人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)等新一代信息技術(shù)與傳統(tǒng)制造技術(shù)的融合，不僅促進(jìn)了制造業(yè)的發(fā)展，也讓智能制造成為傳統(tǒng)制造業(yè)的發(fā)展目標(biāo)。如今企業(yè)要真正的實(shí)現(xiàn)智能制造，打通任督二脈是關(guān)鍵。

智能制造、工業(yè)4.0、工業(yè)物聯(lián)網(wǎng)(IIoT)…等引發(fā)的制造產(chǎn)業(yè)新革命正如火如荼地展開。其中，2019年移動通信技術(shù)正式開始進(jìn)入商用部署階段，借助5G技術(shù)特性，以及其他通信技術(shù)、創(chuàng)新組件，包括增強(qiáng)現(xiàn)實(shí)(AR)、人工智能(AI)、機(jī)器視覺、深度學(xué)習(xí)，以及云端服務(wù)…等，皆可望快速打通工業(yè)市場前端智慧化到后端云端服務(wù)管理的任督二脈，協(xié)助企業(yè)實(shí)現(xiàn)工業(yè)4.0智能制造愿景。

任脈——AI滲透至終端設(shè)備

智能制造的終極目標(biāo)之一是實(shí)現(xiàn)能夠自我管理的無人工廠，因此將人工智能、機(jī)器學(xué)習(xí)等功能導(dǎo)入廠房生產(chǎn)機(jī)器內(nèi)部，讓機(jī)器可自行學(xué)習(xí)、排解困難，是目前智能制造發(fā)展項(xiàng)目之一。但人工智能與機(jī)器學(xué)習(xí)系統(tǒng)并不是那么容易建構(gòu)，需要有專門的相關(guān)人才，才能建構(gòu)符合各個(gè)制造現(xiàn)場所需的機(jī)器學(xué)習(xí)環(huán)境。

Amazon Web Services(AWS)解決方案架構(gòu)師黃振維表示，建立整個(gè)機(jī)器學(xué)習(xí)系統(tǒng)時(shí)，選擇算法、構(gòu)建環(huán)境、將數(shù)據(jù)丟入系統(tǒng)中訓(xùn)練，以及仿真訓(xùn)練結(jié)果是否符合預(yù)期等步驟是無法避免的，且在具備數(shù)據(jù)與機(jī)器學(xué)習(xí)專家的情況下，還需要3~6個(gè)月才能完成整個(gè)機(jī)器學(xué)習(xí)的訓(xùn)練工作。但對于完全不具備機(jī)器學(xué)習(xí)相關(guān)知識人才的企業(yè)來說，很難在3~6個(gè)月內(nèi)完成訓(xùn)練，勢必會需要花上更多時(shí)間。所幸，Amazon在機(jī)器學(xué)習(xí)、人工智能所有的相關(guān)服務(wù)不但開放給客戶，更不斷更新現(xiàn)有的工具，以協(xié)助企業(yè)快速建立自有的機(jī)器學(xué)習(xí)系統(tǒng)。

值得注意的是，要能訓(xùn)練出令人滿意的機(jī)器學(xué)習(xí)模式，數(shù)據(jù)很重要。黃振維指出，要讓機(jī)器學(xué)習(xí)系統(tǒng)更加準(zhǔn)確，收集“有用”的信息很關(guān)鍵，但企業(yè)在收集信息時(shí)得先判斷需收集何種信息，才能經(jīng)過運(yùn)算成為有用的機(jī)器學(xué)習(xí)材料，這個(gè)過程也相當(dāng)耗時(shí)。更何況，這個(gè)部分沒有做好，后續(xù)建立的機(jī)器學(xué)習(xí)模型很可能會失敗，或是不合預(yù)期。有鑒于此，Amazon也提供了相關(guān)服務(wù)，以期能夠協(xié)助企業(yè)在構(gòu)建機(jī)器學(xué)習(xí)的每一個(gè)過程中，能夠一路過關(guān)斬將，順利建立可用、精準(zhǔn)、具自我學(xué)習(xí)能力的機(jī)器學(xué)習(xí)系統(tǒng)。

終端設(shè)備智能化進(jìn)行中

所謂智能制造是指在工廠內(nèi)具備感知制造機(jī)械狀況、機(jī)械具備自我管理、決策等功能，更重要的是提升整體生產(chǎn)效率，換句話說，工廠內(nèi)部的設(shè)備或是中控中心都需要智能化。其中，機(jī)器視覺功能是提高生產(chǎn)效率關(guān)鍵的一環(huán)，為讓機(jī)器的“眼睛”看得更清楚、判斷更準(zhǔn)確，機(jī)器視覺加上人工智能勢必成為大勢所趨。

