前进智能制造　视觉机器人渐成新宠

无论提及工业4.0、或智能制造等辞汇，毫无疑问，内含智能传感及运动控制技术的工业机器人，肯定会扮演相当重要的角色。

综观全球制造业发展趋势，从早期1955年的大规模生产(Mass Production)以降，到了1980年代转变为讲求弹性制程系统的大量定制化(Mass Customization)，2000年代再转向全球化制造(Global Manufacturing)，到了今天，即使全球化制造模式依然延伸，但产品走向「个人化」、「少量多样」的趋势愈来愈显着。

随着个人化、少量多样等趋势的推演，制造商为了妥善因应不可预测的市场变动需求，所以一方面将大量传感器配置于生产现场，随时监控并记录各项参数，二方面则致力建构可重组的生产信息系统，借此蓄积可以灵活调整的产能能力。

由此观之，包含生产线重组、控制与监控，及传感等智动化元素，皆是次时代产业自动化生产系统所不容或缺的关键项目；依照工业技术研究院机械所的定义，次时代产业自动化生产系统除了是一种具自我调控、重组及能承受环境变动的设备外，同时也是一种已经过整合、内含系统重组与自我诊断的IT解决方案，且可让用户在任何地点、由任何使用者、透过任何装置获得生产信息。

显而易见的，工业机器人即为构成次时代产业自动化生产系统的重要一环，所以无论欧盟、美国、日本、韩国、大陆或台湾，均已启动制造业机器人的发展计划；而号称是台湾规模最大的电脑暨通讯设备组装厂，也早已宣称要在2014年前组成百万机械人大军，借此发展可以关灯生产的无人工厂。

各国积极推动机器人发展
随着智能智动化趋势的引领，在美国部分，2011欧巴马政府推动AMP(Advanced Manufacturing Partnership)计划，徐图振兴该国制造业，重点包括藉由虚拟制造技术来创新产品与制程的规划，透过智能机械以轻易调整与重组生产设备及系统，藉以因应经营状况的改变、获取新商机，同时也将致力改善制程中所消耗的能源效能；在欧盟部分，最显着的例子即是德国推动工业4.0，期望达成现场流程模拟、生产系统适应性，运用可重组及适应性制造系统的规划工具、并强化敏捷制造与定制弹性，藉由虚拟工厂从全球网络运作中创造价值，同时提升能源效率、资源效率、永续供应链，以减少环境冲击；而在日本方面，则诉诸Fanuc积木式无人化自动化系统，藉由CNC与Robot共享同一套控制器，俾使搬移换线一次完成，个中重点则含括了人机作业协调、可重组与适应性、绿色制造。

根据国际机器人联盟(IFR)所提供的统计数据，2011年工业机器人产值达255亿美元，较2010年成长近34%，增长幅度胜过服务型机器人；而在产业应用部分，举凡汽车、金属及电子制造业，都是促使2011年工业机器人产值成长的主要推手。

另值得一提的，IFR数据亦显示，环顾全球工业机器人总产值，来自亚洲的比重有明显攀升现象，主要仍得力于大陆，由于当地无论在消费性电子产品或汽车等制造领域，都因为人力成本节节高涨，驱使自动化需求走高，连带导致工业机器人销售开出红盘。

回顾过往，制造业运用工业机器人主要缘由，一来是为了填补劳动力之不足，二来是因应汽车焊接、物料取放、危险性上下料、物料堆叠、喷漆涂布或IC/FPD取放等恶劣环境之作业需求，然现今应用趋向已出现若干变化。

影像检测技术　带动应用需求
最主要的变化在于，随着信息科技、应用软件乃至于物联网渐趋成熟，使得工业机器人智能化能力持续增高，且导入成本也渐次下滑，性价比条件已较过去胜出许多，因此吸引企业采用的诱因也连带增强，以现状而言，除了3C产品取放、PV取放、主机板组装、手机组装、LED焊接、晶圆线路对位检测、TFT-LCD尺寸量测、工具机物料取放等来自电子或电机产业的应用场域，已明显提高对于工业机器人的运用比例外，类似像食品取放、金属去毛边加工、布料纹路检测、宝特瓶成形检测或生技医疗自动化等过往并非工业机器人应用大宗的领域，也开始加入应用行列。

究竟现今工业机器人所拥有的智能，已然高明到何等程度？主要的特性，包括了工业机器人不但深具智能化学习能力，亦较从前更懂得自动感知与适应协调，因此更能满足制造业人机协同作业的殷切需求；除此之外，更重要的转变乃在于机器视觉能力的提升，已从2D、2.5D推进到3D层次，影响所及，工业机器人也从过较为擅长的位置控制、手眼控制，即将进展到手、眼、力三者协调的境界。

尤其是以3D立体视觉而论，目前已有工业机器人能够支持RBP(Random Bin Picking)功能测试、高识别速度(0.5sec/image)、非平行式立体视觉技术，抑或高精度三维座标估测(0.5mm)，随着能力增强，应用格局自然扩大许多；总括而论，具备视觉影像识别能力的工业机器人，不但可以依照用户缺省的程序执行生产作业，而且在某些情况下，它们就好比人类一般，能够现场环境加以感知，所以会随着环境变化而调整其作业，有利于提高其动作的正确性。

然机器视觉看似甚为实用，但用户仍需静心思考，此项技术绝非此刻才初来乍到，而是已经存在世界颇长一段时间，却始终未形成百花齐放的荣景，深究个中缘由，自然是有一些蹊跷存在；甚至有若干深谙此道的用户，尽管眼见相关技术不断进步，依然戒慎恐惧。

究竟蹊跷为何？说穿了，即是过往出现过太多失败案例。有业者指出，持平而论，影像处理是一门相当艰涩的学问，若无扎实的程序语言、影像分析等底层基本功，恐怕难以顺利上手，特别在于大环境方面，台湾始终缺乏相关学程教育，导致人才相对欠缺，另外在大多数使用环境中，用户往往对于机器视觉多所轻忽，且倾向将工程师的人力资源用到极致，因此常见的情况是，一位工程师必须从头到尾管理其所负责的生产设备，大大小小事务都得涉猎，机器视觉仅是其中一环，但视觉检测技术颇为艰难，本来就需要较长的学习与适应时间，因此受限于工程师无法聚焦的情况下，自然无法稳定维持的检测品质。

久而久之，造成不少制造业主在看待机器视觉解决方案时，总有着挥之不去的质疑，要想扭转这个现象，系统整合商势将扮演重要角色，其不能只想着尽快将产品卖给用户，而需要提供完善的技术支持、甚至是谘询顾问服务，引导用户能根据实际检测需求，搭配最恰当的视觉软件、Lens、光源等各式配备，建立相对稳定实用的视觉系统。

另外，制造业者也需建立正确观念，并不是导入机器人或机械手臂，就认为自己已达到智能制造，而需要配合整个制造流程管理的全面改造，譬如将MES与ERP整合，藉以促使生产线与经营管理层次之深度融合，方能相辅相成发挥综效。