数码智能化，取得未来生存致胜之钥
- 阚大成／DIGITIMES企划
-
对于制造业来说，如何善用AI、IoT、Cloud/Edge、Digital Twin等数码科技，乃至于自动化设备、机器人等崭新设备，翻转过去工厂以人工、纸笔、码表等主的低效作业模式，将是因应未来竞局的必要生存之道。
因此DIGITIMES特别以「数码智能化，未来工厂全进化」为主要诉求，启动了2023年秋季场智能工厂论坛，旨在协助制造企业整备更快、更聪明、更具竞争的能力。
研华市场开发经理陈韦均，分享如何借助AIoT实践绿色永续工厂。他指出2022年研华协助许多企业汇集能源管理数据，如今可利用它们建立基线，透过设备参数、生产批量，推算单位生产的能耗，满足ISO 14067碳足迹盘查；甚至结合生成式AI，解析生产与碳排信息，助企业得出永续工厂的实践之道。
更重要的，研华提供WISE-FactoryEHS之类的众多工业App，方便企业从最小的POC着手，逐步从一条线做到整厂或跨厂，循序推动数码低碳转型。
研华的夥伴谷林运算，由其商务总监金柏枢助讲。他说企业要做AI分析，一定需要稳定、正确、快速、实时的数据，即使厂内老旧哑巴机亦需涵盖其中。为此谷林利用研华MIC-710AI边缘运算电脑，结合AI视觉识别，打造SDE屏幕数据撷取方案。
制定战略、数码化、脱碳化，稳健迎向永续发展
施耐德电机工业自动化事业部总经理詹泰一指出，其为逾180岁的老牌企业，已将永续列为重大课题，不断思索如何有效运用能源与资源；且自己身体力行外，也瞄准整个生态系、致力扩散到上下游供应链或客户端。
早在十多年前，施耐德便开始投入ESG，并持续精进永续措施，所以在2021年荣获全球百大骑士奖第一名。此外在几年前基于工业4.0推出EcoStruxure开放式平台，系以联网产品为基底，可充分掌握设备状态，如今可顺势作为永续发展枢纽。
施耐德提出SDD策略（制定战略、数码化、脱碳化），据此落实永续目标。一开始进行自我体检、理解现状，再依此订定合理的永续目标，进而展开数码化，从工厂最底层的节能减碳环节出发，提高设备效能，循序迈向脱碳。
布建AI视觉，建立自动化AOI覆判
艾讯产品经理锺纬承指出，为何需要AI？系因万物联网，企业收集许多终端设备数据，故希望结合AI分析，帮助工厂提高产能和品质，达到生产智能化的升级目标。
为协助企业驾驭AI视觉，艾讯致力精进OT设备，以发挥最大AI应用效能。艾讯提供Light、 Advanced、High Performance不同层次IPC，且可搭配提供Design-in Service，例如加强散热、防振或抗干扰设计；在软件部分，则提供完整BIOS、BSP和Toolkit，协助ISV加快开发进程。
此次艾讯邀请夥伴立方兴业总经理许立联袂开讲。 他指出，在AI深度学习着墨至深，现正力推AI覆判软件，标榜无需仰赖过多人力二次覆判，即可有效解决AOI机台过杀率偏高问题；该软件前端可接镜头，再交由上位系统做OK或NG判断，目前使用的硬件以艾讯iHPC100或更高端的IPC为主。
运用非联网设备，快速完成边缘AI识别
台湾亚德诺半导体（ADI）区域销售经理陈曜桎表示，ADI是从嵌入式装置端角度，让机器在配置轻量算力、存储器和电力，甚至不需联网，即可运行AI演算法，进而听得到、看得到。
为何AI要锁定这个应用区块？主要是希望利用边缘装置做到第一层的AI基本判读，而不是把所有信息都送到云或地端的后台做演算、再回馈给边缘端。
ADI观察到有些应用场域，非常合适以非联网设备执行AI演算，如物件识别、车牌识别或边坡滑动监测等，其实都不太需要将信息送到后台分析，直接在本地端完成分析后，再发送告警知会后台即可。除了「看得到」外，谈到「听得到」部分，则像是工厂内的马达异音检测。
采取网安优先策略，确保制造业永续经营
蔚蓝云（Electrum Cloud）策略谘询总监黎嘉龙，分享如何降低网安风险因，确保工厂持续稳定营运。