碁仕科技(G4 Technolohy)總經(jīng)理周坤仁說，機(jī)器視覺是為了取代人眼而生，利用機(jī)器視覺可進(jìn)一步降低人力及不良品流入市面需要回收的成本、提高產(chǎn)能，且視覺檢測結(jié)果累積的大數(shù)據(jù)，可進(jìn)一步配合統(tǒng)計(jì)模型，讓企業(yè)推導(dǎo)出質(zhì)量管理與決策方向，因此在智能制造中，機(jī)器視覺的重要性日益突出，并已大量被導(dǎo)入生產(chǎn)線中。

目前機(jī)器視覺的四大主要應(yīng)用包括對位辨識(Guidance)、瑕疵檢測(Inspection)、尺寸量測(Gauging)與文字和條形碼識別(Indentification)，不過，現(xiàn)有的機(jī)器視覺技術(shù)卻也面臨無法提升復(fù)雜圖像的分辨率，以及無法測量深度及厚度等門坎，此時(shí)，人工智能深度學(xué)習(xí)算法與3D測量技術(shù)將可望解決上述挑戰(zhàn)。周坤仁表示，機(jī)器視覺加上人工智能與3D測量技術(shù)，不僅可讓機(jī)器具備判讀復(fù)雜圖像瑕疵的能力，還可以在同一臺機(jī)器上添加厚度和深度的檢測功能，是實(shí)現(xiàn)工業(yè)4.0工廠自動化的重要環(huán)節(jié)之一，可以說，工業(yè)市場人工智能與3D測量時(shí)代即將來臨。

根據(jù)Research&Markets全球市場研究報(bào)告統(tǒng)計(jì)數(shù)據(jù)顯示，未來人工智能與3D測量技術(shù)成長將大于機(jī)器視覺，2017~2022年整體機(jī)器視覺年復(fù)合成長率約為8.15%、人工智能視覺軟件年復(fù)合成長率高達(dá)49%；3D視覺產(chǎn)品的年復(fù)合成長率則為11.07%。該單位并預(yù)計(jì)2022年整體機(jī)器視覺市場產(chǎn)值預(yù)估為1443.億美元，其中人工智能視覺軟件的產(chǎn)值將達(dá)9.97億美元；3D機(jī)器視覺產(chǎn)品產(chǎn)值則將達(dá)21.3億美元。

除了機(jī)器視覺之外，工廠生產(chǎn)設(shè)備還有其他部分也開始進(jìn)行智能化，換句話說，人工智能也開始滲透到生產(chǎn)設(shè)備的其他部分。意法半導(dǎo)體亞太區(qū)技術(shù)營銷經(jīng)理余玟宏表示，馬達(dá)訓(xùn)練、傳感器融合、語音控制…等，都是人工智能的范疇。更重要的是，目前這些應(yīng)用領(lǐng)域大多還是透過人為訓(xùn)練機(jī)器的方式，因此通過微控制器(MCU)即可執(zhí)行相關(guān)人工智能算法。

事實(shí)上，微控制器在工業(yè)物聯(lián)網(wǎng)的重要性，執(zhí)行人工智能算法，使終端設(shè)備更加聰明，只是近期的一項(xiàng)新功能，微控制器在整個(gè)智能制造架構(gòu)中，是分布在各部分的“小大腦”，控制著馬達(dá)、人機(jī)接口(HMI)、通信、云端鏈接、數(shù)字電源控制...等。余玟宏指出，過去，工廠系統(tǒng)中，就需要微控制器來處理、控制大小事務(wù)，而引入智能制造概念后，微控制器的地位與被采用數(shù)量也跟著水漲船高，甚至也能運(yùn)行較簡單的人工智能算法，促使智能工廠相關(guān)企業(yè)從微處理器(MPU)轉(zhuǎn)而使用微控制器。

ADI分銷銷售經(jīng)理Daniel Ho表示，未來是數(shù)字的世界，而數(shù)字的信號需要從模擬信號轉(zhuǎn)換而來，例如工廠機(jī)械設(shè)備電流電壓狀況要能被傳感器所理解，就需要轉(zhuǎn)換器將模擬信號轉(zhuǎn)換成數(shù)字信號，以進(jìn)一步連結(jié)現(xiàn)實(shí)的模擬世界與機(jī)器的數(shù)字世界。若是轉(zhuǎn)換器不夠精確，收集到的數(shù)據(jù)對人工智能、機(jī)器學(xué)習(xí)算法來說，就會是沒有任何幫助的“垃圾”，人工智能機(jī)器學(xué)習(xí)的效果將大打折扣。

