人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等新一代信息技術(shù)與傳統(tǒng)制造技術(shù)的融合，不僅促進了制造業(yè)的發(fā)展，也讓智能制造成為傳統(tǒng)制造業(yè)的發(fā)展目標。如今企業(yè)要真正的實現(xiàn)智能制造，打通任督二脈是關(guān)鍵。
智能制造、工業(yè)4.0、工業(yè)物聯(lián)網(wǎng)(IIoT)…等引發(fā)的制造產(chǎn)業(yè)新革命正如火如荼地展開。其中，2019年移動通信技術(shù)正式開始進入商用部署階段，借助5G技術(shù)特性，以及其他通信技術(shù)、創(chuàng)新組件，包括增強現(xiàn)實(AR)、人工智能(AI)、機器視覺、深度學習，以及云端服務…等，皆可望快速打通工業(yè)市場前端智慧化到后端云端服務管理的任督二脈，協(xié)助企業(yè)實現(xiàn)工業(yè)4.0智能制造愿景。
任脈——AI滲透至終端設(shè)備
智能制造的終極目標之一是實現(xiàn)能夠自我管理的無人工廠，因此將人工智能、機器學習等功能導入廠房生產(chǎn)機器內(nèi)部，讓機器可自行學習、排解困難，是目前智能制造發(fā)展項目之一。但人工智能與機器學習系統(tǒng)并不是那么容易建構(gòu)，需要有專門的相關(guān)人才，才能建構(gòu)符合各個制造現(xiàn)場所需的機器學習環(huán)境。
Amazon Web Services(AWS)解決方案架構(gòu)師黃振維表示，建立整個機器學習系統(tǒng)時，選擇算法、構(gòu)建環(huán)境、將數(shù)據(jù)丟入系統(tǒng)中訓練，以及仿真訓練結(jié)果是否符合預期等步驟是無法避免的，且在具備數(shù)據(jù)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。但對于完全不具備機器學習相關(guān)知識人才的企業(yè)來說，很難在3~6個月內(nèi)完成訓練，勢必會需要花上更多時間。所幸，Amazon在機器學習、人工智能所有的相關(guān)服務不但開放給客戶，更不斷更新現(xiàn)有的工具，以協(xié)助企業(yè)快速建立自有的機器學習系統(tǒng)。
值得注意的是，要能訓練出令人滿意的機器學習模式，數(shù)據(jù)很重要。黃振維指出，要讓機器學習系統(tǒng)更加準確，收集“有用”的信息很關(guān)鍵，但企業(yè)在收集信息時得先判斷需收集何種信息，才能經(jīng)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，后續(xù)建立的機器學習模型很可能會失敗，或是不合預期。有鑒于此，Amazon也提供了相關(guān)服務，以期能夠協(xié)助企業(yè)在構(gòu)建機器學習的每一個過程中，能夠一路過關(guān)斬將，順利建立可用、精準、具自我學習能力的機器學習系統(tǒng)。
終端設(shè)備智能化進行中
所謂智能制造是指在工廠內(nèi)具備感知制造機械狀況、機械具備自我管理、決策等功能，更重要的是提升整體生產(chǎn)效率，換句話說，工廠內(nèi)部的設(shè)備或是中控中心都需要智能化。其中，機器視覺功能是提高生產(chǎn)效率關(guān)鍵的一環(huán)，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能勢必成為大勢所趨。
碁仕科技(G4 Technolohy)總經(jīng)理周坤仁說，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(chǎn)能，且視覺檢測結(jié)果累積的大數(shù)據(jù)，可進一步配合統(tǒng)計模型，讓企業(yè)推導出質(zhì)量管理與決策方向，因此在智能制造中，機器視覺的重要性日益突出，并已大量被導入生產(chǎn)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)與文字和條形碼識別(Indentification)，不過，現(xiàn)有的機器視覺技術(shù)卻也面臨無法提升復雜圖像的分辨率，以及無法測量深度及厚度等門坎，此時，人工智能深度學習算法與3D測量技術(shù)將可望解決上述挑戰(zhàn)。周坤仁表示，機器視覺加上人工智能與3D測量技術(shù)，不僅可讓機器具備判讀復雜圖像瑕疵的能力，還可以在同一臺機器上添加厚度和深度的檢測功能，是實現(xiàn)工業(yè)4.0工廠自動化的重要環(huán)節(jié)之一，可以說，工業(yè)市場人工智能與3D測量時代即將來臨。
