智慧製造新革命 聚焦三大發展

消費端需求變化越來越多、越來越快，讓製造業面對的挑戰較過往更為複雜，藉由部署先進感測技術與結合AI演算法、提高資訊可視性及系統可控性，虛實整合運用增加下，2019年智慧製造以協作機器人、數位雙胞胎、預測性維護為發展重點。

1.協作機器人 應用價值提升

　過往傳統大型工業機器人是工廠中的重要角色，然隨著市場需求迅速且多變，大型工業機器人的高導入門檻、投資成本高、回收期長，讓應用上顯得僵固，協作機器人Cobot應運而生、取代大型工業機器人。

　Cobot能以相對低成本為企業帶來容易部署、高靈活性的優點，而且通常無須額外防護及大量的軟體套件，進而滿足製造過程中不斷變化的需求，適合導入Cobot的應用方式多為需要真人作業員、重複性高，但不需真人手工技巧、思考力或臨場應變的作業，Cobot亦可提升安全性。

　相較傳統機器人，目前Cobot具有價格優勢，驅使市場成長的推動力主要來自中小企業，需要較短設計周期和產品可變性高的產業，亦為Cobot主要採用者，例如訴求自動化靈活性的汽車業及電子製造業等。

1、業界龍頭Universal Robots

聚焦解決3D與海外布局

　在Cobot產業市占率居冠的Universal Robots，透過自動化的新方案聚焦於解決製造業勞動力短缺問題，針對骯髒、沉悶與危險的3D工作（Dirty、Dull and Dangerous）不斷開發相關機型及應用平台。在產品研發外，Universal Robots也積極布局海外市場，尤其鎖定工業機器人密集度較低國家，例如擁有全球最大機器人市場的中國、積極部署工業4.0但機器人採用率仍低的馬來西亞，以及每萬名員工僅配有3台機器人的印度等。

2、達明機器人續強化機器視覺

核心能力

　廣達旗下品牌「達明機器人」2016年底才首度開賣，2018年便超越全球四大機器人品牌之一的日本Fanuc，成為全球協作機器人市占第二高廠商。

　達明專注研發機器視覺，於今年的漢諾威工業與自動化展中推出TM Operator系列，其中的TM Palletizing Operator能利用視覺檢測來自動補正物件及棧板位置偏移，並搭配智慧圖形化介面提供使用者簡單快速編輯、即時反應工作進度，與監控機械手臂狀況。

　達明進一步整合德國IDS的Ensenso 3D相機和瑞士Asyril震動盤整料情境應用等廠商，藉由精準辨識物件以深化產業應用，擴展其智慧視覺系統生態系。

3、傳統機器人大廠亦投入Cobot

設計生產

　工業自動化和機器人技術大廠ABB是協作機器人的主流廠商之一，其Yumi系列包括單臂和雙臂協同機器人，為潛在客戶提供比ABB傳統工業機器人更低成本和更靈活的替代品。由於ABB具備IoT解決方案Ability，可用於連接機器人和其他設備的網路，故能精確監控和控制，利用數據驅動分析提高硬體和流程的性能、可靠性與使用壽命。

　在周邊方面，ABB也推出監測Dodge帶座軸承運作的無線感測器，除了透過監測溫度與震動狀態評估軸承健康度外，也希望遠端監控能使維修人員無須接觸處於危險位置的承軸，仍能安全進行檢查。目前ABB持續在模組化設計平台上構建Cobot，透過更多客製化解決方案，為更多Cobot形狀和尺寸打開大門。

　同為全球四大機器人品牌之一的德國廠商KUKA，則致力於人體強化機器人（Human Robot Augmentation，HRA）。人體強化機器人為人類工作者的延伸，提供更高精度和靈敏度，透過機器學習，這類Cobot可與人類即時互動，並在不需要重新開機的情況下，回應不斷變化的任務，可應用於快速、準確與安全的安裝組件。

4、產業競爭激烈，商品開發與

地區發展需格外留意

　隨著感測器及機器視覺技術突破，加上與AI結合，Cobot持續往更安全和更易使用的方向發展，能夠執行過往僅倚靠人力的作業來增加價值。由於Cobot並非完全取代人工，而是以人機互補來承擔或協助重複性高的人類作業，幫助提高生產力和員工對工作場所的滿意度，一定程度上也消弭傳統機器人取代人力的質疑與抵抗。

　相對而言，製造商為工程師提供所需的自動化技能和技術工具，甚或增加新工作機會。然而，持續湧現的供應商將使該產業面臨激烈競爭。

2.數位雙胞胎 即時虛實整合

　數位雙胞胎是指以感測器收集設備、流程與系統而成的虛擬副本，被視為重要的戰略技術。相較於模擬技術，數位雙胞胎可透過感測器達到即時虛實整合，意即物理模型和虛擬模型間具有連結性，感測器回傳資料後進行即時處理、分析和判斷，使虛擬模型能產生回饋，進而優化產品並增加價值。

