账号:
密码:
智动化 / 文章 /

走得对比走得快更重要 逐步踏实打造智慧制造系统
[作者 王明德]   2021年01月18日 星期一 浏览人次: [35875]

台湾传统制造商资源较少、机台新旧程度不一,必须以「穿着西装改西装」的模式,逐步提升智慧化程度,因此步伐会较慢,不过速度较慢不代表可以停滞不动,在工业4.0趋势已成的态势下,没有智慧升级策略者,将被市场逐步边缘化,厘清需求、稳健而持续的踏出每一步,才能让自身企业保持竞争力。


为了避免因人口结构逐渐走向高龄化,导致劳动力下降,影响国家竞争力,德国在2011年启动了工业4.0政策,希望透过IT与OT两大系统的整合,为制造业升级。此政策一出,随即带动了全球智慧制造浪潮,各国政府与企业纷纷跟进,台湾作为全球制造重镇,也在近几年开始转型,经过初期的摸索后,如今政府与产业的策略方向,已因应制造业的特色有所调整。


不过,未来几年全球产业环境的变化将更快速诡谲,美中贸易战会否随着美国新政权出现新局?后疫情时代的产业供应链将会是何种面貌?台湾制造业者必须紧盯世界局势,更机动灵活的调整营运手法,才能找出自我价值,并在未来占有一席之地。


厘清需求才能让制造系统更贴身

在全球制造领域中,台湾向来扮演重要角色,虽然产值庞大,不过其竞争优势主要为劳力成本,以物美价廉的产品在市场攻城掠地。 1980年代,自动化技术开始普及,各先进国家的制造业者逐步导入,台湾业者因两岸开放带来了中国庞大且低廉人力,选择既有的劳力密集制造模式,错失产业升级机会,因此在工业4.0浪潮中,产官两方回头检视,才发现台湾多数传统制造业者都仍停留在半自动的工业2.5,甚至是手工业的工业2.0阶段。


面对此态势,政府与产业这几年开始重整脚步,以更务实的策略调整企业体质、制定方向与目标,与新进国家相比,台湾制造业智慧转型的速度或许不快,但工业4.0是长期作战,走得对会比走得快更重要。


观察台湾智慧制造的发展历程,从2011年德国推动工业4.0政策后,自动化厂商与媒体就随之展开市场教育,经过将近5年的推广,2016年左右成果开始浮现,陆续有制造业者尝试导入。根据研究机关统计,2020年已有将近三分之一的台湾制造商着手建置智慧化系统,而且会根据本身特色,将资源挹注于研发能量、生产力的提升。


台湾制造业可概略分为科技与传统两种制造业,科技大厂如半导体制造、主机板、电脑等业者,自动化程度非常高,尤其是半导体制造,更早已进入工业3.5阶段,透过大数据的累积与分析,改善制程效能。至于传统制造业的则多为前文所叙的工业2.5甚至是2.0状态,自动化程度不足,因此无法一步到位导入智慧制造系统,必须先从基础做起。


AI让AOI检测走向智慧化

在工厂制造机制演进过程中,必须按部就班逐步发展,先从制程动线的合理化做起,再将之精实化、标准化,后面才是数位化与智慧化。台湾有意启动智慧化布局的制造业者,多数先从合理化与精实化做起,由于主事者意愿与企业资源不尽相同,各厂商的进度也有差异,目前已有厂商完成这两项动作,开始导入数位化架构,而智慧制造的功能品项多元,大部分台湾厂商会先选择成效最快浮现的AIAOI与智慧制造基础的机联网。


AOI原本就是工厂维持产品品质的重要环节,透过工业相机、影像撷取软体等软硬体架构组成机器视觉架构,解决过去以人眼检测产品,造成检测品质不一、效能不佳的问题。



图1 : AOI是工厂维持产品品质的重要环节,导入AI後,其效能将可进一步强化。(source:WordPress)
图1 : AOI是工厂维持产品品质的重要环节,导入AI後,其效能将可进一步强化。(source:WordPress)

AOI架构在自动化产线中应用已久,技术相当成熟,不过近年来消费性市场走向少量多样,产品检测也必须同步演进,以更具弹性的机制因应市场变化。在此态势下,自动化系统业者开始导入AI,强化此一环节效能。


