经济部工业局金属机电组
副组长
张明焕
北尔电子股份有限公司
市场开发经理
何辅仁
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:
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
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
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
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
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
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。
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
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
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