智慧製造、工業4.0(Industry 4.0)、工業物聯網(IIoT)…等引發的製造產業新革命正如火如荼地展開。其中,2019年5G行動通訊技術正式進入商用開台期,借助5G技術特性,以及其他通訊技術、創新元件,包括虛擬實境(AR)、人工智慧(AI)、機器視覺、深度學習,以及雲端服務…等,皆可望快速打通工業市場前端智慧化到後端雲端服務管理的任督二脈,協助業者實現工業4.0智慧製造願景。

任脈——AI滲透至終端裝置

智慧製造的終極目標之一是實現能夠自我管理的無人工廠,因此將人工智慧、機器學習等功能導入廠房生產機器內部,讓機器可自行學習、排解困難,是目前智慧製造發展項目之一。但人工智慧與機器學習系統並不是那麼容易建構,需要有專門的相關人才,才能建構符合各個製造現場所需的機器學習環境。

Amazon Web Services(AWS)解決方案架構師黃振維表示,建立整個機器學習系統時,選擇演算法、建置環境、將資料丟入系統中訓練,以及模擬訓練結果是否符合預期等步驟是無法避免的,且在具備資料與機器學習專家的情況下,還需要3~6個月才能完成整個機器學習的訓練工作。但對於完全不具備機器學習相關知識人才的企業來說,很難在3~6個月內完成訓練,勢必會需要花上更多時間。所幸,Amazon在機器學習、人工智慧所有的相關服務不但開放給客戶,更不斷精進現有的工具,以協助業者快速建立自有的機器學習系統。

值得注意的是,要能訓練出令人滿意的機器學習模式,資料很重要。黃振維指出,要讓機器學習系統更加準確,收集「有用」的資訊很關鍵,但業者在收集資訊時得先判斷需收集何種資訊,才能經過運算成為有用的機器學習材料,這個過程也相當耗時。更何況,這個部分沒有做好,後續建立的機器學習模型很可能會失敗或是不合預期。有鑑於此,Amazon也提供了相關服務,以期能夠協助業者在建構機器學習的每一個過程中,能夠一路過關斬將,順利建立可用、精準、具自我學習能力的機器學習系統。

終端裝置智慧化進行中

所謂智慧製造是指在工廠內具備感知製造機械狀況、機械具備自我管理、決策等功能,更重要的是提升整體生產效率,換句話說,工廠內部的設備或是中控中心都需要智慧化。其中,機器視覺功能是提高生產效率關鍵的一環,為讓機器的「眼睛」看得更清楚、判斷更準確,機器視覺加上人工智慧勢必成為大勢所趨。

碁仕科技(G4 Technolohy)總經理周坤仁說明,機器視覺是為了取代人眼而生,利用機器視覺可進一步降低人力及不良品流入市面需要回收的成本、提高產能,且視覺檢測結果累積的大數據,可進一步配合統計模型,讓企業推導出品質管理與決策方向,因此在智慧製造中,機器視覺的重要性日顯,並已大量被導入生產線中。

目前機器視覺的四大主要應用包括對位辨識(Guidance)、瑕疵檢測(Inspection)、尺寸量測(Gauging)與文字和條碼辨識(Indentification),不過,現有的機器視覺技術卻也面臨無法提升複雜影像的辨識度,以及無法量測深度及厚度等門檻,此時,人工智慧深度學習演算法與3D量測技術將可望解決上述挑戰。周坤仁表示,機器視覺加上人工智慧與3D量測技術,不僅可讓機器具備判讀複雜影像瑕疵的能力,還可以在同一台機器上添加厚度和深度的檢測功能,是實現工業4.0工廠自動化的重要環節之一,可以說,工業市場人工智慧與3D量測時代即將來臨。

根據Research & Markets全球市場研究報告統計資料顯示,未來人工智慧與3D量測技術成長將大於機器視覺,2017~2022年整體機器視覺年複合成長率約為8.15%、人工智慧視覺軟體年複合成長率高達49%;3D視覺產品的年複合成長率則為11.07%。該單位並預計2022年整體機器視覺市場產值為144.3億美元,其中人工智慧視覺軟體的產值將達9.97億美元;3D機器視覺產品產值則將達21.3億美元。

20190211_cover_NT31P1

圖1:2016~2022年可連結網際網路工業裝置統計
(來源:IHS、意法半導體)

除了機器視覺之外,工廠生產設備還有其他部分也開始進行智慧化,換句話說,人工智慧也開始滲透到生產設備的其他部分。意法半導體(STMicroelectronics)亞太區技術行銷經理余玟宏表示,馬達訓練、感測器融合(sensor fusion)、語音控制…等,都是人工智慧的範疇。更重要的是,目前這些應用領域大多還是透過人為訓練機器的方式,未來透過微控制器(MCU)即可執行相關人工智慧演算法。

