实现DIKW的落地进化 追求智能制造OT/IT/CT的完美整合

中原大学机械工程学系特聘教授暨智能制造研发中心副主任锺文仁。

随着DeepMind、OpenAI、开源软件的发展，带给人们对AI及深度学习的再掀热潮，乃至对「协助、取代、超越人类」之代理人的无限想像，但也为智能制造带来了设备、技术、经验、营运等面向的未来，是要用AI主导来整合领域知识，还是领域知识主导来整合AI的困难与挑战。

中原大学机械工程学系特聘教授暨智能制造研发中心副主任锺文仁表示，我们可以从模具设计/制造与试模量产挖掘出制程技术与设备的智能，从制造规划中累积出特徵识别的智能，从示范产线中找到营运的智能。在这过程中，如何从庞杂的巨量数据中逐步萃取出DIKW(数据、信息、知识、智能)才是智能制造永续发展的目标与挑战，换言之，DIKW的落地进化无异是智能制造的无限挑战。

当前的塑胶产品与材料充斥在我们周遭的生活、娱乐、交通与生医等领域之中，这些产品历经了模具设计导引、精密加工检测、塑胶材料性质、射出成型导引等制程。这中间涉及了包含功能构想、产品设计、模具设计、试模量产等面向，乃至何以出现烧焦、熔合线、翘曲及毛边等缺陷原因的知识与经验，这都是整个塑胶射出成型的核心技术所在。

进一步而言，其核心技术包括关乎塑胶材料，乃至机械手臂、CNC机、放电机、线割机、成型机等设备的操作科技(OT)，关乎ERP、MES、CPS、模具导引系统、试模导引模块及缺陷排除模块的信息科技(IT)，以及将OT与IT介接串联的各种通讯科技(CT)。锺文仁另外列举了深度学习应用于制造规划与加工排程的挑战，包括有效数据的蒐集、如何使模型学习有用的特徵、深度模型的建立与优化，以及如何与领域知识整合等。

中原大学透过智能制造示范场域，进行制造规划、加工排程与试模量产的落地实证，以及品质虚拟量测的确定，并建立了从数据、信息到知识、智能的经验与知识管理架构体系，其进行的项目包括预估工时分析与知识回馈、模具制程分析、零件统计可视化与加工排程可视化。

智能制造研究发展中心提供数据仓储串接专案信息，以进行机器学习的icCloud、预估模具交期及协调动态工序的icMES、执行模具设计及规划制造工序的icMold、确定成品规划及掌握预估交期的icERP，此外还有排程与加工、试模与量产两个站点的监控。

锺文仁表示，因应智能制造的未来，该中心打造了工业4.0云端信息平台，该平台集结了模具设计、制造规划、加工排程与试模量产，在进行数据串接与信息沟通之后，会将加从加工流程、机台现况、品管量测，到突发事件、设计内涵、公差分析及规划细节等循环结果传送至MES/CPS，以进行大数据的统计分析与机器学习。