實現DIKW的落地進化 追求智慧製造OT/IT/CT的完美整合

中原大學機械工程學系特聘教授暨智慧製造研發中心副主任鍾文仁。

隨著DeepMind、OpenAI、開源軟體的發展，帶給人們對AI及深度學習的再掀熱潮，乃至對「協助、取代、超越人類」之代理人的無限想像，但也為智慧製造帶來了設備、技術、經驗、營運等面向的未來，是要用AI主導來整合領域知識，還是領域知識主導來整合AI的困難與挑戰。

中原大學機械工程學系特聘教授暨智慧製造研發中心副主任鍾文仁表示，我們可以從模具設計/製造與試模量產挖掘出製程技術與設備的智慧，從製造規劃中累積出特徵辨識的智慧，從示範產線中找到營運的智慧。在這過程中，如何從龐雜的巨量資料中逐步萃取出DIKW(資料、資訊、知識、智慧)才是智慧製造永續發展的目標與挑戰，換言之，DIKW的落地進化無異是智慧製造的無限挑戰。

當前的塑膠產品與材料充斥在我們週遭的生活、娛樂、交通與生醫等領域之中，這些產品歷經了模具設計導引、精密加工檢測、塑膠材料性質、射出成型導引等製程。這中間涉及了包含功能構想、產品設計、模具設計、試模量產等面向，乃至何以出現燒焦、熔合線、翹曲及毛邊等缺陷原因的知識與經驗，這都是整個塑膠射出成型的核心技術所在。

進一步而言，其核心技術包括關乎塑膠材料，乃至機械手臂、CNC機、放電機、線割機、成型機等設備的操作科技(OT)，關乎ERP、MES、CPS、模具導引系統、試模導引模組及缺陷排除模組的資訊科技(IT)，以及將OT與IT介接串聯的各種通訊科技(CT)。鍾文仁另外列舉了深度學習應用於製造規劃與加工排程的挑戰，包括有效資料的蒐集、如何使模型學習有用的特徵、深度模型的建立與優化，以及如何與領域知識整合等。

中原大學透過智慧製造示範場域，進行製造規劃、加工排程與試模量產的落地實證，以及品質虛擬量測的確定，並建立了從資料、資訊到知識、智慧的經驗與知識管理架構體系，其進行的項目包括預估工時分析與知識回饋、模具製程分析、零件統計可視化與加工排程可視化。

智慧製造研究發展中心提供資料倉儲串接專案資訊，以進行機器學習的icCloud、預估模具交期及協調動態工序的icMES、執行模具設計及規劃製造工序的icMold、確定成品規劃及掌握預估交期的icERP，此外還有排程與加工、試模與量產兩個站點的監控。

鍾文仁表示，因應智慧製造的未來，該中心打造了工業4.0雲端資訊平台，該平台集結了模具設計、製造規劃、加工排程與試模量產，在進行資料串接與資訊溝通之後，會將加從加工流程、機台現況、品管量測，到突發事件、設計內涵、公差分析及規劃細節等循環結果傳送至MES/CPS，以進行大數據的統計分析與機器學習。