為了避免此種“賠了夫人又折兵”的狀態(tài)，工廠設(shè)備智能化的過程中，不能僅琢磨微控制器單一器件能否執(zhí)行人工智能算法，而是得考慮到更細(xì)的器件，轉(zhuǎn)換器即是一例。

另外，要讓工廠設(shè)備，也就是邊緣裝置運(yùn)行中的各項(xiàng)數(shù)據(jù)情報(bào)，可以被完整的收集、分析，所牽涉的器件相當(dāng)廣。Maxim技術(shù)應(yīng)用部門資深工程師顏金福指出，包括傳感器、IO、傳輸技術(shù)、電源相關(guān)組件…等，都是在架構(gòu)完整、安全性兼具的智能制造系統(tǒng)時(shí)，不能忽略的組件。

舉例來說，一般工業(yè)設(shè)備系統(tǒng)采用的電壓是24V，目前雖然有部分開始朝48V轉(zhuǎn)換，但無論是目前主流的24V或未來將越來越普遍的48V電源系統(tǒng)，都有可能因?yàn)槭袌鲆蟾　⒏悄艿南到y(tǒng)時(shí)，而使整體電路架構(gòu)遭遇浪涌，此時(shí)，外部分壓電組、隔離組件就必須在設(shè)計(jì)時(shí)一并考慮，以防止浪涌造成機(jī)械或操作員損害。

督脈——由局端至云端

智能制造前段裝置智能化之后，接下來則是要考慮如何鏈接個(gè)別制造機(jī)器的信息，向后段傳輸?shù)皆贫诉M(jìn)行分析，再回傳給機(jī)器進(jìn)行訓(xùn)練學(xué)習(xí)。目前在工廠端的傳輸技術(shù)有上百種，并未統(tǒng)一，對于企業(yè)來說，會遭遇不兼容、導(dǎo)入每種通信技術(shù)可能會大幅提高布建成本等難題。

德州儀器(TI)資深應(yīng)用工程師兼科技委員林忠衡表示，根據(jù)不同的應(yīng)用環(huán)境對于無線技術(shù)的需求勢必不同，例如Sub-1GHz技術(shù)適用于傳輸距離遠(yuǎn)、電池供電、須具備強(qiáng)健性的應(yīng)用環(huán)境；藍(lán)牙則是高速、傳輸更多信息、通過手機(jī)控制的狀況，其他包括Thread、Wi-Fi…等技術(shù)也有各自的優(yōu)勢與適用情境。如果企業(yè)遇到需要配置好幾種通信技術(shù)的狀況，或是研發(fā)支持多標(biāo)準(zhǔn)的裝置時(shí)，每一種無線技術(shù)都采用一顆微控制器，不但整個(gè)系統(tǒng)設(shè)計(jì)會變得相當(dāng)復(fù)雜，成本也會因而增高不少。

有鑒于此，微控制器企業(yè)也開始在其產(chǎn)品中支持多標(biāo)準(zhǔn)或多協(xié)議，以協(xié)助相關(guān)廠商能快速、簡單的進(jìn)行設(shè)計(jì)工作。Silicon Labs業(yè)務(wù)經(jīng)理江志良認(rèn)為，無論工業(yè)或是智慧家庭等物聯(lián)網(wǎng)應(yīng)用，已可看到有越來越多的產(chǎn)品需要支持多協(xié)議標(biāo)準(zhǔn)，而若能在單一芯片中支持多協(xié)議，預(yù)期可以節(jié)省40%的成本。

SiP實(shí)現(xiàn)多標(biāo)準(zhǔn)芯片

要實(shí)現(xiàn)在單一芯片支持多協(xié)議，滿足智能制造、工業(yè)物聯(lián)網(wǎng)應(yīng)用所需，通過封裝技術(shù)，將是一條較平坦的道路。日月光(ASE)集團(tuán)總監(jiān)鄭民耀指出，系統(tǒng)級封裝(SiP)相較于系統(tǒng)單芯片(SoC)，將可在芯片子系統(tǒng)(sub-system)內(nèi)部，使用所有如內(nèi)存、射頻(RF)等最先進(jìn)的功能，還能整合特殊的組件，如振蕩器，而無須遷就SoC工藝是否兼容的問題。

