工業4.0(Industry 4.0)強調在安全的環境中提升工作效率與生產力,因此工業4.0開始發展時,特別專注生產機器的運轉效能,以及如何避免因機器損壞造成的損失。此時,工業4.0的重點在於工廠內部的網路與生產機器上的感測器如何有效連結,並透過大數據分析,以期將生產力發揮極致。

但工業4.0終極目標不僅限於廠房中的高效率、安全性,還包括如何減少浪費、改善供應鏈、再度提升安全性和效率,以及更佳的服務…等,然這些進階問題如何解決?3D成像、擴增實境(AR)、人工智慧(AI)、機器人、穿戴式裝置,以及智慧運輸等新興技術將可能成為關鍵。這些新技術加入,不僅讓工業4.0概念可持續發展,勢必也將為相關半導體業者創造新的市場機會。

工業4.0市場仍然相當暢旺

德國提出工業4.0概念至今,各家廠商紛紛響應,不僅將工業4.0導入自家工廠生產線;也有業者聚焦在相關產品與系統的研發,將工業4.0拱上物聯網(IoT)中最受矚目的應用之一。業界亦提出工業物聯網(IIoT)、智慧工廠與智慧製造的說法,這些「專有名詞」背後代表的意涵基本上是環環相扣的。

無論工業4.0、工業物聯網或是智慧工廠、智慧製造,其衍生的商機持續不斷的獲市調單位或相關業者的重視。TrendForce旗下拓墣產業研究所預估,2018年全球智慧製造及智慧工廠相關市場規模將達2,500億美元(圖1)。

20171101_Industry_NT31P1 2016~2018年全球智慧製造市場規模預測(來源:拓墣產業研究所)

這股以智慧製造推動傳統製造模式轉型的潮流正熱烈發展中,其中智慧製造即是與全面連網、自動化與生產效益等劃上等號,讓傳統工廠朝工業4.0發展。而這股火熱的工業4.0潮流實有賴於各國積極推出各項政策推波助瀾,但隨著AR、通訊技術、機器視覺、人工智慧/深度學習(deep learning)..等,各項新舊技術的再翻新及蓬勃發展,這些技術亦逐步被導入工業4.0應用中,受惠於此,工業4.0的發展將更能契合其所欲達成的終極目標——更智慧、更節省成本、更自動化、更高的生產效率與競爭力,以及更安全的人機協作。

AI改變製造設備「思維」

隨著智慧製造或工業4.0的導入,未來工廠廠房中最多的不是操作人員而是機械設備,也就是機械手臂。現階段,機械手臂通常是寫入作業順序的程式後,由人員操作,一個口令一個動作地完成所需執行的工作,且若需與生產線上的操作員共同工作時,還需有隔離設備,以免機械手臂「不小心」傷害到工作人員。

工業4.0剛開始發展時,在德國的確發生過協作型機器設備致人於死的事件。然而,若僅是讓機械手臂依指令動作,這樣只能說是半自動化,一些比較精細的作業,仍然需要人工執行。達明機器人(Techman)研發處軟體設計部專案經理黃鐘賢表示,傳統的機器人需要和作業員分開,以免機器人運作時,因為沒有「意識」到與作業員太過接近,而不小心誤傷。另外,現階段的機械手臂,能進行的工作很「單一」,機器人無法「舉一反三」,做到更多人工才能達成的工作,例如在一個物品很多的大箱子中,正確取出所要的物品,而這些都可以透過人工智慧與深度學習來「教導」機器手臂,進一步達成全自動化的目標。

事實上,早在2016年世界經濟論壇(WEF)時,論壇中就已將人工智慧視為「第四次工業革命」的核心,與會者並預言這個技術將對全球產生翻天覆地的影響,可見未來人工智慧的重要性。

甚至,根據瑞士銀行今年4月最新研究表示,2030年人工智慧在亞洲可創造最高可達3兆美元(約新台幣90.8兆元)的經濟價值,受影響最大的將是金融、健康醫療、製造、零售與運輸業。瑞士銀行研究報告並提到,人工智慧對各行各業的影響可分為兩個層次:第一是產品與服務本身的轉變;第二是運用人工智慧在製程、管理或商業流程上,可以大幅促成產業升級。