事實上,微控制器在工業物聯網扮演的角色是執行人工智慧演算法,使終端裝置更加聰明,只是近期的一項新功能。微控制器在整個智慧製造架構中,是分佈在各部分的「小大腦」,控制著馬達、人機介面(HMI)、通訊、雲端連結、數位電源控制...等。余玟宏指出,過去,工廠系統中,就需要微控制器來處理、控制大小事務,而引入智慧製造概念後,微控制器的地位與被採用數量也跟著水漲船高,甚至也能運作較簡單的人工智慧演算法,促使智慧工廠相關業者從微處理器(MPU)轉而使用微控制器。

亞德諾(ADI)分銷銷售經理Daniel Ho表示,未來是數位的世界,而數位的訊號需要從類比訊號轉換而來,例如工廠機械設備電流電壓狀況要能被感測器所理解,就需要轉換器轉換類比與數位訊號,以進一步連結現實的類比世界與機器的數位世界。若是轉換器不夠精確,收集到的資料對人工智慧、機器學習演算法來說,就會是沒有任何幫助的「垃圾」,人工智慧機器學習的效果將大打折扣。

為了避免此種「賠了夫人又折兵」的狀況,工廠設備智慧化的過程中,不能僅琢磨微控制器單一元件能否執行人工智慧演算法,而是得考慮到更細部的元件,轉換器即是一例。

另外,要讓工廠設備,也就是邊緣裝置運作中的各項數據情報,可以被完整的收集、分析,所牽涉的元件相當廣。Maxim技術應用部門資深工程師顏金福指出,包括感測器、IO、傳輸技術、電源相關元件…等,都是在架構完整、安全性兼具的智慧製造系統時,不能忽略的元件。

舉例來說,一般工業設備系統採用的電壓是24伏特(V),目前雖然有部分開始朝48V轉換,但無論是目前主流的24V或未來將越來越普遍的48V電源系統,都有可能因為市場要求更小、更智慧的系統時,而使整體電路架構遭遇突波。此時,外部分壓電阻、隔離元件就必須在設計時一併考量,以防止突波造成機械或作業員損害。

督脈——由局端至雲端

智慧製造前端裝置智慧化之後,接下來則是要考量如何連結各別製造機器的資訊,向後端傳輸到雲端進行分析,再回傳給機器進行訓練學習。目前在工廠端的傳輸技術有百百種,並未統一,對於業者來說,會遭遇不相容、導入每種通訊技術可能會大幅提高佈建成本等難題。

20190211_cover_NT31P2

圖2:2.4GHz無線技術摘要介紹
(來源:德州儀器)

德州儀器(TI)資深應用工程師暨科技委員林忠衡表示,根據不同的應用環境對於無線技術的需求勢必不同,例如Sub-1GHz技術適用於傳輸距離遠、電池供電、須具備強健性的應用環境;藍牙則是高速、傳輸更多資訊、透過手機控制的狀況,其他包括Thread、Wi-Fi…等技術也有各自的優勢與適用情境。若業者遇到需要建置好幾種通訊技術的狀況,或是研發支援多標準的裝置時,每一種無線技術都採用一顆微控制器,不但整個系統設計會變得相當複雜,成本也會因而增高不少。

有鑑於此,微控制器業者已開始在其產品中支援多標準或多協議,以協助相關廠商能快速、簡單的進行設計工作。Silicon Labs業務經理江志良認為,無論工業或是智慧家庭等物聯網應用,已可看到有越來越多的產品需要支援多協議,而若能在單一晶片中支援多協議,預期可以節省40%的成本。

20190211_cover_NT31P3

圖3:工業物聯網架構與所需無線技術
(來源:Silicon Labs)

SiP實現多標準晶片

要實現在單一晶片支援多協議,滿足智慧製造、工業物聯網應用所需,透過封裝技術,將是一條較平坦的道路。日月光(ASE)集團總監鄭民耀指出,系統級封裝(SiP)相較於系統單晶片(SoC),將可在晶片子系統(sub-system)內部,使用所有如記憶體、射頻(RF)等最先進的功能,還能整合特殊的元件,如振盪器,而無須遷就SoC製程是否相容的問題。

此外,SiP也可打造最完善的系統晶片,具備更小尺寸、更低系統成本的特性,因此在各種物聯網應用中,業者可透過不同的排列組合,打造具備各種可能性的晶片。不過,鄭民耀也坦言,物聯網或是工業物聯網市場對於晶片少量多樣的需求,SiP的彈性的確較嫌不足,若是已確定要走「成套」的晶片方式,如射頻與微控制器的整合,SiP技術會較為合適。

模擬工具簡化5G設計

工廠內部的短距無線技術,可透過網狀網路(Mesh)覆蓋整個廠區,但要將工廠連接到雲端,則非5G技術莫屬。Ansys區域技術經理魏培森表示,5G行動技術具備許多突破的特性,如超低延遲、超高傳輸速率、更大的涵蓋範圍、更大的頻寬等,使得5G技術在智慧製造或是其他應用市場實現擴增實境、虛擬實境(VR)、人工智慧、機器學習…等創新,更可透過5G技術將工廠與雲端連結起來。