在AOI架构中的AI,是透过深度学习演算法,智慧识别产品各种瑕疵,此机制不须像以往的AOI,需要以人力方式设定瑕疵样态,演算法会根据当初训练模式的条件,自行判定产品良窳,因此特别适合少量多样的生产模式。这种方式不只在视觉检测,也有厂商应用于声音侦测,让马达在出货前,先经过AI从转动声音判定轴心有无歪斜,确保产品品质。


除了品质检测,AIAOI还可以进一步延伸到产线前端,做法是在每一工作站中设置AI摄影机,侦测该站的制造方式是否合于标准?产品是否有瑕疵?若未达标准就立即告知,协助工作人员即时修正,避免产品到最后环节才被判定为不良品,浪费过程中的物料与人力资源。


相较于AIAOI几近立竿见影的效益,机联网投资报酬率浮现的速度较慢,不过机台数据撷取和传输、储存,是智慧制造的基础,因此这也成为现在产业与政府的布局重点。机联网的第一步是撷取设备数据,目前自动化厂商所推出的新式机台,多已内建感测与通讯功能,可快速组建成联网架构,困难度较高者是厂内既有的机台,这些机台不一定都有相关功能,要取得数据本就有一定难度,再加上为了维持产能,产线无法长时间停机加装感测、通讯模组,更大幅提升系统升级的难度。



图2 : 机台数据撷取和传输、储存,是智慧制造的基础,因此机联网也是产业走向工业4.0的第一步。(source:Nexperia)
图2 : 机台数据撷取和传输、储存,是智慧制造的基础,因此机联网也是产业走向工业4.0的第一步。(source:Nexperia)

对此,资料科学专家指出,数据是智慧化的根本,因此即便使用最传统的纸本,也要将数据纪录下来。当然以现有的技术,不至于用回容易出错且无法数位化的人工抄写作业,近年已有厂商研发出可快速得到机台数据的方式,像是用摄影机判别每一机台上方的三色灯,或是利用光学字元辨识(OCR)识别HMI上的文字,并将之累积成大数据,用来作为分析设备综合效率(OEE)。


马达与刀具侦测是两大重点

除了基本的整机状态侦测外,针对机台内的重要部件,产业也积极开发相关技术,其中又以马达与刀具为两大重点。马达是设备最重要的动力来源,一旦故障,机台就会停摆,目前得知马达的状态数据是利用感测器长期侦测其震动、电流、声音,一旦发觉出现异常,就可排定时程,在工厂停工时检修。


至于刀具是以振动侦测为主,资策会开发「人机协作应用于刀具管理系统」已在实证场域导入,透过智慧演算法推论刀具寿命,节省产线刀具成本约20%以上,精准预测刀具的健康状态,积极避免刀具在无预警的状态下导致撞车而造成的损失。


相较于可一步到位直接导入最新智慧化架构的欧美、中国业者,台湾传统制造商由于资源较少、机台新旧程度不一,必须以「穿着西装改西装」的模式,逐步提升智慧化程度,因此步伐会较慢,不过速度较慢不代表可以停滞不动,在工业4.0趋势已成的态势下,没有智慧升级策略者,将被市场逐步边缘化,唯有厘清需求、稳健而持续的踏出每一步,才能让自身企业保持竞争力。


**刊头图(source:Ecole des Ponts Business School)


相关文章
AI赋能智慧制造转型
以「熄灯制造」心法实现全面自动化生产
Moldiverse云端平台优化数位模拟功能
马达驱动永续运行不止
以边缘AI运算强化智慧制造应用
comments powered by Disqus
  相关新闻
» 帆宣与隹世达合组「达宣智慧」公司 启动智慧医疗引擎
» 经济部提供融资协助工具机拓展海外市场
» 海大与法国浜海大学合作推升智慧永续海洋
» 国研杯智慧机械竞赛成绩揭晓 联合大学机器人挑战高尔夫夺冠
» AI台北智慧城市展样貌 开箱大巨蛋数位场馆
  相关产品
» igus马达控制系统快速设定 无须程式设计协助
» 凌华支援第14代 Intel处理器用於先进工业与 AI 解决方案
» 新型 igus 拖链系统适用於无尘室 SCARA 机器人
» 智慧监测良方 泓格微型气象站提供资讯面面俱到
» 凌华新款5G IIoT远端边缘网路闸道器采用Arm架构


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 / E-Mail: webmaster@hope.com.tw