工业4.0(Industry 4.0)强调在安全的环境中提升工作效率与生产力,因此工业4.0开始发展时,特别专注生产机器的运转效能,以及如何避免因机器损坏造成的损失。此时,工业4.0的重点在于工厂内部的网络与生产机器上的传感器如何有效链接,并通过大数据分析,以期将生产力发挥极致。

但工业4.0终极目标不仅限于厂房中的高效率、安全性,还包括如何减少浪费、改善供应链、再度提升安全性和效率,以及更佳的服务…等,然而这些问题如何解决?3D成像、增强现实(AR)、人工智能(AI)、机器人、可穿式装置,以及智能运输等新兴技术将可能成为关键。

工业4.0市场仍然相当畅旺

德国提出工业4.0概念至今,各家厂商纷纷响应,不仅将工业4.0导入自家工厂生产线;也有业者聚焦在相关产品与系统的研发,让工业4.0成为物联网(IoT)中最受瞩目的应用之一。业界亦提出工业物联网(IIoT)、智能工厂与智能制造的说法,这些“专有名词”背后代表的意义基本上是环环相扣的。

无论工业4.0、工业物联网或是智能工厂、智能制造,其衍生的商机持续不断的获市调单位或相关业者的重视。TrendForce旗下拓墣产业研究所预估,2018年全球智能制造及智能工厂相关市场规模将达2,500亿美元。

20171102_02_robot02

2016~2018年全球智能制造市场规模预测(来源:拓墣产业研究所)

这股以智能制造推动传统制造模式转型的潮流正热烈发展中,其中智能制造即是与全面连网、自动化与生产效益等划上等号,让传统工厂朝工业4.0发展。而这股火热的工业4.0潮流实有赖于各国积极推出各项政策推波助澜,但随着AR、通讯技术、机器视觉、人工智能/深度学习(deep learning)等各项新旧技术的再翻新及蓬勃发展,这些技术亦逐步被导入工业4.0应用中,受惠于此,工业4.0的发展将更能契合其所欲达成的终极目标——更智能、更节省成本、更自动化、更高的生产效率与竞争力,以及更安全的人机协作。

AI改变制造设备“思维”

随着智能制造或工业4.0的导入,未来工厂厂房中最多的不是操作人员而是工业机器人。现阶段,工业机器人通常是写入作业顺序的程序后,由人员操作,一个口令一个动作地完成所需执行的工作,且若需与生产在线的操作员共同工作时,还需有隔离设备,以免工业机器人“不小心”伤害到工作人员。

工业4.0刚开始发展时,在德国的确发生过协作型机器设备致人于死的事件。然而,若仅是让工业机器人依指令动作,这样只能说是半自动化,一些比较精细的作业,仍然需要人工执行。达明机器人(Techman)研发处软件设计部项目经理黄钟贤表示,传统的机器人需要和作业员分开,以免机器人运作时,因为没有“意识”到与作业员太过接近,而不小心误伤。另外,现阶段的工业机器人,能进行的工作很“单一”,机器人无法“举一反三”,做到更多人工才能达成的工作,例如在一个物品很多的大箱子中,正确取出所要的物品,而这些都可以通过人工智能与深度学习来“教导”机器人,进一步达成全自动化的目标。

事实上,早在2016年世界经济论坛(WEF)时,论坛中就已将人工智能视为“第四次工业革命”的核心,与会者并预言这个技术将对全球产生翻天覆地的影响,可见未来人工智能的重要性。

甚至,根据瑞士银行今年4月最新研究表示,2030年人工智能在亚洲可创造最高可达3万亿美元的经济价值,受影响最大的将是金融、健康医疗、制造、零售与运输业。瑞士银行研究报告并提到,人工智能对各行各业的影响可分为两个层次:第一是产品与服务本身的转变;第二是运用人工智能在制程、管理或商业流程上,可以大幅促成产业升级。

此外,Gartner也点名将受惠人工智能的十大硬件产业,包括电子零组件、网通产业、半导体,大到汽车产业、机器人,全都上榜。人工智能技术的大突破,也让智能机器人产业如虎添翼,更是产业迈向工业4.0的关键,Gartner指出,2018年,全球工业机器人市场预估可达新台币1.1万亿元(约2400亿人民币),而台湾机器人产值,2015年已达新台币570亿元(约125亿人民币),其中有九成是发展工业机器人。

由此可见,人工智能与深度学习将进一步推升工业4.0发展,并对产业造成新的正向的影响。黄钟贤强调,人工智能与深度学习技术不仅自身发展前途无量,在工业4.0应用中,还能让工业机器人变得更加易于使用,解决更多工业4.0衍生出的挑战。

机器视觉让设备“看”得更清楚

工业机器人要能摇身变为真正的协作机器人,或是进行更精密的检测工作,除了通过人工智能与机器学习之外,机器视觉亦不可或缺。黄钟贤认为,通过安装摄影机使工业机器人拥有视觉能力,如此一来,工业机器人可以更准确辨别物品,操作员也可以透过工业机器人的“眼睛”看到生产在线的状况。