根據(jù)Research&Markets全球市場研究報告統(tǒng)計數(shù)據(jù)顯示，未來人工智能與3D測量技術(shù)成長將大于機器視覺，2017~2022年整體機器視覺年復合成長率約為8.15%、人工智能視覺軟件年復合成長率高達49%；3D視覺產(chǎn)品的年復合成長率則為11.07%。該單位并預計2022年整體機器視覺市場產(chǎn)值預估為1443.億美元，其中人工智能視覺軟件的產(chǎn)值將達9.97億美元；3D機器視覺產(chǎn)品產(chǎn)值則將達21.3億美元。
除了機器視覺之外，工廠生產(chǎn)設(shè)備還有其他部分也開始進行智能化，換句話說，人工智能也開始滲透到生產(chǎn)設(shè)備的其他部分。意法半導體亞太區(qū)技術(shù)營銷經(jīng)理余玟宏表示，馬達訓練、傳感器融合、語音控制…等，都是人工智能的范疇。更重要的是，目前這些應用領(lǐng)域大多還是透過人為訓練機器的方式，因此通過微控制器(MCU)即可執(zhí)行相關(guān)人工智能算法。
事實上，微控制器在工業(yè)物聯(lián)網(wǎng)的重要性，執(zhí)行人工智能算法，使終端設(shè)備更加聰明，只是近期的一項新功能，微控制器在整個智能制造架構(gòu)中，是分布在各部分的“小大腦”，控制著馬達、人機接口(HMI)、通信、云端鏈接、數(shù)字電源控制...等。余玟宏指出，過去，工廠系統(tǒng)中，就需要微控制器來處理、控制大小事務，而引入智能制造概念后，微控制器的地位與被采用數(shù)量也跟著水漲船高，甚至也能運行較簡單的人工智能算法，促使智能工廠相關(guān)企業(yè)從微處理器(MPU)轉(zhuǎn)而使用微控制器。
ADI分銷銷售經(jīng)理Daniel Ho表示，未來是數(shù)字的世界，而數(shù)字的信號需要從模擬信號轉(zhuǎn)換而來，例如工廠機械設(shè)備電流電壓狀況要能被傳感器所理解，就需要轉(zhuǎn)換器將模擬信號轉(zhuǎn)換成數(shù)字信號，以進一步連結(jié)現(xiàn)實的模擬世界與機器的數(shù)字世界。若是轉(zhuǎn)換器不夠精確，收集到的數(shù)據(jù)對人工智能、機器學習算法來說，就會是沒有任何幫助的“垃圾”，人工智能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”的狀態(tài)，工廠設(shè)備智能化的過程中，不能僅琢磨微控制器單一器件能否執(zhí)行人工智能算法，而是得考慮到更細的器件，轉(zhuǎn)換器即是一例。
另外，要讓工廠設(shè)備，也就是邊緣裝置運行中的各項數(shù)據(jù)情報，可以被完整的收集、分析，所牽涉的器件相當廣。Maxim技術(shù)應用部門資深工程師顏金福指出，包括傳感器、IO、傳輸技術(shù)、電源相關(guān)組件…等，都是在架構(gòu)完整、安全性兼具的智能制造系統(tǒng)時，不能忽略的組件。
舉例來說，一般工業(yè)設(shè)備系統(tǒng)采用的電壓是24V，目前雖然有部分開始朝48V轉(zhuǎn)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(tǒng)，都有可能因為市場要求更小、更智能的系統(tǒng)時，而使整體電路架構(gòu)遭遇浪涌，此時，外部分壓電組、隔離組件就必須在設(shè)計時一并考慮，以防止浪涌造成機械或操作員損害。
督脈——由局端至云端
智能制造前段裝置智能化之后，接下來則是要考慮如何鏈接個別制造機器的信息，向后段傳輸?shù)皆贫诉M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(shù)有上百種，并未統(tǒng)一，對于企業(yè)來說，會遭遇不兼容、導入每種通信技術(shù)可能會大幅提高布建成本等難題。
