場(chǎng)走向少量多樣，產(chǎn)品檢測(cè)也必須同步演進(jìn)，以更具彈性的機(jī)制因應(yīng)市場(chǎng)變化。在此態(tài)勢(shì)下，自動(dòng)化系統(tǒng)業(yè)者開(kāi)始導(dǎo)入AI，強(qiáng)化此一環(huán)節(jié)效能。
在AOI架構(gòu)中的AI，是透過(guò)深度學(xué)習(xí)演算法，智慧識(shí)別產(chǎn)品各種瑕疵，此機(jī)制不須像以往的AOI，需要以人力方式設(shè)定瑕疵樣態(tài)，演算法會(huì)根據(jù)當(dāng)初訓(xùn)練模式的條件，自行判定產(chǎn)品良窳，因此特別適合少量多樣的生產(chǎn)模式。這種方式不只在視覺(jué)檢測(cè)，也有廠商應(yīng)用于聲音偵測(cè)，讓馬達(dá)在出貨前，先經(jīng)過(guò)AI從轉(zhuǎn)動(dòng)聲音判定軸心有無(wú)歪斜，確保產(chǎn)品品質(zhì)。
除了品質(zhì)檢測(cè)，AIAOI還可以進(jìn)一步延伸到產(chǎn)線前端，做法是在每一工作站中設(shè)置AI攝影機(jī)，偵測(cè)該站的制造方式是否合于標(biāo)準(zhǔn)？產(chǎn)品是否有瑕疵？若未達(dá)標(biāo)準(zhǔn)就立即告知，協(xié)助工作人員即時(shí)修正，避免產(chǎn)品到最后環(huán)節(jié)才被判定為不良品，浪費(fèi)過(guò)程中的物料與人力資源。
相較于AIAOI幾近立竿見(jiàn)影的效益，機(jī)聯(lián)網(wǎng)投資報(bào)酬率浮現(xiàn)的速度較慢，不過(guò)機(jī)臺(tái)數(shù)據(jù)擷取和傳輸、儲(chǔ)存，是智慧制造的基礎(chǔ)，因此這也成為現(xiàn)在產(chǎn)業(yè)與政府的布局重點(diǎn)。機(jī)聯(lián)網(wǎng)的第一步是擷取設(shè)備數(shù)據(jù)，目前自動(dòng)化廠商所推出的新式機(jī)臺(tái)，多已內(nèi)建感測(cè)與通訊功能，可快速組建成聯(lián)網(wǎng)架構(gòu)，困難度較高者是廠內(nèi)既有的機(jī)臺(tái)，這些機(jī)臺(tái)不一定都有相關(guān)功能，要取得數(shù)據(jù)本就有一定難度，再加上為了維持產(chǎn)能，產(chǎn)線無(wú)法長(zhǎng)時(shí)間停機(jī)加裝感測(cè)、通訊模組，更大幅提升系統(tǒng)升級(jí)的難度。
| 圖2 : 機(jī)臺(tái)數(shù)據(jù)擷取和傳輸、儲(chǔ)存，是智慧制造的基礎(chǔ)，因此機(jī)聯(lián)網(wǎng)也是產(chǎn)業(yè)走向工業(yè)4.0的第一步。（source：Nexperia） |
|
對(duì)此，資料科學(xué)專家指出，數(shù)據(jù)是智慧化的根本，因此即便使用最傳統(tǒng)的紙本，也要將數(shù)據(jù)紀(jì)錄下來(lái)。當(dāng)然以現(xiàn)有的技術(shù)，不至于用回容易出錯(cuò)且無(wú)法數(shù)位化的人工抄寫(xiě)作業(yè)，近年已有廠商研發(fā)出可快速得到機(jī)臺(tái)數(shù)據(jù)的方式，像是用攝影機(jī)判別每一機(jī)臺(tái)上方的三色燈，或是利用光學(xué)字元辨識(shí)（OCR）識(shí)別HMI上的文字，并將之累積成大數(shù)據(jù)，用來(lái)作為分析設(shè)備綜合效率（OEE）。
馬達(dá)與刀具偵測(cè)是兩大重點(diǎn)
除了基本的整機(jī)狀態(tài)偵測(cè)外，針對(duì)機(jī)臺(tái)內(nèi)的重要部件，產(chǎn)業(yè)也積極開(kāi)發(fā)相關(guān)技術(shù)，其中又以馬達(dá)與刀具為兩大重點(diǎn)。馬達(dá)是設(shè)備最重要的動(dòng)力來(lái)源，一旦故障，機(jī)臺(tái)就會(huì)停擺，目前得知馬達(dá)的狀態(tài)數(shù)據(jù)是利用感測(cè)器長(zhǎng)期偵測(cè)其震動(dòng)、電流、聲音，一旦發(fā)覺(jué)出現(xiàn)異常，就可排定時(shí)程，在工廠停工時(shí)檢修。
至于刀具是以振動(dòng)偵測(cè)為主，資策會(huì)開(kāi)發(fā)「人機(jī)協(xié)作應(yīng)用于刀具管理系統(tǒng)」已在實(shí)證場(chǎng)域?qū)耄高^(guò)智慧演算法推論刀具壽命，節(jié)省產(chǎn)線刀具成本約20%以上，精準(zhǔn)預(yù)測(cè)刀具的健康狀態(tài)，積極避免刀具在無(wú)預(yù)警的狀態(tài)下導(dǎo)致撞車(chē)而造成的損失。
相較于可一步到位直接導(dǎo)入最新智慧化架構(gòu)的歐美、中國(guó)業(yè)者，臺(tái)灣傳統(tǒng)制造商由于資源較少、機(jī)臺(tái)新舊程度不一，必須以「穿著西裝改西裝」的模式，逐步提升智慧化程度，因此步伐會(huì)較慢，不過(guò)速度較慢不代表可以停滯不動(dòng)，在工業(yè)4.0趨勢(shì)已成的態(tài)勢(shì)下，沒(méi)有智慧升級(jí)策略者，將被市場(chǎng)逐步邊緣化，唯有厘清需求、穩(wěn)健而持續(xù)的踏出每一步，才能讓自身企業(yè)保持競(jìng)爭(zhēng)力。
**刊頭圖（source：Ecole des Ponts Business School）
