特別企劃
工業 4.0 盲點一: 好高騖遠,不切實際
前往目錄
第四次工業革命的核心精神在於「智慧化及價值創造」; 惟對於中小企業而言,如果連現有瑕疵都管理不好,又遑論智慧製造?不如從「解決問題」切中時弊

叡揚資訊 企劃與未來發展處 高級解決方案架構師 錢鉦津 博士歷經機械生產、製造標準化、電腦化及 自動化革命,在比拼整體設備效率 (OEEP) 和設備綜合生產力 (TEEP) 指標、快 速量產之後,時至工業 4.0,等同砸大錢新購 昂貴設備、將所有設備聯網?叡揚資訊 (GSS) 高級解決方案架構師錢鉦津直指,第四次工業 革命的核心精神在於「智慧化及價值創造」; 惟對於中小企業而言,如果連現有瑕疵都管理 不好,又遑論智慧製造?不如從「解決問題」 切中時弊,以「如質、如期、如成本」為首要 目標更接地氣。換個角度,中小企業更見商業 潛力,尤其是面臨夕陽西下危機的產業,更有 「救危扶傾」的迫切需求。

 

智慧製造時代 價值認定由市場說了算!

錢鉦津說明,中小型工廠不像大企業可讓耗資 數億元台幣的生產設備一次到位,但強在柔性 生產、靈活,反而是新契機。他表示,智慧製 造的價值鏈是由工廠(機械)和產品(服務) 兩個環狀結構組成,須留意的是,價值的認定來自於市場,非生產者的主觀思維,有賴數位 供應鏈串流與數位客戶關係鏈的協同合作,讓 生產者不必再瞎子摸象、憑空臆測。將「協 同」概念延伸至下游客戶端做智慧拓銷,可發 展智慧型產品與服務,例如智慧孕婦裝可感測 腹中胎兒生長情形;而邁向智慧製造的旅途, 可借鏡生命體的演化進程(如右頁圖)。

錢鉦津認為,智慧製造應按部就班推動管理創 新、重新定義所有價值主張。首先,要有整廠 思維,將企業資源規劃 (ERP)、製造執行系統 (MES) 與底層設備資料整合、 串接並回饋到上層系統; 其次是跨廠管理— 包括 源頭供應到市場銷售、 甚至往前追溯到設計端,改善延遲交貨、品質不良等缺失,而非一味強 迫機器不停大量生產;再者,是導入物聯網 (IoT) 和人工智慧 (AI),落實精實生產 (LMS)、 提升品管並節約能源;最後是全產業的協同優 化與人機協作,以便因應需求快速轉換與少量 多樣的客製化生產。

 

AIoT 解析現在,探索未來

錢鉦津指出,早期工廠多是以手工記錄片段資 料,一旦設備故障僅能概略描述過程、無法 獲悉當下機台參數;但要確實找到根源,勢必 考慮事發前後的背景因素,人工智慧加上物聯 網 (AIoT=AI+IoT) 可相助一臂之力。隨著感測 觸角越來越多,需要大腦中控;與此同時,長 期累積下來的資料經由 AI 進行相關演算、分 析,以達到預防、預測、優化建議到全廠高度 自動化,工廠環境惡劣、招工不易的紡織業就 是經典教案。以染整為例,化驗室配方到生產端的「一次對色率」極其重要;當中任一環節 稍有差池就會拖累整個工序,而高度智慧化利 於知識經驗傳承,目前紡綜所正攜手叡揚資訊 嘗試以 400 多個參數做高維運算,希冀將一次 對色率從 60% 提升至 80%。

智慧製造之旅,可以向生命體的演化借鏡

另一方面,借助異質資料處理與高度運算能力 可探索從前沒發現的新大陸,激發創新靈感。 例如「循環經濟」興起,研發新織法典範、定 義新的製程參數/添加物/配方,以便舊衣可 被拆解回收。不過如前所述,規模不大的工廠 要大舉更張並非易事,錢鉦津建議,從最迫切 處切入是最好的方式,並提出「1/3 月台」構 想— 失效預防與問題解決、智慧型全面品質 保證、數據輔助品質管制,以及「切、望、聞 三感 AI」三種級別解方— 內嵌或接觸式機台 感應器、CCD 光學攝影機做色彩空間處理、 收音式麥克風做聲音訊號處理。