此外，SiP也可打造最完善的系統(tǒng)芯片，具備更小尺寸、更低系統(tǒng)成本的特性，因此在各種物聯(lián)網(wǎng)應(yīng)用中，企業(yè)可通過不同的排列組合，打造具備各種可能性的芯片。不過，鄭民耀也坦言，物聯(lián)網(wǎng)或是工業(yè)物聯(lián)網(wǎng)市場對于芯片少量多樣的需求，SiP的彈性的確稍顯不足，若是已確定要走“成套”的芯片方式，如射頻與微控制器的整合，SiP技術(shù)會較為合適。

模擬工具簡化5G設(shè)計(jì)

工廠內(nèi)部的短距無線技術(shù)，可通過網(wǎng)狀網(wǎng)絡(luò)(Mesh)覆蓋整個(gè)廠區(qū)，但要將工廠連接到云端，則非5G技術(shù)莫屬。Ansys區(qū)域技術(shù)經(jīng)理魏培森表示，5G移動技術(shù)具備許多突破的特性，如超低延遲、超高傳輸速率、更大的覆蓋范圍、更大的帶寬等，使得5G技術(shù)在智能制造或是其他應(yīng)用市場實(shí)現(xiàn)增強(qiáng)現(xiàn)實(shí)、虛擬現(xiàn)實(shí)(VR)、人工智能、機(jī)器學(xué)習(xí)…等創(chuàng)新，更可通過5G技術(shù)將工廠與云端連結(jié)起來。

然而也因?yàn)?/span>5G的技術(shù)特性，需要采用不同以往的新技術(shù)，如Massive MIMO、新調(diào)制方式、陣列天線，以及5G還采用設(shè)計(jì)師較陌生的毫米波頻段，因此無論是天線、裸晶、封裝、PCB…等5G系統(tǒng)各部分的設(shè)計(jì)，對設(shè)計(jì)工程師而言，都將變得相當(dāng)復(fù)雜且難以想象。

因此，若是設(shè)計(jì)工程師可以在設(shè)計(jì)早期通過仿真的方式，進(jìn)行產(chǎn)品驗(yàn)證，不僅可以做出優(yōu)化的設(shè)計(jì)，也可以避免產(chǎn)品接近成品，在驗(yàn)證時(shí)才發(fā)現(xiàn)設(shè)計(jì)缺陷，以至于要重啟設(shè)計(jì)工作的時(shí)間及人力成本的浪費(fèi)。魏培森進(jìn)一步強(qiáng)調(diào)，即使仿真軟件的價(jià)格可能讓工程師“倒吸一口空氣”，但與能夠節(jié)省的成本相比，仿真軟件的售價(jià)其實(shí)沒有想象中的不親民；再者，善用仿真軟件可讓工程師在產(chǎn)品硬件尚未誕生時(shí)，就可以先掌握對的產(chǎn)品結(jié)構(gòu)與材料，免得最終做出來的產(chǎn)品不符合預(yù)期。最后，現(xiàn)今的仿真軟件已結(jié)合大數(shù)據(jù)分析、云端運(yùn)算等技術(shù)，準(zhǔn)確度已可達(dá)90%以上，且仿真速度加快不少，將可協(xié)助設(shè)計(jì)師跨越5G設(shè)計(jì)難題，更能助力工程師增添高端設(shè)計(jì)能力。

云端平臺架構(gòu)非難事

許多企業(yè)在發(fā)展物聯(lián)網(wǎng)或是工業(yè)4.0時(shí)，通常都能理解需要構(gòu)建云端系統(tǒng)，以進(jìn)行數(shù)據(jù)分析或管理等工作，但并不是每家公司都有相關(guān)人才，或是有額外的財(cái)力可以自行尋找人才并建立云端系統(tǒng)架構(gòu)小組。有鑒于此，許多在網(wǎng)通、電商…等與網(wǎng)絡(luò)架構(gòu)有著密切關(guān)系領(lǐng)域的公司，也紛紛以其自身經(jīng)驗(yàn)，提出構(gòu)建云端系統(tǒng)的方式及解決方案，協(xié)助企業(yè)能夠減少架構(gòu)云端系統(tǒng)的“痛苦”。

