实现智能制造 提升产业竞争力的工业物联网

要让机器人等智能制造的价值，需要配合工业物联网的运作。(WIKI)

面对市场少量多样、产品生命周期缩短、制造人力短缺、薪资成本节节上升等制造型态的转变及挑战，许多国家都已提出智能制造相关政策，不管是美国的「先进制造夥伴计划」、德国的「工业4.0」、日本的「新策略性工业基础技术升级支持计划」、韩国「制造业创新3.0策略」，以及大陆的「中国制造2025」规划，都与工业物联网的技术及应用，有着相当密切的关联，也是智能制造能否实现的关键。

台湾也不例外，根据经济部技术处ITIS计划数据显示，2015年台湾国内生产毛额约新台币16.7万亿元，其中制造业生产毛额约5万亿元，占国内生产毛额30.1%，可见制造业对台湾的重要性，面对新兴市场如东南亚各国挟其低廉的人力成本，大举抢进代工制造的市场，作为促进经济成长的重要战略之际，师法先进国家升级转型的智能制造战略，才能确保台湾未来能在各国的新一波制造业竞争中，立于不败之地。

工业物联网与智能制造的效益

2016年5月新政府开始运作后，已经将发展智能机械、绿能科技、国防产业、生技医药、亚洲硅谷并列为五大创新研发产业。在这五大产业中，智能机械因为能在面对未知与多样的制造变速下，使用传感器感知周围环境，各类控制模型，自动调整机械本身的反应活动，来完成指定的特别任务，若再配合工业物联网的应用，制造业便能实时撷取、传输、存储更多来自于设备、工件、制程、人员及整体供应链数据，能更有效的促进制造与商务间的水平整合。

经济部技术处指出，发展与应用智能制造，依据应用方案特质，至少要包含三个阶段：第一阶段为工厂与企业间广泛的数据整合，透过工厂各制程与企业间的数据连结与整合，提高生产效率、降低成本，并增进生产过程安全性与降低对环境的影响；第二阶段为藉由生产最佳化建立制造智能，透过电脑模拟与各种制程模型，创造坚实可靠的制造智能，以满足定制化、多变化、快速化生产等客户需求；第三阶段为透过制造智能建立独特竞争优势，藉由持续累积的制造智能，在制程与产品上增加创新能力。

为了实现智能制造，经济部技术处认为，物联网正是需要优先发展的关键技术之一。因为物联网可以使制造体系中的人、制造程序与各种数据，能完成广泛与深层次的连结，并进一步产生多种新价值。

事实上，物联网也是建构网宇实体系统(Cyber-Physical System；CPS)的重要元素之一。CPS正是德国实现工业4.0愿景的重要工具，具体效益包括增加能源与资源使用效率，缩短新产品开发时间，加速产品创新，增进制造弹性与能力，满足客户定制化及个人化的制造需求，进而协助企业降低制造成本，缩短产品开发与制造时程，提高产品品质，满足客户多元化生产需求，以及提高产品、服务价值。

如BMW位于大陆沈阳的铁西工厂，就在冲压、车身、涂装和总装四大车间内全面实施了工业智能化，如车身车间透过使用智能机器人和工业电脑控制技术，能效得到显着提升，如机器人热能回收技术便可每年节约超过780万度电。

汽车制造最耗能的涂装环节(约占汽车制造能耗的70%)，也在导入智能制造相关技术后，实现节水30%，节能40%，减排20%的成果。而且相比传统液压机，铁西工厂的高速冲压机生产效率提升超过70%，节能50%。截止2014年底，BMW集团在全球使用的生产能耗中，来自于可再生能源的比例首次过半，达到51%。

海尔集团则是在2014年就已建构全流程实时互联可视的互联工厂体系，将大规模制造，升级为大规模订制。透过大量传感器，大数据信息化工具和机器人的协作，海尔互联工厂可以高效地完成订制化批量订单的生产，在不提高制造成本的基础下，提升产品附加价值，并为创新性设计的低成本，提供有力支撑。

如海尔位于沈阳的冰箱互联工厂，透过智能制造解决方案，有效减少人员配置达75%，单线产能100万台提升至180万台，单位面积产出50台？坪提升至100台？坪，定单交付周期由15天隆低到7天。

导入工业物联网的挑战

但工业技术研究院资通所智能制造服务系统组组长程瑞曦指出，制造业在导入工业物联网时，要先有正确的认识。首先在数据输入与传输处理装置成本方面，制造业必须要先行建置传感与撷取装置，经营者必须要有承担投资的心理准备。

其次则是数据整合成本，因为制造业专属协定多，整合复杂度较高，加上制造设备繁多，数据整合不但繁琐冗长，不易替换的旧有系统，也会造成数据整合的包袱。且由于制造端的数据分散独立，数据分类与品质也还仍待建立，多数制造业的数据量目前也还不足以分析。

为了要克服前述挑战，制造业在导入工业物联网时，首先要先解决传感层的需求，包括布线困难度、固定点？移动物、可靠度、未来弹性、电源供应等，尤其是传感器因为要因应不同应用的需求，输出入界面各厂家不一，标准种类相当繁多，系统整合定制化程度也比较高。

而在网络层方面，在通讯传输的选择上，包括有线与无线网络因为各有运用的利基，考量的要素包括布建成本、环境严苛度、安装影响生产的程度、应用的运作弹性等，才能确保数据传输的可靠度，以及对信号不稳定的容忍度，能够符合业界要求。

在应用层的挑战方面，首先要克服的是数据范畴与分辨率的问题，如所蒐集的数据能不能对准问题？数据量是否符合需求？因为太少，可能无法找到问题的根因，但数据太多，也可能造成投资成本过高，数据杂讯也会跟着放大，导致无法找到问题根源。

解决问题的关键，在于数据品质是否具一致性且标准化，方能易于解译与分析。此外，数据也必须具有可验证的平衡性，同时运用前处理过滤至设定目标，以提升分析的效能与精确性。

工业物联网普及速度开始加快

工业物联网的标准过于复杂，可说是阻挡工业物联网普及速度的关键之一。所幸德国为了能够让其主推的工业4.0观念能够落实，已经与与工业网络联盟(Industrial Internet Consortium；IIC)达成合作意向，共同探讨双方分别推出架构的潜在一致性，即工业4.0参考架构模型(RAMI4.0)和工业网络参考架构(IIRA)的一致性，以确保未来的相互操作性，这两个工业物联网组织的合作，可望有效促成工业物联网的普及，也让智能制造的应用发展，更能快速地在全球各地展开。