讲义下载
-
AI与智能制造整合
经济部工业局金属机电组
副组长
张明焕 -
数据整合主宰智能制造的核心 边缘运算串起工业物联网脉络
北尔电子股份有限公司
市场开发经理
何辅仁 -
协助台湾机械业迈入数码时代及提升国际竞争力
施耐德电机股份有限公司
自动化事业部总经理
孙志强
我们提供本研讨会主讲者同意授权的演讲档案，欢迎参与来宾下载。
如果遇到档案无法下载，请检查您的电脑是否有以下状况，而造成下载问题：
- 输入email、口令时，请注意是否多了空白键。
- 若收到两组帐号email时 (本人email、第二联络email) 请优先使用 本人email做为帐号。
- 网络安全性是否设定过高
- 请关闭快显封锁程序
- 是否装了某些外挂工具列 (例如Yahoo或百度工具栏)
- 公司内部防火墙或安全机制 (有些企业内部会规定不能下载任何档案，或公司内部某些区域不能连至外部网站)
- 如果是因为公司内部防火墙或安全机制，建议您使用公司以外的电脑下载。当您检视上列各项，仍遇到下载问题，欢迎来信谘询。
论坛报导
智能制造不断演化 不断学习方能找到正确道路
自从德国在2013年首度提出「工业4.0」概念后，世界各国也纷纷提出自己的智能制造蓝图，同时也有更多的科技应用加入智能制造的领域，包括工业物联网(IIoT)、人工智能(AI)等，都已成为智能制造不断演化过程中不可或缺的技术。DIGITIMES因此于2018年8月3日的2018自动化工业大展举办「智能工厂论坛」，邀请产官学相关领域专家，针对智能制造的最新趋势及发展发表看法。
经济部工业局金属机电组张明焕副组长指出，为了帮助中小型制造业克服供应链管理困难、订单达交率不佳等问题，政府将以营收新台币30亿元以下的中小型制造业为主要对象，透过供应链信息串流，积累营运数据数据，并导入
整合人工智能 提升智能制造
人工智能(AI)市场规模成长迅速，经济部工业局金属机电组张明焕副组长指出，制造业是其中的主力应用之一，尤其是机械设备、金属制品、运输工具等产业，将会是透过AI的加持，成为智能制造加值的受惠者。
在业者与政府的努力下，依据机械公会统计，2017年台湾机械业产值已突破万亿元大关，约达新台币1.1万亿元，较前一年成长11.1%。2017年机械出口额256亿美元，年增20.9%，为近6年最佳，依照International Trade Centre(ITC)统计数据，台湾工具机全球出口排名也由第5名提升为第4名。
但张明焕指出，中小型制造业目前正面临快速报价、急
整合数据配合边缘运算 成就智能制造
为了让制造数据能转换成智能制造的洞察力，北尔电子市场开发经理何辅仁指出，智能制造要从概念验证(Proof of Concept；POC)进一步朝证明价值(Proof of Value；POV)发展，业者必须要洞悉科技趋势及商业模式转型的趋势变化。
何辅仁表示，因为以前的产品设计及制造，主要是针对购买者，仅需做到一次性销售；但现在则是要针对使用者，因此必须要创造服务平台，透过使用者回馈，采取随需销售的模式，才能成功。
基于商业模式的改变，何辅仁认为，理想的工业4.0方案，必须要能做到线上监控、预测维运，并掌握KPI信息，包括工程、连线及呈现的问题都必须
融合虚拟与真实 建构完美智能制造
工业发展不断演进，不仅带动制造技术的革新，产品设计、产品生命周期等管理方式也不断的重新被定义。参数科技亚太区物联网业务副总裁刘少纶指出，面对工业4.0时代的来临，如何整合虚拟数码及真实实体的世界，创造出新价值，将会是驱动制造业变革的主要关键。
