研華
DTF0810

實現智慧製造 提升產業競爭力的工業物聯網

  • 魏淑芳
要讓機器人等智慧製造的價值,需要配合工業物聯網的運作。(WIKI)

DIGITIMES企劃

面對市場少量多樣、產品生命週期縮短、製造人力短缺、薪資成本節節上升等製造型態的轉變及挑戰,許多國家都已提出智慧製造相關政策,不管是美國的「先進製造夥伴計畫」、德國的「工業4.0」、日本的「新策略性工業基礎技術升級支援計畫」、南韓「製造業創新3.0策略」,以及大陸的「中國製造2025」規劃,都與工業物聯網的技術及應用,有著相當密切的關聯,也是智慧製造能否實現的關鍵。

台灣也不例外,根據經濟部技術處ITIS計畫資料顯示,2015年台灣國內生產毛額約新台幣16.7兆元,其中製造業生產毛額約5兆元,佔國內生產毛額30.1%,可見製造業對台灣的重要性,面對新興市場如東南亞各國挾其低廉的人力成本,大舉搶進代工製造的市場,作為促進經濟成長的重要戰略之際,師法先進國家升級轉型的智慧製造戰略,才能確保台灣未來能在各國的新一波製造業競爭中,立於不敗之地。

工業物聯網與智慧製造的效益

2016年5月新政府開始運作後,已經將發展智慧機械、綠能科技、國防產業、生技醫藥、亞洲矽谷並列為五大創新研發產業。在這五大產業中,智慧機械因為能在面對未知與多樣的製造變速下,使用感測器感知周圍環境,各類控制模型,自動調整機械本身的反應活動,來完成指定的特別任務,若再配合工業物聯網的應用,製造業便能即時擷取、傳輸、儲存更多來自於設備、工件、製程、人員及整體供應鏈資料,能更有效的促進製造與商務間的水平整合。

經濟部技術處指出,發展與應用智慧製造,依據應用方案特質,至少要包含三個階段:第一階段為工廠與企業間廣泛的資料整合,透過工廠各製程與企業間的資料連結與整合,提高生產效率、降低成本,並增進生產過程安全性與降低對環境的影響;第二階段為藉由生產最佳化建立製造智慧,透過電腦模擬與各種製程模型,創造堅實可靠的製造智慧,以滿足客製化、多變化、快速化生產等客戶需求;第三階段為透過製造智慧建立獨特競爭優勢,藉由持續累積的製造智慧,在製程與產品上增加創新能力。

為了實現智慧製造,經濟部技術處認為,物聯網正是需要優先發展的關鍵技術之一。因為物聯網可以使製造體系中的人、製造程序與各種資料,能完成廣泛與深層次的連結,並進一步產生多種新價值。

事實上,物聯網也是建構網宇實體系統(Cyber-Physical System;CPS)的重要元素之一。CPS正是德國實現工業4.0願景的重要工具,具體效益包括增加能源與資源使用效率,縮短新產品開發時間,加速產品創新,增進製造彈性與能力,滿足客戶客製化及個人化的製造需求,進而協助企業降低製造成本,縮短產品開發與製造時程,提高產品品質,滿足客戶多元化生產需求,以及提高產品、服務價值。

如BMW位於大陸瀋陽的鐵西工廠,就在衝壓、車身、塗裝和總裝四大車間內全面實施了工業智慧化,如車身車間透過使用智能機器人和工業電腦控制技術,能效得到顯著提升,如機器人熱能回收技術便可每年節約超過780萬度電。

汽車製造最耗能的塗裝環節(約佔汽車製造能耗的70%),也在導入智慧製造相關技術後,實現節水30%,節能40%,減排20%的成果。而且相比傳統液壓機,鐵西工廠的高速沖壓機生產效率提升超過70%,節能50%。截止2014年底,BMW集團在全球使用的生產能耗中,來自於可再生能源的比例首次過半,達到51%。

海爾集團則是在2014年就已建構全流程實時互聯可視的互聯工廠體系,將大規模製造,升級為大規模訂製。透過大量感測器,大數據資訊化工具和機器人的協作,海爾互聯工廠可以高效地完成訂製化批量訂單的生產,在不提高製造成本的基礎下,提升產品附加價值,並為創新性設計的低成本,提供有力支撐。

如海爾位於瀋陽的冰箱互聯工廠,透過智慧製造解決方案,有效減少人員配置達75%,單線產能100萬台提升至180萬台,單位面積產出50台/坪提升至100台/坪,定單交付周期由15天隆低到7天。

導入工業物聯網的挑戰

但工業技術研究院資通所智能製造服務系統組組長程瑞曦指出,製造業在導入工業物聯網時,要先有正確的認識。首先在資料輸入與傳輸處理裝置成本方面,製造業必須要先行建置感測與擷取裝置,經營者必須要有承擔投資的心理準備。

其次則是資料整合成本,因為製造業專屬協定多,整合複雜度較高,加上製造設備繁多,資料整合不但繁瑣冗長,不易替換的舊有系統,也會造成資料整合的包袱。且由於製造端的資料分散獨立,資料分類與品質也還仍待建立,多數製造業的資料量目前也還不足以分析。

為了要克服前述挑戰,製造業在導入工業物聯網時,首先要先解決感測層的需求,包括佈線困難度、固定點/移動物、可靠度、未來彈性、電源供應等,尤其是感測器因為要因應不同應用的需求,輸出入介面各廠家不一,標準種類相當繁多,系統整合客製化程度也比較高。

而在網路層方面,在通訊傳輸的選擇上,包括有線與無線網路因為各有運用的利基,考量的要素包括佈建成本、環境嚴苛度、安裝影響生產的程度、應用的運作彈性等,才能確保資料傳輸的可靠度,以及對訊號不穩定的容忍度,能夠符合業界要求。

在應用層的挑戰方面,首先要克服的是資料範疇與解析度的問題,如所蒐集的資料能不能對準問題?資料量是否符合需求?因為太少,可能無法找到問題的根因,但資料太多,也可能造成投資成本過高,資料雜訊也會跟著放大,導致無法找到問題根源。

解決問題的關鍵,在於資料品質是否具一致性且標準化,方能易於解譯與分析。此外,資料也必須具有可驗證的平衡性,同時運用前處理過濾至設定目標,以提升分析的效能與精確性。

工業物聯網普及速度開始加快

工業物聯網的標準過於複雜,可說是阻擋工業物聯網普及速度的關鍵之一。所幸德國為了能夠讓其主推的工業4.0觀念能夠落實,已經與與工業網路聯盟(Industrial Internet Consortium;IIC)達成合作意向,共同探討雙方分別推出架構的潛在一致性,即工業4.0參考架構模型(RAMI4.0)和工業網路參考架構(IIRA)的一致性,以確保未來的相互操作性,這兩個工業物聯網組織的合作,可望有效促成工業物聯網的普及,也讓智慧製造的應用發展,更能快速地在全球各地展開。