The Future of Supply Chain
工業 4.0，也有人將之稱為第四次工業革命，從德國率先提出這個說法以來，全球隨之興起，各國開始有了自己的「口號」，包括美國推動「先進製造夥伴計劃(AMP)」，以及日本、韓國、法國、英國，工業 4.0 的概念遍地開花。
智慧工廠驅動全球經濟
智慧工廠是推動工業4.0的重要引擎，借助物聯網、機器人、大數據、人工智慧等技術，不僅可借此提高生產力與製造效率，更同時也成為驅動全球經濟的一股力量。國際管理顧問公司 Capgemini 發佈一項研究調查報告，該報告針對營收超過 10 億美元的製造商進行調查，根據這份報告中的數據指出，製造商預期對於智慧工廠的投資，將在未來五年內，促使製造效率提高達 27%，相較於 1990 年代的速度成長有七倍之多，不僅如此，這也將挹注全球經濟高達 5000 億美元，甚至可望來到 1.5 兆美元的驚人價值。
智慧工廠成為全球產業，邁向工業 4.0 的過程當中，必然歷經的轉型過程，目前各國也都在加速智慧工廠的建置，該報告還指出，預估到了 2022 年底，在這些製造商的工廠當中，將有 21% 的比例，將會是一座又一座的智慧工廠。
而若從目前各國佈署情況來看，如美國、德國、法國及英國等，這些在早期便已投入智慧工廠計劃的國家，已有半數著手轉型智慧工廠，但在印度及中國卻僅有 28% 及 25%。
德國雖一向被認定為全球製造業的標竿，但現階段也無一家企業可以達到真正 4.0 的水準，那麼我們的企業也就更不用說了。更何況轉型工業 4.0 的確不是件容易的事，由於過去各部門分工精細，從營運層、管理層、現場端等各自為政，但因工業 4.0 訴求軟硬體、跨部門垂直整合，且每一家企業在導入的訴求上皆有所不同，從確保企業各部都能夠掌握整個流程運作，就已非易事了，何況後續還得深入研究技術層面，執行的問題。
「邁向工業 4.0 實是一段漫長的過程，不可能一蹴可及，即便是如鴻海、英業達，以及堪稱『最接近 4.0』的台積電等大廠，也不敢自稱完全達到工業 4.0。」
面對台灣企業的現況，鼎新計算機副總裁潘泰龢與陳慈婷皆一致這麼認為。
但當企業欲導入工業 4.0 時，首要面對的卻是「不知道自己能做些什麼。」博世工廠自動化銷售協理陳俊隆就觀察到，發展工業 4.0 最大的阻礙，是來自於客戶的需求不明確。台灣的製造業也面臨了相同的問題，大家都不知道自己應該如何著手，所以他們需要一個有相當製造經驗的專家，去檢視工廠內部的問題點是什麼，並且如何優化。
若是這一類的廠商不能明確的瞭解自身需求，那麼即可能產生需求方與供給方的落差。
而對於智慧工廠，鴻海集團副總裁呂芳銘也表示，企業真正的根本在於「核心」，也就是自身的實力，最重要的是要把本業做好，強化企業的運作與提升競爭力，再加上物聯網等科技方法的協助，才能「如虎添翼」，否則只會畫虎不成反類犬，淪為一隻「蝙蝠」。
圖一 : 智慧工廠是推動工業 4.0 的重要引擎，不僅可借此提高生產力與製造效率，同時也成為驅動全球經濟的一股力量。(Source：shmds)
關燈工廠≠智慧工廠
談到智慧工廠的發展，機器人可以說是其核心裝備之一，尤其在現今勞動人口缺乏的情況下，工業機器人更是替代人力的不二首選。不論是傳統工業機器人，到現今越來越廣泛使用的協作型機器人，目的都是在為整個工廠提升生產效能。
根據國際機器人聯合會(IFR)的報告指出，截至 2019 年，全球佈署的工業機器人，將會增加到 260 萬台，這比過去寫下新紀錄的 2015 年時期，又增加了約一百萬台。而從行業區分，則有 70% 的工業機器人被應用在汽車、電子及金屬機械等領域較多，可視為需求最為強勁的市場。
被外界譽為智慧工廠的標竿，鴻海集團的關燈工廠目前朝第六座邁進，預計年底將成立。這些關燈工廠手中握有 6 萬台工業機器人，大軍實現全自動化生產線，規模堪稱全球之最，但即便如此，鴻海也不敢自詡自己走在「工業 4.0」上，而是稱自己在「工業 3.5」的階段。