现在的问题是，受限于网安人员和技术能量不足，如何正确解读繁杂的网安工作中该有的先后顺序？黎嘉龙建议参酌美国海军的评估方法，根据不同风险相对影响范围大小、营收损失高低，辅以未来12个月可支配的预算，藉由量化投资效益，来评估需要优先保护哪些标的。
以系统为例，地端的Exchange Server算是遭受较高勒索攻击威胁的一环，此时解法便是将E-mail系统上云；但只冀望于一朵云也会有Vendor Locking等问题，终究得走向多云，坏处是众多平台导致学习门槛变高；因此建议直接利用Azure，只因它提供独到的网安服务，可同时做到跨云跨地的网安管理。
AI+模拟+协作，加速凝聚数智双化能量
NVIDIA资深解决方案架构师Eason Hung表示，针对数码转型议题，NVIDIA在全球与许多制造企业都有Cowork经验，遍及产品检测、工安维护、合规检测、供应链管理、预防维护等范围。系因整个制造业的制程、产品设计变得复杂，但客户要求的达交时间缩短，代表有更多的数据需要被加速，正好是GPU的强项。
值得一提，NVIDIA除擅长AI训练和推论外，亦擅长模拟，为很多不同产业带来效益。如汽车制造业，从产品设计、制程设计、流体力学模拟 甚至到车机UI设计，所有流程都高度依赖模拟应用。
NVIDIA期盼更多科技业、电子业、半导体业公司，都能善用NVIDIA 3D模拟平台，加速建构工厂与产线的数码双生，并驱使不同地域的Designer流畅协作，从而加快智造转型的进化节奏。
凭藉完整智动化布局，克服复杂的新制程挑战
本次活动特别铺排「未来工厂的数码化、智动化」焦点对谈，与谈人为清华大学执行副校长简祯富、盟立自动化董事长兼总裁孙弘。
简祯富指出，盟立34年一路走来对推动产业自动化、乃至现今走到智能制造，堪称贡献卓着。令人好奇，盟立如何借助兼具Infrastructure监控、决策、测试等完善机能的MIPC核心，结合模块化、智能化方式，满足不同领域客户需求？
孙弘说，因为现在工程分析的工具改变了，客户关注的重点也改变了，盟立意识到若无法利用三维度分析，难以与客户有效沟解、协助客户解决当前挑战。
故盟立充分引用数码工具，依客户提出的构思做出数码模型，针对制程机台布局，将其中复杂的信息流串连起来，再因应后勤管理、工作环境洁净度、人员操作空间等题目进行细致编排；过程中需利用3D模拟，搭配动作时间等各种因素，放在一个电脑屏幕上全面显现，难度甚高，但若非如此，无法将每个细节讨论到位，足见数码化是必然趋势。
他透露学工程的人，一开始难免局限在Engineering领域思考问题。但慢慢发现纯粹以工程角度解决不了问题；驱使盟立学着深入理解客户的产业，预先掌握该产业的新情报、探索国外各式解决方案，才让客户觉得「与你讨论很有收获」，确保甲乙双方互相得利。
有监于靠PLC做不了边缘运算，一定要用IPC。但考量从收集数据、边缘运算到立即产生动作，务必深入掌控CPU/MCU、Firmware 底层，速度才会快，这是很现实的问题，所以盟立经过无数次实验，决定自己设计系统、催生MIPC，以实现对工厂设备健康状况、乃至整厂战情室的完整掌握，打通智能工厂的任督二脉。
因应厂内移动物件通讯，5G专网为最佳解方
来自仁宝（Compal）的5G解决方案事业开发主管Tony Liu说，近年Compal积极拓展5G业务，孕育5G的基站、 Dongle、CPE、Module等产品，协助制造场域往5G或无线方向进行布建；2023年度获选为微软1微型基站供应夥伴，将搭配微软云端5G核网进军全球5G专网商机。
不少人质疑，即便工厂有意改采无线，为何不用Wi-Fi？系因Wi-Fi易因多人或多设备联网导致频谱使用殆尽，再者厂内若有移动设备如AGV，从A点到B点过程，会因Handover造成动作暂停，难以为业主接受。
Tony Liu建议，若考量厂内有昂贵OT设备通讯，宜以光纤为主。若倾向改采无线，当有移动式设备、需要急速上传数据或不容许延迟的关键任务，5G专网是首选。假使厂内无移动物件，Wi-Fi 6便是相对正确的选择。
部署AI协作机器人，传统工厂迈向智能化