此外,Gartner也點名將受惠人工智慧的十大硬體產業,包括電子零組件、網通產業、半導體,大到汽車產業、機器人,全都上榜。人工智慧技術的大突破,也讓智慧機器人產業如虎添翼,更是產業邁向工業4.0的關鍵,Gartner指出,2018年,全球工業機器人市場預估可達新台幣1.1兆元,而台灣機器人產值,2015年已達新台幣570億元,其中有九成是發展工業機器人。

由此可見,人工智慧與深度學習將進一步推升工業4.0發展,並對產業造成新的正向的影響。黃鐘賢強調,人工智慧與深度學習技術不僅自身發展前途無量,在工業4.0應用中,還能讓機械手臂變得更加易於使用,解決更多工業4.0衍生出的挑戰。

機器視覺讓設備「看」得更清楚

機械手臂要能搖身變為真正的協作型機器人,或是進行更精密的檢測工作,除了透過人工智慧與機器學習之外,機器視覺亦不可或缺。黃鐘賢認為,透過安裝攝影機使機械手臂擁有視覺能力,如此一來,機械手臂可以更準確辨別物品,操作員也可以透過機械手臂的「眼睛」看到生產線上的狀況。

凌華科技(ADLINK)表示,機器視覺並非新技術,在自動化生產中,機器視覺早已被導入用於品管檢查,或是增添在機械手臂上。但隨著攝影機與演算法的進步,機器視覺的辨識度也越來越高,除了品管之外,也開始用在其他需要「辨識」能力的工業應用中。

不過,品管仍是目前機器視覺最大宗的應用領域,但未來機械手臂要能看得更細微,就需要加入人工智慧與深度學習等較強的運算技術。黃鐘賢舉例,達明機器人目前的機械手臂僅配備2D視覺,因此利用GPU顯示卡進行每秒數百張、幾百萬畫素的影像處理,仍綽綽有餘。不過,若是要更精密的檢測物品,例如現階段還是只能人工目檢的產品外表小瑕疵,則需要3D視覺,此時就更需要處理能力更強大的深度學習與人工智慧演算法。

黃鐘賢強調,在智慧製造應用中,物品檢測是很難自動化的部分,因為產品外表瑕疵的判斷方式仍難以化為機械手臂能理解的程式語言,但透過機器視覺、人工智慧與深度學習,即可「告訴」品管檢測機器設備,什麼樣的外觀或是狀態,就是有問題的產品,而機器設備也可以根據這樣的「學習知識」,先將有問題的產品攔下來。

20171101_Industry_NT31P2 人工智慧、深度學習與機器視覺讓機械手臂可以操作更精細的工作(來源:達明機器人)

AR創造更多互動

雖然AR一開始發展是在消費性即遊戲市場較為蓬勃,但是在製造業現場,AR正在漸漸改變工廠的一切。事實上,無論是產品設計與測試、產品與工廠運作,或是銷售及維修服務,都有運用AR的機會,因此,目前AR已被視為,工業4.0重要的應用技術之一。

在今年的台北國際自動化工業大展中,可以看到多家業者運用AR技術,在許多工業製造環境中。威強電工業電腦(IEI)表示,透過AR,可以讓工作者深入遙遠、具危險性..等不易或不適合工作人員進入的地區,或是透過AR呈現產品製造完成的影像與各類資訊,消費者或是客戶也可以透過AR了解更多產品細節,因此產業界的確已開始漸漸將AR導入,實現工業4.0的精神。

但相關業者亦透露,不可諱言,AR目前的技術發展未臻成熟,包括頭盔與相關裝置過於笨重、行動化仍有進步空間,因此AR要全面應用在工業4.0,還有一段路要走。

通訊技術使人與機器進一步溝通

工業4.0組成要素中,通訊技術是最不可或缺的一環,這是由於感測器收集的資料必須向雲端傳送,才能被「知道」,甚至進一步運算及分析。高通(Qualcomm)產品管理資深副總裁Serge Willenegger指出,一些正在進入工業4.0應用領域的技術,如AR、無人機…等,需要更短的延遲時間,以及更高的傳輸速率,才能發揮效用,而5G即相當適用。

5G不僅Gbps等級的傳輸速率可與光纖網路媲美,面對智慧工廠需要極大的訊號覆蓋率,5G新空中介面(New Radio,NR),以及NB-IoT亦可做到,因此可以預見未來5G技術在工業4.0應用中也將扮演重要角色。

工業環境中,要求無線網路技術具備相當的覆蓋率,尤其是感測器網路,需要廣佈節點,因此包括ZigBee、Thread…等短距無線通訊技術,自然是工業4.0應用的通訊技術選項。近期藍牙技術聯盟(Bluetooth SIG)即推出藍牙網狀網路(Mesh),供建置或開發工業4.0相關應用的業者新的選擇。