然而也因為5G的技術特性,需要採用不同以往的新技術,如大規模多重輸入多重輸出(Massive MIMO)、新調變方式、陣列天線,以及5G還採用設計師較陌生的毫米波頻段,因此無論是天線、裸晶、封裝、印刷電路板(PCB)…等5G系統各部分的設計,對設計工程師而言,都將變得相當複雜且難以想像。

因此,若是設計工程師可以在設計早期透過模擬的方式,進行產品驗證,不僅可以做出最佳化的設計,也可以避免產品接近成品,在驗證時才發現設計缺陷,以至於要重啟設計工作的時間及人力成本的浪費。魏培森進一步強調,即使模擬軟體的價格可能讓工程師「倒吸一口空氣」,但與能夠節省的成本相比,模擬軟體的售價其實沒有想像中的不親民;再者,善用模擬軟體可讓工程師在產品硬體尚未誕生時,就可以先掌握對的產品結構與材料,免得最終做出來的產品不符合預期。最後,現今的模擬軟體已結合大數據分析、雲端運算等技術,準確度已可達90%以上,且模擬速度加快不少,將可協助設計師跨越5G設計難題,更能助力工程師增添高階設計能力。

雲端平台架構非難事

許多企業在發展物聯網或是工業4.0時,通常都能理解需要建構雲端系統,以進行資料分析或管理等工作,但並不是每家公司都有相關人才,或是有額外的財力可以自行尋找人才並建立雲端系統架構小組。有鑑於此,許多著墨在網通、電商…等與網路架構有著密切關係的公司,也紛紛以其自身經驗,提出建構雲端系統的方式及解決方案,協助業者能夠減少架構雲端系統的「痛苦」。

AWS資深業務開發經理呂欣育表示,工業環境導入物聯網技術與雲端系統可以創造許多優勢,例如防呆、防止重工,減少工廠管理員人數、提升產品品質並讓產品可更貼近客戶需求。然而要建構一整套從工廠機器端到雲端的系統,並不簡單,更何況還要考慮此系統能否符合實際需求、容易使用等問題,而AWS有來自Amazon資源的支持,不但從端點到閘道器及雲端,AWS都可提供相關的產品供業者進行開發或使用,且該公司的工程師自雲端系統開發初期即提供協助,以期能深入了解用戶需求,甚至最重要的資料傳輸安全性問題,都能一併顧及。

順利結合新舊系統

建構智慧工廠時,許多業者會問道:「原先採用的生產設備或是管理系統是不是無法再使用?」、「如何同時管理既有與新添購的設備?」Axiomtek軟體暨解決方案產品處協理潘皇良認為,工業領域所使用的工業電腦(IPC)與一般個人電腦最大的差異在於可使用在嚴苛的環境,以及具備較廣的溫度耐受範圍。換句話說,這表示工業電腦相當耐用,不會輕易損壞,生命週期自然也不會像消費性電子一樣短短幾年就得汰換新品。

因此為了節省佈建智慧製造工廠的成本,在硬體架構沒有大改動的狀態之下,從更新軟體著手,是較為經濟的做法,也能迅速連結工廠內部的新舊系統。潘皇良舉例說明,在舊設備上裝上感測器與無線技術模組後,並在既有的工業電腦上增加新的軟體,即可以讓業者收集分析感測器的資料,並管理所有與系統連接的設備。相較之下,無需太多新的採購成本,就能讓工廠朝智慧化演進。

結合軟硬實力實現智慧製造

在人工智慧與物聯網及5G在工廠發酵,開啟第四次工業革命並打造新一代智慧工廠的同時,業者將會發現,該做的事情相當的多,不若以往單純。艾睿電子(Arrow Electronics)亞太區銷售副總裁梁淑琴表示,建構智慧製造時,不僅複雜且過程中還會有相當多的痛點。

例如工廠的監控架構中,感測器易受工廠惡劣環境干擾、有線技術傳輸監控資訊成本高昂、磁檢法規認證曠日廢時;工廠建築智慧化部分,則有缺乏無線通訊專業知識、單一加速度感測器監測不夠準確、單一麥克風聲音監測易產生誤報;而在銷售庫存管理方面,需要人工智慧視覺技術輔助管理庫存、數據邊緣採集與雲端儲存...上述這些都是會讓業者「抓狂」的問題。

梁淑琴認為,要一一解決上述痛點,業者需評估自身具備的資源,並尋找擁有豐富技術資源的合作夥伴,完美結合「軟智慧」與「硬體實力」,相信將能順利打造符合所需的解決方案,實現智慧製造遠景。

本文同步刊登於電子工程專輯2019年2月刊雜誌