在德國提出「工業4.0」的口號後,全球製造產業開始琢磨工業4.0該如何實現,以打造更自動化的製造工廠,進一步提升產值、安全性…等。而隨著人工智慧(AI)、機器學習相關技術逐步進入到各個產業,包括工業領域後,更是進一步讓工業4.0旨在打造的自動化工廠,更加的智慧化,也促進所謂的「智慧製造」得以進一步實現。

意法半導體(STMicroelectronics)MEMS和感測器事業群類比元件產品部工業與功率轉換部門總經理Domenico Arrigo表示,驅動智慧製造發展的三大趨勢——提高系統自主性並兼具智慧與感知、提升能源效率,以及利用物聯網安全連網,這些都與人工智慧、類神經網路的導入有關。因此可以說,人工智慧加速了智慧製造的發展。

舉例來說,機器的維修該如何規劃,就會影響到設備的製造效率及可靠度。Arrigo指出,最原始的傳統做法是被動地等到機器壞了才修,但這會讓整條生產線因而停滯,因此進入預先規劃,排定維修日期的階段,然而,這種作法還是無法避免機器在非定期維修期間停機;在工業4.0的時代,則是利用各種感測器監測機器即時的運作狀態,以從中找出機器可能的缺損並最佳化機器的效能。

不過,監測機器狀態是以感測器感測到機器的非正常狀態,在預先規劃機器維修時間,機器仍可能還是會在非維修時間當機或損壞,因此更智慧的預測性(Predictive)維護概念應運而生。Arrigo解釋,預測性維護是利用先進技術分析感測器收集到的資料,進一步「預測」機器何時將會損壞,因此可以在對的時間進行維修工作,不但更具效率,亦可節省維修成本,並提升機器設備的可靠度。不僅如此,根據統計,導入預測性維護可節省12%預定維修成本、可減少30%因維護所衍生的成本、縮短50%機器故障的時間,以及降低70%機器故障機率。

20190924NT11P1 預測性維護運作原則。(資料來源:意法半導體)

事實上,上述提到的「先進技術」指的就是人工智慧。Arrigo認為,雖然現今感測器內建的嵌入式快速傅立葉轉換(FFT)即可進行簡單的分析,根據特定臨界點設定警報以偵測機器的潛在缺陷,但相較於人工智慧,FFT在資料分析上仍較「陽春」,而人工智慧能強化資料分析,獲得更精確的結果,且可依據分析結果產生新的人工智慧模型,並濃縮成裝載於微控制器(MCU)內部的神經網路,或變身為新一代智慧感測器。

有鑑於人工智慧、機器學習為智慧製造帶來的優勢,以及看好工業市場的發展,意法半導體憑藉自身豐富的元件產品,持續推展智慧製造市場。Arrigo援引IHS Markit統計資料指出,2018~2021年各應用市場中,年複合成長率最高的是工業製造與流程自動化,達7.2%,因此意法半導體相當重視工業市場。不僅如此,從最前端機器內部的感測、馬達控制、電源管理…等相關元件,到近期受矚目的邊緣運算,再到雲端,意法半導體皆有相對應的元件產品,如微控制器、感測器、致動器、電源相關IC、安全晶片、IO-Link連接晶片,以及人工智慧轉換軟體…等等,可滿足客戶與市場需求。

未來,意法半導體也將投入更多資源,打造工業應用相關的新元件產品、推出相關原型設計、保證產品超長支援生命週期、並建立完整生態系統,以因應工業市場未來各種新挑戰。