凌华科技(ADLINK)表示,机器视觉并非新技术,在自动化生产中,机器视觉早已被导入用于品管检查,或是增添在工业机器人上。但随着摄影机与算法的进步,机器视觉的辨识度也越来越高,除了品管之外,也开始用在其他需要“辨识”能力的工业应用中。

不过,品管仍是目前机器视觉最大宗的应用领域,但未来工业机器人要能看得更细微,就需要加入人工智能与深度学习等较强的运算技术。黄钟贤举例,达明机器人目前的工业机器人仅配备2D视觉,因此利用GPU显示适配器进行每秒数百张、几百万画素的图像处理,仍绰绰有余。不过,若是要更精密的检测物品,例如现阶段还是只能人工目检的产品外表小瑕疵,则需要3D视觉,此时就更需要处理能力更强大的深度学习与人工智能算法。

黄钟贤强调,在智能制造应用中,物品检测是很难自动化的部分,因为产品外表瑕疵的判断方式仍难以化为工业机器人能理解的程序语言,但通过机器视觉、人工智能与深度学习,即可“告诉”品管检测机器设备,什么样的外观或是状态,就是有问题的产品,而机器设备也可以根据这样的“学习知识”,先将有问题的产品拦下来。

20171102_02_robot03

人工智能、深度学习与机器视觉让机械手臂可以操作更精细的工作(来源:达明机器人)

AR创造更多互动

虽然AR一开始发展是在消费性即游戏市场较为蓬勃,但是在制造业现场,AR正在渐渐改变工厂的一切。事实上,无论是产品设计与测试、产品与工厂运作,或是销售及维修服务,都有运用AR的机会,因此,目前AR已被视为工业4.0重要的应用技术之一。

在今年的台北国际自动化工业大展中,可以看到多家业者运用AR技术,在许多工业制造环境中。威强电工业计算机(IEI)表示,通过AR,可以让工作者深入遥远、具危险性..等不易或不适合工作人员进入的地区,或是通过AR呈现产品制造完成的影像与各类信息,消费者或是客户也可以通过AR了解更多产品细节,因此产业界的确已开始渐渐将AR导入,实现工业4.0的精神。

但相关业者亦透露,不可讳言,AR目前的技术发展未臻成熟,包括头盔与相关装置过于笨重、行动化仍有进步空间,因此AR要全面应用在工业4.0,还有一段路要走。

通讯技术使人与机器进一步沟通

工业4.0组成要素中,通讯技术是最不可或缺的一环,这是由于传感器收集的数据必须向云端传送,才能被“知道”,甚至进一步运算及分析。高通(Qualcomm)产品管理资深副总裁Serge Willenegger指出,一些正在进入工业4.0应用领域的技术,如AR、无人机…等,需要更短的延迟时间,以及更高的传输速率,才能发挥效用,而5G即相当适用。

5G不仅Gbps等级的传输速率可与光纤网络媲美,面对智能工厂需要极大的讯号覆盖率,5G新空中接口(New Radio,NR),以及NB-IoT亦可做到,因此可以预见未来5G技术在工业4.0应用中也将扮演重要角色。

工业环境中,要求无线网络技术具备相当的覆盖率,尤其是传感器网络,需要广布节点,因此包括ZigBee、Thread…等短距无线通信技术,自然是工业4.0应用的通讯技术选项。近期蓝牙技术联盟(Bluetooth SIG)即推出蓝牙网状网络(Mesh),供建置或开发工业4.0相关应用的业者新的选择。

蓝牙SIG全球营销副总裁孔德容(Ken Kolderup)表示,基于低功耗蓝牙的蓝牙Mesh,具备稳定、可扩充1000个以上节点、安全、低功耗与大规模特性,因此可用于工厂自动化、用于机器监测的无线感测网络…等应用。且当初规划蓝牙Mesh技术时,即将工业应用环境考虑在内,因此不仅可符合工业4.0应用需求,也可让使用者更便利地使用现有的移动装置控制或得知工厂的运作情况。

不仅无线网络的新进展,提供工业4.0稳定发展的养分,工业以太网络也有新的动作。台湾西门子(Siemens)数字工厂与制程工业暨驱动科技事业部总经理席德朗(Tino Hildebrand)表示,工业4.0要能持续发展,数字化是关键,而在工业4.0中,工业通讯就是数字化的基础。

工业通讯中最主要的通讯技术则是工业以太网络,然而市场上工业以太网络标准众多,采用不同标准会让网络彼此间无法共通,势必阻碍工业4.0的发展,因此身为工业网络国际标准“Profinet”与“Profibus”的主要推动者,西门子在台湾也与合作伙伴成立“台湾工业网络协会”,以将工业网络的最新技术与未来趋势导入台湾,可望协助台湾工业网络的进步。

席德朗认为,台湾制造业者早期购置的设备,多不具备连网功能,导致这些业者在跨入工业4.0时面临重重障碍,为了让人、机器、产品之间的沟通链接更顺畅,并藉此收集大量生产数据信息即刻上传到云端,通过Profinet与Profibus将可满足业者智慧生产需求,也可让有意进入工业4.0的业者,能够缩短“阵痛期”,加速工业4.0在台湾的发展。

(本文来源于EET Taiwan)