DForum
event
 

智能制造大趋势:经验传承、信息创新应用是关键

传承老师傅经验 数据可视化是传产转型首要之务

对于传产而言,数据可视化代表的意义即是将老师傅的经验具体化为科学根据。Castrol

每个产业对于工业4.0的认知不尽相同,且发展进程也有所落差,就台湾制造现况来说,目前仍以半导体、电子科技领域较接近所谓智能制造的生产模式,相对传统产业的智能化进程仍旧缓慢,而部份中小企业也尚属智能制造的「后段班」。

政府为改善此类制造业者的现况也提出对策,力图在业者成本与效益皆能兼顾下,一步一步协助业者从1.0、2.0进步到3.0或4.0。相较于国外对于新技术的尝试度高,台湾制造业普遍趋于保守,习惯以「观望」的思维思考转型计画。

此举不但错失比别人早一步掌握优势的良机,更易促使业者在发展过程中绑手绑脚。据业者观察,象是即便数据可视化的概念已蔚为旧谈,但在台湾目前仍有许多制造业者尚未进展到此一阶段。

实际以某碳纤维机具业者举例。在碳纤维产品的制程中,必须先进行原物料的搅拌与合成,方能形塑成机具,而整个环节最重要的便在于搅拌过程,因而对此需业者严加把关。

过去业者多倚靠经验法则,搅拌成果的好坏乃是由工厂老师傅来判断如原物料的黏稠度、温度或转动表现等,老师傅一声令下,才能接续上工。

精诚信息数码核心事业部资深协理詹伊正谈到,仔细看来,其实过去制造业也大量运用了「人工智能」,只不过过去的人工智能真的是靠人工一个指令一个动作进行操作,而非像如今靠机器自动化、智能化运行。

这种情况在传统产业更是屡见不鲜,据业者观察,时至今日仍有多数传统产业维持这种营运模式。除了机台设备的汰换率一向不高,连人才都鲜少出现流动。有些工厂老师傅一做就是二、三十年,因此在工厂内部,不管是操作上的经验,或维修上的经验也好,脑袋存放的专业知识远比机器更管用。

但随著世代交替,接班问题逐一浮出台面,越来越少年轻人愿意到工厂磨练,就算承袭家业也面临兴趣不符的问题,因而更欠缺具备专业技能的人才,加上全球劳动人口锐减,未来这些经验的传承恐出现严重断层。

为避免落入此境地,对于传统产业的转型大计,首要得先解决这个问题。像上述的碳纤维制程案例,业者寻求的因应之道,即是透过传感器侦测搅拌过程是否达到稳定、优良的状态,并将此转化为可视化的数据与图形,如此一来,业者便可从具体的数据判定搅拌效果的优劣。

詹伊正指出,过去若无科学根据佐证,业者宁愿再花多一点时间确保搅拌程度达到一定水平,然现今透过可视化的数据呈现,便毋须耗费不必要的时间来做这些多余的动作,连带对后续的制程也会产生正面效益,因一旦全面将制程数据可视化后,每个站点也能实时掌握最新生产讯息,在排程上便可进行更灵活的掌控。

对于传产而言,数据可视化代表的意义即是将老师傅的经验具体化为科学根据,不论在经验传承上,或是确保制程参数的正确性,都起了很大的作用。

很多制造业对于大数据分析已经产生了迫切的需求,但无论大数据分析,还是近年在高科技产业中引起关注的人工智能应用,数据都是最基本的元素,如何取得数据并将之活用,可视为发展智能制造的首要条件。

此现象不仅止于传统产业,台湾产业形态中占比最大宗的中小企业也面临同样情形。由于中小企业规模不大,工厂的生存与资金存在一定程度的关连,通常工厂内的设备不外乎是最便宜,或是二手机台,甚至买零件自己回来组装。这种企业不见得不愿意转型,但有时并非心态问题,而是现实使然。

然面对此类形的企业,也并非别无他法。经济部在自去年开始便大力推动智能机上盒(Smart Machine Box,Box),期盼以「外挂」机上盒的方式,就能让工厂内的机台设备迅速具备连网、数据可视化的功能,如此一来,即便传产的旧有设备不做汰换,亦不影响使用效果。

  •     按赞加入DIGITIMES智能应用粉丝团