德州儀器(TI)資深應用工程師兼科技委員林忠衡表示，根據(jù)不同的應用環(huán)境對于無線技術(shù)的需求勢必不同，例如Sub-1GHz技術(shù)適用于傳輸距離遠、電池供電、須具備強健性的應用環(huán)境；藍牙則是高速、傳輸更多信息、通過手機控制的狀況，其他包括Thread、Wi-Fi…等技術(shù)也有各自的優(yōu)勢與適用情境。如果企業(yè)遇到需要配置好幾種通信技術(shù)的狀況，或是研發(fā)支持多標準的裝置時，每一種無線技術(shù)都采用一顆微控制器，不但整個系統(tǒng)設(shè)計會變得相當復雜，成本也會因而增高不少。
有鑒于此，微控制器企業(yè)也開始在其產(chǎn)品中支持多標準或多協(xié)議，以協(xié)助相關(guān)廠商能快速、簡單的進行設(shè)計工作。Silicon Labs業(yè)務經(jīng)理江志良認為，無論工業(yè)或是智慧家庭等物聯(lián)網(wǎng)應用，已可看到有越來越多的產(chǎn)品需要支持多協(xié)議標準，而若能在單一芯片中支持多協(xié)議，預期可以節(jié)省40%的成本。
SiP實現(xiàn)多標準芯片
要實現(xiàn)在單一芯片支持多協(xié)議，滿足智能制造、工業(yè)物聯(lián)網(wǎng)應用所需，通過封裝技術(shù)，將是一條較平坦的道路。日月光(ASE)集團總監(jiān)鄭民耀指出，系統(tǒng)級封裝(SiP)相較于系統(tǒng)單芯片(SoC)，將可在芯片子系統(tǒng)(sub-system)內(nèi)部，使用所有如內(nèi)存、射頻(RF)等最先進的功能，還能整合特殊的組件，如振蕩器，而無須遷就SoC工藝是否兼容的問題。
此外，SiP也可打造最完善的系統(tǒng)芯片，具備更小尺寸、更低系統(tǒng)成本的特性，因此在各種物聯(lián)網(wǎng)應用中，企業(yè)可通過不同的排列組合，打造具備各種可能性的芯片。不過，鄭民耀也坦言，物聯(lián)網(wǎng)或是工業(yè)物聯(lián)網(wǎng)市場對于芯片少量多樣的需求，SiP的彈性的確稍顯不足，若是已確定要走“成套”的芯片方式，如射頻與微控制器的整合，SiP技術(shù)會較為合適。
模擬工具簡化5G設(shè)計
工廠內(nèi)部的短距無線技術(shù)，可通過網(wǎng)狀網(wǎng)絡(Mesh)覆蓋整個廠區(qū)，但要將工廠連接到云端，則非5G技術(shù)莫屬。Ansys區(qū)域技術(shù)經(jīng)理魏培森表示，5G移動技術(shù)具備許多突破的特性，如超低延遲、超高傳輸速率、更大的覆蓋范圍、更大的帶寬等，使得5G技術(shù)在智能制造或是其他應用市場實現(xiàn)增強現(xiàn)實、虛擬現(xiàn)實(VR)、人工智能、機器學習…等創(chuàng)新，更可通過5G技術(shù)將工廠與云端連結(jié)起來。
然而也因為5G的技術(shù)特性，需要采用不同以往的新技術(shù)，如Massive MIMO、新調(diào)制方式、陣列天線，以及5G還采用設(shè)計師較陌生的毫米波頻段，因此無論是天線、裸晶、封裝、PCB…等5G系統(tǒng)各部分的設(shè)計，對設(shè)計工程師而言，都將變得相當復雜且難以想象。
因此，若是設(shè)計工程師可以在設(shè)計早期通過仿真的方式，進行產(chǎn)品驗證，不僅可以做出優(yōu)化的設(shè)計，也可以避免產(chǎn)品接近成品，在驗證時才發(fā)現(xiàn)設(shè)計缺陷，以至于要重啟設(shè)計工作的時間及人力成本的浪費。魏培森進一步強調(diào)，即使仿真軟件的價格可能讓工程師“倒吸一口空氣”，但與能夠節(jié)省的成本相比，仿真軟件的售價其實沒有想象中的不親民；再者，善用仿真軟件可讓工程師在產(chǎn)品硬件尚未誕生時，就可以先掌握對的產(chǎn)品結(jié)構(gòu)與材料，免得最終做出來的產(chǎn)品不符合預期。最后，現(xiàn)今的仿真軟件已結(jié)合大數(shù)據(jù)分析、云端運算等技術(shù)，準確度已可達90%以上，且仿真速度加快不少，將可協(xié)助設(shè)計師跨越5G設(shè)計難題，更能助力工程師增添高端設(shè)計能力。
云端平臺架構(gòu)非難事