达明机器人自动化工程师黄靖涵强调，现在是智能化时代，如何导入自动化设备来建构智能工厂成为趋势，以致愈来愈多工厂加入自动化行列。
达明设有SI团队，可协助客户导入其TMM工控软件及AI协作机器手臂，连带整合自动化周边设施，现已累积诸多实作案例。
比方说某电子组装厂，一条产在线共计布建手臂 所以这个产线其实他有15支手臂；意谓如果沿用传统生产模式，需由众多人员来执行现在手臂所做的工作，单以开始生产的准备动作便时间甚钜。如今导入达明系统，就能透过一键驱动多支手臂同时作业，既节省人力、避免人员选错专案，还可藉由让手臂汇集Input、Output、良率、CT等数据，使管理者时时掌握当下生产状况。
采用智能电源，建立强韧的工业设备心脏
勤逢实业明纬PM黄浚峪指出，勤逢代理的明纬电源，以标准品为主，有别于同业常见的OEM/ODM形式，目前在全球标准电源DC输出市占率名列第三。
难免有人好奇，电源供应器与智能工厂有何关联？其实不论5G、IoT、机械手臂或IPC，皆需使用电源，显见电源正是工业设备的心脏。
有监于工业界对高端电源需求甚殷，近两年明纬致力推广3+N系统方案；只因传统单体电源已不敷使用，所以积极发展系统电源、模块电源。所谓3+N，「3」就是机架电源、模块电源和系统电源，至于「N」意指仍可搭配其他小电源、小驱动器，创造无限多组合。如BIC-2200双向式电源，兼可做AC到DC充电、DC到AC能源回收，即是3+N当中颇受欢迎的重点产品之一。
布局深层式OT网安系统，随时防范可疑入侵徵万亿
研杰科技总经理张振忠，阐述如何利用Industrial Defender打造深层式OT资产信息安全机制。Industrial Defender专为OT网安而生，为市场上相当独特的方案，一开始便采取迥异于IT网安产品的做法，不仅收集与分析网络上流通的封包，还会深入观测产在线所有OT设备，包含网络设备、PLC、RTU或IPC。
它藉由Agent与Agentless兼具的独特主动式通讯手法，准确识别设备当中的设定与事件，不论实时的抑或历史的，都积极加以收集并分析比对，以达到全面性的威胁侦测；接着以视觉直观的数码仪表板、异常告警、自动化网安分析报表，帮助用户查看分析后的信息，了解OT场域内有无MITR组织所统整出来的攻击轨迹，精准掌控当下的安全态势。
让AI做不擅长的事？恐陷入搞砸专案窘境
以「fastable.ai」AI瑕疵检测方案获得诸多制造企业青睐的开必拓数据（Kapito），其共同创始人暨CEO孙逢佑分享如何避免搞砸AI。
他强调AI不擅长的就是「止于至善」，大家若能理解这一点，就可望避免搞砸AI。从2016年的AlphaGo发展到现在，AI始终做两件事，一是「认」、辨认东西，另一是「猜」、预测未来；所以如果你想解决的问题，正好落在这两块，就很适合对AI委以重任。
AI不擅长什麽？所谓「止于至善」，就是乖乖听话，如早期写组合语言，是为了产生指令集，走的是Human Teaching路线，与Machine Learning截然不同；若企业导入AI，必须理解它会犯错，只要每次做错与做对中间的周期很短，就代它具有学习能力。另一件事是测量，例如「帮我测量它有几厘米」，AI无法办到。
AI促使机器人进化，未来不再仅能执行简单任务
工研院机械所智能机器人技术组组长黄苏，从「德国自动化与机器人展览」（Automatica）剖析机器人发展趋势。他首先预期AI Robot可望大行其道，就像AIR（空气）般在你我生活周遭如影随形，只因它相较于人具有可靠、安全、低营运成本等好处。
论及Automatica所彰显出来的趋势，总结来说有三点，一是设备机器人化，一个机器人跑来跑去照顾多个机台，将成为常态。二是人机协作化，人很厉害、且机器人非万能，所以最佳组合就是人与机器人一同协作，因此安全机器人可望成为大势所趋。
最后一项是机器人技能化，以前机器人大多只能做简单的上下料，或带着一个镜头做视觉识别，但未来不仅如此，得力于软件或AI机器人的精度提高、荷重提高、能力提高，它会做更多加工作业，比方说研磨膜抛光、钻孔等，不再局限于单纯动作。