　目前該技術已在許多垂直領域投入應用，例如醫療保健領域用來管控急診室的等待時間及患者流量、建築業的遠端監控並降低成本、能源產業的即時監控及輸配調控等。

　在製造業方面，數位雙胞胎多用於生產與設計、現場產品調整，以及未來產品開發等，可降低產品開發周期以因應客製化和少量化趨勢，並延長零組件壽命，創造更合理的製造規畫和精確生產控制，並優化整體流程。此外，工業自動化轉型過程中，物聯網裝置量在2018年已突破2,000萬台，廣泛連結性及工業物聯網的建置促使數位雙胞胎更精準，使智慧製造得以實現。智慧製造應用的數位雙胞胎主要分三類。首先，產品設計面的數位雙胞胎允許製造商在虛擬環境中調整，讓產品在上線前，測試與驗證產品的功能、安全性和品質，大幅縮短總開發時間。

　生產面的數位雙胞胎則著重於虛擬調校，使工廠的數位與全自動化更為落實。最後，在運作面的數位雙胞胎收集產品、機台及整個生產線的數據，透過模擬預測故障、能源消耗峰值及停機的風險。

　目前數位雙胞胎解決方案的主要供應商包括西門子、微軟、GE與IBM等，雖皆以虛實整合作為決策者的輔助判斷，然各家發展重點略有不同，例如GE的Predix資產及營運分析著眼於直接績效管理，IBM具有數位雙胞胎技術的產品則聚焦於生命周期優化。

　微軟的Azure Digital Twins多應用於工廠和電網的整體設施管理，虛擬化建置、搭配可透過軟體定義的硬體，讓使用者快速部署物聯網服務，微軟進一步拓展應用數位雙胞胎的便利性，已於2019年推出讓IoT裝置隨插即用的建模語言，亦預計整合即將推出的DTDL定義語言（Digital Twin Definition Language），讓Azure Digital Twins上的記錄、監視與分析服務能支援隨插即用。

　西門子透過MindSphere平台連接實際的產品、工廠、機器及系統，將數位雙胞胎應用聚焦於產品設計、現場模擬與決策支援等解決方案，並利用該技術整合模擬工具機建造商、機台操作者真實作業流程的解決方案。

　此外，考量到CNC及積層製造對模擬需求及調整彈性的產業特性，西門子也推出專為其設計的Sinumerik ONE數位雙胞胎系統。

3.預測性維護 降成本、增產量

　預測性維護是智慧製造中重要的技術，透過分析生產數據與即時監控設備運作來優化維修計畫，可有效預防停機等意外，降低維護成本並使製造商能將工廠運作時間最大化，以提高生產量。

　由於現行工廠的能力比過往進步許多，在全天候運作為常態下，停機成本不斷提升，1小時停機成本可能造成廠商10～30萬美元不等的業務損失，計畫外的停機更可能導致上百萬美元成本。預測性維護優化停機規畫、最大限度減少意外停機時間、延長設備使用壽命及員工生產力的特性，使其成為工業4.0重要應用之一。

　預測性維護同樣建立於工業物聯網基礎上，基本元素包括安裝在設備或機器中的資料蒐集感測器、允許資料在受監控資產與中央數據中心間傳送的通訊系統、儲存處理及分析來自OT與IT系統的中央數據中心、具預測分析能力的演算法，以及維護和流程工程師使用的數據分析工具與介面。

　傳統上較常見作法是將預測性維護運用於智慧製造，包括西門子、思愛普SAP與GE等皆進行相關應用。以SAP為例，將感測器數據與企業的ERP和企業資產管理等業務資訊結合，建置在工業物聯網基礎上，透過異常檢測、頻譜分析和機器學習等方式優化資產維護。此外，也能整合SAPS和4HANA、甚至第三方維護執行系統，提高服務範圍、降低維護成本及增加資產可用性等優勢，讓預測分析可視化。

　IBM於2019年推出Maximo資產績效管理解決方案，其中的Predictive Maintenance Insights便是使用統計模型和機器學習預測資產健康狀況，包括故障日期與概率、關鍵驅動因素、退化曲線及其他異常檢測。

　IBM也將預測性維護技術運用於智慧城市上，例如與美國亞特蘭大交通管理局合作，從追蹤資產狀況轉變為預測並防止故障，近期更宣布與丹麥國營基礎設施營運商Sund & Balt（S&B）合作，透過新推出的Maximo for Civil Infrastructure系統整合建築結構上的感測器、人員穿戴資訊、無人機回傳資料及天氣資料等，延長老化橋樑、隧道和鐵路等使用壽命。

小結

　智慧製造的重要基礎來自工業物聯網的完善建置，物聯網數據包括從大量機器收集的感測器歷史訊號和測量值，以及來自機器現場監測的數據。

　隨著數位雙胞胎和預測性維護等輔助決策及預測性的精準度提升，感測器數量將持續成長，使得大數據的管理與分析至關重要。故廠商在架構基礎設施的同時，必須從根本上規畫、管理大規模物聯網數據，尤其在製造業許多資料都是商業機密下，非原生數位企業的傳統型產業，更需著重於人才培育與技能轉型。

　此外，隨著資料量日漸增長，靠近設備端先行處理的邊緣運算，能有效降低延遲、減少大量傳輸及雲端儲存等營運成本，進而提高業務效率、可靠性及可擴充性，同時強化物聯網的安全性，將成為智慧製造發展的重要技術。

（本文作者為拓墣產業研究院研究員曾伯楷）