無聯網功能的老舊設備

也能產業升級 秉持「不必汰換無聯網功能的老舊設備」理 念,第一種「切」是在每台織機加裝訊號擷取 卡與訊號傳輸設備、收集織機資料,再將生產 相關訊號整合至伺服端以監控織機即時運轉 狀態。第二種「望」是藉由 CCD 將控制台儀 表數字拍攝下來,再利用雙方共同開發的光 學 IoT 系統、以機器視覺及 AI 演算採擷機台 數據——CCD 容易晃動,且織布是非均勻表 面、易受光線影響,導致拍攝影像色彩不是點 狀、而是團狀不規則分佈,須以演算法校正並 將原始影像進行色彩空間轉換。

錢鉦津又另舉一個例子來解釋,透過 CCD 採 擷多採用 HSV 橢圓錐體空間,但紡織染整是 以分光儀量測而採 CIE L*a*b* 四色維度,所 以須先經過轉換,再依序做顏色篩選、雜訊消除、影像重建、偏心尺碼偵測和影像瑕疵過濾 後轉成「二元影像」(Binary image),繼而將這 些數值分群、比對(委託中原大學機械系所執 行);他並透露,為紡織色紡著色識別的精準 度,中原機械正為色紡取樣設計「抓爪」機 構。第三種「聞」是基於機台內部本是一種黑 箱狀態,可將機台運轉聲音轉換成音高等特徵 來自動判斷是否有「水錘現象」——染料液體 因管路閥門受阻、流體壓力急升而損傷機台 (運轉馬達的共振亦可用麥克風收音監測)。

「精實生產」深化上、下游合作

AI 向大自然取經 另錢鉦津提到對「物聯網交換平台」的看 法:美系多有商業考量、費用動輒上看幾千 萬台幣,小工廠難以負擔,故特別推薦歐洲 「Tango Controls」開源平台;透過統計製程 控制 (SPC) 運算得出六個標準差,針對可靠穩健原則訂出 10 個規則加以過濾,員工只需在 中控台工作、搭配走動式現場管理即可,不必 整天待在令人不適的生產線。智慧中控台還可 清楚呈現完整製程價值圖,找出價值流的貢獻 度、問題環節與浪費根源予以模擬、預測,實 現「精實生產」——平準化生產、改善換模時 間、提高工作效率,進而建立「超級市場」, 讓上、下游生產不間斷。

透過色彩空間轉換演算,提高紡織色紡著色識別的精準度

 

錢鉦津預期,自然語言處理/機器視覺/知識 表示/自動推理/機器學習/機器人技術等 「類人類行為」,與感性工程/人工心理/人 工情感/神經生理結合等「類人類思考」,將 是 AI 未來趨勢,而向大自然學習的「群體智 慧」(Swarm Intelligence) 演算法——又稱為仿 生計算 (bio-inspired computation) 或自然計算 (natural computation),有助於求得各類問題 的最佳解;依循機率轉移規則,由個體的適應 值引導搜尋,且群體中單一個體可從空間中不同初始位置(隨機多點)同時搜尋,效率較佳 且不易陷入局部最佳解錯覺。

「群體智慧」減少無謂浪費
智慧供應鏈最終成「生產同盟」

「群體智慧」是一種「去中心控制」方式, 蟻群 (ant colony)、粒子群 (particle swarm)、蜂 群 (bee colony)、人工魚群 (artificial fish swarm) 等演算法,是近年研究熱點;分散處理、多重 演算/互動「大動員」,可應對零工排程問 題 (Job-shop Scheduling Problem,JSSP) 與二 次分配問題 (Quadratic Assignment Problem, QAP),減少無謂的浪費。錢鉦津強調,智慧 製造是從定義生產規範、轉變成定義價值,藉 由深度學習/機器學習運算提供建議給工廠 (樣本數/資料量)是關鍵,且此一智慧供應 鏈最終將串連成「生產同盟」。
「類人類」行為+思考,是 AI 未來趨勢


文章出處
www.compotechasia.com/uploads/special/236/236feature_ industry4.0_2.pdf