藍牙SIG全球行銷副總裁孔德容(Ken Kolderup)表示,基於低功耗藍牙的藍牙Mesh,具備穩定、可擴充1,000個以上節點、安全、低功耗與大規模特性,因此可用於工廠自動化、用於機器監測的無線感測網路…等應用。且當初規劃藍牙Mesh技術時,即將工業應用環境考慮在內,因此不僅可符合工業4.0應用需求,也可讓使用者更便利地使用現有的行動裝置控制或得知工廠的運作情況。

不僅無線網路的新進展,提供工業4.0穩定發展的養分,工業乙太網路也有新的動作。台灣西門子(Siemens)數位工廠與製程工業暨驅動科技事業部總經理席德塱(Tino Hildebrand)表示,工業4.0要能持續發展,數位化是關鍵,而在工業4.0中,工業通訊就是數位化的基礎。

工業通訊中最主要的通訊技術則是工業乙太網路,然而市場上工業乙太網路標準眾多,採用不同標準會讓網路彼此間無法共通,勢必阻礙工業4.0的發展,因此身為工業網路國際標準「Profinet」與「Profibus」的主要推動者,西門子在台灣也與合作夥伴成立「台灣工業網路協會」,以將工業網路的最新技術與未來趨勢導入台灣,可望協助台灣工業網路的進步。

席德塱認為,台灣製造業者早期購置的設備,多不具備連網功能,導致這些業者在跨入工業4.0時面臨重重障礙,為了讓人、機器、產品之間的溝通連結更順暢,並藉此收集大量生產數據資訊即刻上傳到雲端,透過Profinet與Profibus將可滿足業者智慧生產需求,也可讓有意進入工業4.0的業者,能夠縮短「陣痛期」,加速工業4.0在台灣的發展。

半導體業者精銳盡出

看準工業物聯網商機可期,半導體業者也紛紛推出完整的解決方案。英特爾(Intel)人工智慧產品事業群副總裁暨技術長Amir Khosrowshahi表示,人工智慧已發展50~60年的時間,此波的「復興」關鍵在於類神經網路發展的突破。人工智慧可以運用的領域相當多元,無論在消費者、工業、零售、醫療、交通運輸、政府機關或其他方面,人工智慧或深度學習都能有所發揮。

未來,上述領域將會有感測器或是其他裝置收集到成千上萬的資訊,人工智慧與深度學習就是用以處理並分析這些爆量的訊息,並從中找出可用的資訊。在工業4.0方面,人工智慧與深度學習可以被應用在工廠自動化、預測性維護…等,但要能真正達到更智慧的智慧製造,不能只有硬體設備與人工智慧或深度學習演算法。

Khosrowshahi說明,試想,硬體設備加上軟體演算法分析出來的資料,若只是停留在硬體內部,未向外傳送,資訊無法被管理者看見。因此人工智慧與深度學習演算法分析資料光是仰賴CPU或GPU單一元件處理是不夠的,還需要演算法、軟體、韌體、程式函式庫與雲端平台的配合,才能真正實現人工智慧與深度學習的優勢,而英特爾在這方面具備完整的解決方案,可協助業者建置完備的人工智慧工業4.0應用。

意法半導體(STMicroelectronics)也不遑多讓。針對工業4.0,意法半導體除了有連網、感測器、安全晶片、節能相關產品外,還開發了分散式人工智慧。意法半導體總裁暨執行長Carlo Bozotti表示,要能精確地控制工廠產線,一整條產線上必須布滿感測器,這些感測器也需彼此互通,傳遞訊息,加上人工智慧後,感測器將能自我調適,而分散是指用不同的演算法來控制,其目的則是不將所有的運算重擔放在某一個處理點,也能將「智慧」擴展到整個工廠。

意法半導體目前已有微控制器(MCU)加上神經網路功能的產品。Bozotti舉例,此原型產品除了具備低功耗特性,還能擴大從影像或環境接收訊號,因此應用在工廠馬達預防性維護方面,微控制器可先透過麥克風接收的馬達聲音訊號,與震動器的訊號進行分析,加上神經網路學習,即可讓管理者更了解馬達的工作狀態,若是發現馬達運轉有問題也可以事先預防,避免馬達停止運轉而造成的損失。