許多企業(yè)在發(fā)展物聯(lián)網(wǎng)或是工業(yè)4.0時，通常都能理解需要構(gòu)建云端系統(tǒng)，以進行數(shù)據(jù)分析或管理等工作，但并不是每家公司都有相關(guān)人才，或是有額外的財力可以自行尋找人才并建立云端系統(tǒng)架構(gòu)小組。有鑒于此，許多在網(wǎng)通、電商…等與網(wǎng)絡架構(gòu)有著密切關(guān)系領(lǐng)域的公司，也紛紛以其自身經(jīng)驗，提出構(gòu)建云端系統(tǒng)的方式及解決方案，協(xié)助企業(yè)能夠減少架構(gòu)云端系統(tǒng)的“痛苦”。
AWS資深業(yè)務開發(fā)經(jīng)理呂欣育表示，工業(yè)環(huán)境導入物聯(lián)網(wǎng)技術(shù)與云端系統(tǒng)可以創(chuàng)造許多優(yōu)勢，例如防呆、防止重工，減少工廠管理員人數(shù)、提升產(chǎn)品質(zhì)量并讓產(chǎn)品可更貼近客戶需求。然而要構(gòu)建一整套從工廠機器端到云端的系統(tǒng)，并不簡單，更何況還要考慮此系統(tǒng)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，不但從端點到網(wǎng)關(guān)及云端，AWS都可提供相關(guān)的產(chǎn)品供企業(yè)進行開發(fā)或使用，且該公司的工程師自云端系統(tǒng)開發(fā)初期即提供協(xié)助，以期能深入了解用戶需求，甚至最重要的數(shù)據(jù)傳輸安全性問題，都能一并顧及。
順利結(jié)合新舊系統(tǒng)
構(gòu)建智能工廠時，許多企業(yè)會問：“原先采用的生產(chǎn)設(shè)備或是管理系統(tǒng)是不是無法再使用？”、“如何同時管理既有與新添購的設(shè)備？”Axiomtek軟件兼解決方案產(chǎn)品處協(xié)理潘皇良認為，工業(yè)領(lǐng)域所使用的工業(yè)計算機(IPC)與一般個人計算機最大的差異在于可使用在嚴苛的環(huán)境，以及具備較廣的溫度耐受范圍。換句話說，這表示工業(yè)計算機相當耐用，不會輕易損壞，生命周期自然也不會像消費電子一樣短短幾年就得汰換新品。
因此為了節(jié)省部署智能制造工廠的成本，在硬件架構(gòu)沒有大改動的狀態(tài)之下，從更新軟件著手，是較為經(jīng)濟的做法，也能迅速連結(jié)工廠內(nèi)部的新舊系統(tǒng)。潘皇良舉例說明，在舊設(shè)備上裝上傳感器與無線技術(shù)模塊后，并在既有的工業(yè)計算機上增加新的軟件，即可以讓企業(yè)收集分析傳感器的數(shù)據(jù)，并管理所有與系統(tǒng)連接的設(shè)備。相較之下，無需太多新的采購成本，就能讓工廠朝智能化演進。
結(jié)合軟硬實力實現(xiàn)智能制造
在人工智能與物聯(lián)網(wǎng)概念在工廠發(fā)酵，開啟第四次工業(yè)革命并打造新一代智慧工廠的同時，企業(yè)將會發(fā)現(xiàn)，該做的事情相當?shù)亩?，不像以往單純。艾睿電?/span>(Arrow Electronics)亞太區(qū)銷售副總裁梁淑琴表示，構(gòu)建智能制造時，不僅復雜且過程中還會有相當多的痛點。
例如工廠的監(jiān)控架構(gòu)中，傳感器易受工廠惡劣環(huán)境干擾、有線技術(shù)傳輸監(jiān)控信息成本高昂、電磁兼容法規(guī)認證曠日廢時；讓工廠建筑智能化部分，缺乏無線通信專業(yè)知識、單一加速度傳感器監(jiān)測不夠準確、單一麥克風聲音監(jiān)測易產(chǎn)生誤報；而在銷售庫存管理方面，需要人工智能視覺技術(shù)輔助管理庫存、數(shù)據(jù)邊緣采集與云端儲存...上述這些都是會讓企業(yè)“抓狂”的問題。
梁淑琴認為，要一一解決上述痛點，企業(yè)需評估自身具備的資源，并尋找擁有豐富技術(shù)資源的合作伙伴，完美結(jié)合“軟智能”與“硬件實力”，相信將能順利打造符合所需的解決方案，實現(xiàn)智能制造愿景。
圖1：2016~2022年可鏈接因特網(wǎng)工業(yè)裝置統(tǒng)計(來源：IHS、意法半導體)
圖2：2.4GHz無線技術(shù)摘要介紹(來源：德州儀器)
圖3：工業(yè)物聯(lián)網(wǎng)架構(gòu)與所需無線技術(shù)(來源：Silicon Labs)
文章來源：信息化和軟件服務網(wǎng)