在实体部分，最重要的制造技术就是物联网。刘少纶指出，很多工厂的运作过程，会有很多设备产生复杂的数据，但因为缺乏整合，这些数据一直都无法有效应用。但随着联网带宽的速度及稳定度增加，可以作为工业用途，以及各式各样的无线通讯技术可以供业者选择，如RoLA可以提供低能量长距离的无线网络环境，加上云端运算的诞生改变了电脑运算架构，IT管理没有
云原生IT架构及端到端AI引擎 驱动智能制造
工业物联网(IIoT)及人工智能(AI)带起智能制造风潮，研华市场开发经理叶韦贤认为，很多人对AI的想法已经脱离现实，应该要思考的是AI现在能够做什麽，如何让AI落地，实际产生效益。
以制造业为例，就可以从如何延续师傅经验或无从得知的信息开始。叶韦贤以劳斯莱斯的引擎涡轮叶片维修为例，以前只能靠老师傅用槌子去敲叶片，从敲击的回音来做品管，但老师傅要退休了，就只能靠AI才能延续老师傅的品管经验及能力。
叶韦贤指出，IIoT与AI应用在智能制造面临的挑战，包括情境与数据连结、数据可靠度、网安、服务可用性及弹性扩容。为了迎接挑战，研华特别推出一个专为I
以数码化转型提高运营效率
机械制造业为了提升竞争力，透过数码转型提高运营效率，已是无可避免的趋势。施耐德电机自动化事业部总经理孙志强指出，根据2016年麦肯锡发表的报告，200多家欧洲机械业者在导入数码化解决方案后，产品推出市场的时间更快，可以更好地利用专业知识资源，生产力提高3%~5%，机械故障时间也有效缩短30%~50%。
孙志强表示，数码化转型有四个要点。首先是要做到设备能够互联互通，企业要能掌握机械信息，才能做到预知保养，减少机械故障；其次是掌握移动技术，因为现场的人员会不断的流动，机械故障时很难马上派人到现场处理，唯有透过移动技术，才能让技术人员随时线上就能处理机械问题。
智能传感移动平台启动工业4.0
工业4.0的出现，其实与电子商务带来的消费型态改变息息相关。台湾西克(SICK)物流自动化专案经理王新儒指出，电商追求的是让消费者使用手机就可以在网络上购物，商品也朝向模块化设计方向发展，来因应消费者的喜好，消费模式的改变，也因此改变生产型态朝向自动化及无人化发展，而引发工业4.0的风潮。
为了因应工业4.0带来的改变，王新儒指出，制造业者需要智能传感移动平台做到智能物流。平台的需求要件包括可靠度、模块化、稳定性及灵活性，才能兼顾易于安
利用AI边缘运算 学习侦测设备异常
随着工业物联网(IIoT)的导入，制造业将迈向数码化转型，进而发展智能制造。SAS赛仕电脑软件资深顾问分析师林育宏指出，工厂数码化会衍生三种情境：数据的高度整合、设备对设备的沟通协作及大量定制化产品。再进一步，大量的数码化数据及串流数据，可透过大规模且多维度的AI分析技术为数码化工厂或制造业服务更添智能。达到智能化将助益工厂完成自动最佳化设备参数、制品缺陷实时侦测及设备预测保修，这体现的就是物联网与人工智能的结合，即AIOT。
林育宏指出，机器学习是目前人工智能领域内最强的分析技术，模型可从大量数据中迭代组合出各式强解释力特徵，超越传统分析人员能力，来理解IIoT大数据的
以数据驱动的自发性CIM系统
导入人工智能到CIM(Computer Integrated Manufacturing)系统内，以产生更高的经济价值，已严然成为趋势，但元智大学工业工程系副教授锺云恭指出，因为机器学习过程中，学习结果的可塑性(Plasticity)及稳定性(Stability)很难同时满足，而使智能制造「聪明反被聪明误」，但若智能制造中的机器学习方式，慎用递增式学习(Incremental Machine Learning)的特性，将会使智能制造永续学习成为可能。
此外，物件式数据仓储(Object-Oriented Data Warehousing)的使用在递增式的学习中格外重要，因