許多人在定義工業 4.0 的時候，大部分都會認為應是一座充滿全自動化的工廠。但事實上，一間全自動化的工廠，並不能代表即是智慧製造，因為自動化技術，從過去到現在持續不斷演進，並不是應對工業 4.0 的浪潮下所應運而生。國際工業大數據專家李傑就說，「自動化」可以取代人力，執行重複性的工作，把做不好的工作做好，但「智慧化」卻可以做到人力不能做的事情，甚至做得更好。
對於智慧製造，我們應該著重思考的是「智慧化」而非自動化。鼎新集團副總裁潘泰龢表示，推動智慧化的關鍵，就在於人工智慧，賦予機器如人的大腦般具有分析、思考、推論、決策的能力，未來不需要人類在一旁監看，也能做出相應且合適的決策，這才是真正關燈工廠的意義。呂芳銘在 Computex 2017 展會上也曾表示，鴻海發展關燈工廠的下一步，就是要透過大數據、人工智慧等技術實現智慧化。
圖二 : 被外界譽為智慧工廠的標竿，鴻海集團的關燈工廠目前朝第六座邁進，預計年底將成立。圖為富士康崑山廠板對板連接器母端生產區。(Source：new0.net)
人工智慧領銜機器人
不過人工智慧的定義很廣泛，這當中由許多技術集結而成，尤以工業機器人而言，機器學習的應用十分重要。比較淺顯的說法，就是讓機器人去模擬或實現人類的學習行為，以獲取新的知識或技能，並重新組織已有的知識結構，使其不斷改善自身的性能。
領軍全球工業機器人的製造商庫卡(KUKA)表示，人工智慧可協助機器人適應環境，所帶來的不確定性與任何變動。不僅工業環境，機器人勢必還會進入其他應用領域，如專業服務型機器人或一般服務型機器人，這些機器人的對象則變成一般大眾，因此必須變得更加靈活、更具調性，而此時，機器學習將會派上用場，協助這類型的機器人，對於應用領域所需的專業技能更加熟稔，與迅速適應私人環境。
結合人工智慧技術的機器人，庫卡便透過開放模式來收集並解讀數據，並借助 Microsoft Azure 雲端平台，對這些數據進行分析。而庫卡目前也正在針對許多項目進行研究中，例如 RobDream。在 RobDream 中，機器人能夠在停工階段，提升自己的能力進行優化，和人類一樣處理發生的事情，並從經驗中學習，像是針對算法進行情境相關的優化與配置。
對於庫卡而言，有一個特別重視的市場，就是電子業。原因在於現今市場上有越來越多電子產品推陳出新，許多業者因此必須加快產品的開發速度、縮短產品生命週期來迎戰對手，因此產線需具備高度的靈活性，以滿足快速變化的生產需求，但此同時，又必須要求成本盡可能維持在最低的水準，庫卡表示：「這正是我們的機器人發揮作用的地方！」。
日本工業領域人工智慧專家 Tomi 則認為，機器學習可為將來生產線帶來一些重大變化，「它正在改革整個製造環境」。例如，透過機器視覺代替過去，以肉眼進行檢查作業，這種方式是透過把工程師的人工檢測經驗，轉化為深度學習算法去實現無人化檢測。
或是大幅改善工業機器人，在進行零件分撿的作業性能，經過機器學習後，機器人即可知道每次的動作是成功或是失敗，亦或是移動到哪個位置，會有更高的成功率等，根據實驗證實，機器人在歷經 8 小時的學習後，分撿成功率竟可達到 90%，這已和一名純熟的作業人員擁有相當的水準。
甚至，更可作為工業機器人的故障感知，在異常前預測，從而避免機器故障帶來的損失和影響。現在的工業機器人大多配有感測器，來蒐集正常或異常工作時的波型、電流等訊息，而透過機器學習後，透過反覆觀測到的波型，可以檢測到人類難以感知的細微變化，並在機器人徹底故障前就提出預警。
圖三 : 人工智慧賦予機器如人的大腦般具有分析、思考、推論、決策的能力，未來不需要人類在一旁監看，也能做出相應且合適的決策。(Source：CBC.ca)
工業 4.0 發展至今仍無標準化的架構，為此也在執行上增加不小的難度，面對智慧製造的轉型，企業在踏出第一步前，必須先瞭解自己最主要的需求為何，而非僅僅追求百分百的自動化生產流程。而諸如人工智慧等新技術的出現，或許一般中小企業或傳統產業等「門外漢」，對此並不瞭解，因此最好的方法，還是不要自行關起門來做，而是訴求專業分工，借助如系統整合商的專業技術協助導入，以達到優化的效果。
沒有留言:
張貼留言