AWS資深業(yè)務(wù)開發(fā)經(jīng)理呂欣育表示，工業(yè)環(huán)境導(dǎo)入物聯(lián)網(wǎng)技術(shù)與云端系統(tǒng)可以創(chuàng)造許多優(yōu)勢，例如防呆、防止重工，減少工廠管理員人數(shù)、提升產(chǎn)品質(zhì)量并讓產(chǎn)品可更貼近客戶需求。然而要構(gòu)建一整套從工廠機(jī)器端到云端的系統(tǒng)，并不簡單，更何況還要考慮此系統(tǒng)能否符合實(shí)際需求、容易使用等問題，而AWS有來自Amazon資源的支持，不但從端點(diǎn)到網(wǎng)關(guān)及云端，AWS都可提供相關(guān)的產(chǎn)品供企業(yè)進(jìn)行開發(fā)或使用，且該公司的工程師自云端系統(tǒng)開發(fā)初期即提供協(xié)助，以期能深入了解用戶需求，甚至最重要的數(shù)據(jù)傳輸安全性問題，都能一并顧及。

順利結(jié)合新舊系統(tǒng)

構(gòu)建智能工廠時(shí)，許多企業(yè)會問：“原先采用的生產(chǎn)設(shè)備或是管理系統(tǒng)是不是無法再使用？”、“如何同時(shí)管理既有與新添購的設(shè)備？”Axiomtek軟件兼解決方案產(chǎn)品處協(xié)理潘皇良認(rèn)為，工業(yè)領(lǐng)域所使用的工業(yè)計(jì)算機(jī)(IPC)與一般個(gè)人計(jì)算機(jī)最大的差異在于可使用在嚴(yán)苛的環(huán)境，以及具備較廣的溫度耐受范圍。換句話說，這表示工業(yè)計(jì)算機(jī)相當(dāng)耐用，不會輕易損壞，生命周期自然也不會像消費(fèi)電子一樣短短幾年就得汰換新品。

因此為了節(jié)省部署智能制造工廠的成本，在硬件架構(gòu)沒有大改動的狀態(tài)之下，從更新軟件著手，是較為經(jīng)濟(jì)的做法，也能迅速連結(jié)工廠內(nèi)部的新舊系統(tǒng)。潘皇良舉例說明，在舊設(shè)備上裝上傳感器與無線技術(shù)模塊后，并在既有的工業(yè)計(jì)算機(jī)上增加新的軟件，即可以讓企業(yè)收集分析傳感器的數(shù)據(jù)，并管理所有與系統(tǒng)連接的設(shè)備。相較之下，無需太多新的采購成本，就能讓工廠朝智能化演進(jìn)。

結(jié)合軟硬實(shí)力實(shí)現(xiàn)智能制造

在人工智能與物聯(lián)網(wǎng)概念在工廠發(fā)酵，開啟第四次工業(yè)革命并打造新一代智慧工廠的同時(shí)，企業(yè)將會發(fā)現(xiàn)，該做的事情相當(dāng)?shù)亩?，不像以往單純。艾睿電?/span>(Arrow Electronics)亞太區(qū)銷售副總裁梁淑琴表示，構(gòu)建智能制造時(shí)，不僅復(fù)雜且過程中還會有相當(dāng)多的痛點(diǎn)。

例如工廠的監(jiān)控架構(gòu)中，傳感器易受工廠惡劣環(huán)境干擾、有線技術(shù)傳輸監(jiān)控信息成本高昂、電磁兼容法規(guī)認(rèn)證曠日廢時(shí)；讓工廠建筑智能化部分，缺乏無線通信專業(yè)知識、單一加速度傳感器監(jiān)測不夠準(zhǔn)確、單一麥克風(fēng)聲音監(jiān)測易產(chǎn)生誤報(bào)；而在銷售庫存管理方面，需要人工智能視覺技術(shù)輔助管理庫存、數(shù)據(jù)邊緣采集與云端儲存...上述這些都是會讓企業(yè)“抓狂”的問題。

梁淑琴認(rèn)為，要一一解決上述痛點(diǎn)，企業(yè)需評估自身具備的資源，并尋找擁有豐富技術(shù)資源的合作伙伴，完美結(jié)合“軟智能”與“硬件實(shí)力”，相信將能順利打造符合所需的解決方案，實(shí)現(xiàn)智能制造愿景。

圖1：2016~2022年可鏈接因特網(wǎng)工業(yè)裝置統(tǒng)計(jì)(來源：IHS、意法半導(dǎo)體)

圖2：2.4GHz無線技術(shù)摘要介紹(來源：德州儀器)

圖3：工業(yè)物聯(lián)網(wǎng)架構(gòu)與所需無線技術(shù)(來源：Silicon Labs)

文章來源：信息化和軟件服務(wù)網(wǎng)