隨著消費市場的生成動力由供給端移轉至需求端，促使制造系統(tǒng)較過往更復雜，藉由部署先進感測技術與結合AI算法等科技，提高信息可視性及系統(tǒng)可控性，在虛實整合系統(tǒng)運用增加的趨勢下，迎來智慧自動化的工業(yè)4.0智能制造世代，以下將分析協(xié)作機器人、數(shù)位雙胞胎、預測性維護等2019年發(fā)展重點。
1、協(xié)作機器人隨感測器發(fā)展應用價值提高
過往傳統(tǒng)大型工業(yè)機器人一度扮演工廠中重要角色，然隨著市場需求迅速且多變，高導入門檻、投資成本高、回收期長且應用上較為僵固的傳統(tǒng)機器人漸被Cobot取代。
Cobot能以更低成本為企業(yè)提供更易部署及更高的靈活性，且通常無需額外防護及大量的軟件套件，進而滿足制造過程中不斷變化的需求。
適合導入Cobot的應用方式多為真人作業(yè)員周遭重復性高，但不需真人手工技巧、思考力或臨場應變的人工作業(yè)，亦可提升安全性。
相較傳統(tǒng)機器人，目前Cobot具有價格優(yōu)勢，且驅使市場成長的推動力主要來自中小企業(yè)，需較快設計周期和產品可變性的產業(yè)亦為Cobot主要采用者，例如訴求自動化靈活性的汽車業(yè)及電子制造業(yè)等。
業(yè)界龍頭Universal Robots聚焦解決3D與海外布局
持續(xù)在Cobot產業(yè)握有近半市場且市占率居冠的Universal Robots，透過自動化的新方案聚焦于解決制造業(yè)勞動力短缺問題，針對骯臟、沉悶與危險的3D工作(Dirty、Dull and Dangerous)，也不斷開發(fā)相關機型及應用平臺。
在產品研發(fā)外，Universal Robots也積極布局海外市場，尤其鎖定工業(yè)機器人密集度較低國家，例如擁有全球最大機器人市場的中國、制造業(yè)占98.5%積極部署工業(yè)4.0但機器人采用率仍低的馬來西亞，以及每萬名員工僅配有3臺機器人的印度等。
達明機器人續(xù)強化機器視覺核心能力
2016年底才首度開賣的廣達旗下品牌「達明機器人」，于2018年超越四大機器人家族之一的日本大廠Fanuc，成為全球協(xié)作機器人市占第二高廠商。
達明專注研發(fā)機器視覺，于Hannover Messe 2019自動化展推出TM Operator系列，當中的TM Palletizing Operator能利用視覺檢測自動補正物件及棧板位置偏移，并搭配智慧圖形化界面提供使用者簡單快速編輯，實時反應工作進度與監(jiān)控機械手臂狀況。
達明進一步整合德國IDS的Ensenso 3D相機和瑞士Asyril震動盤整料情境應用等廠商，藉由精準辨識物件以深化產業(yè)應用，擴展其智慧視覺系統(tǒng)生態(tài)系。
傳統(tǒng)機器人大廠亦投入Cobot設計生產
工業(yè)自動化和機器人技術大廠ABB是協(xié)作機器人的主流廠商之一，其Yumi系列包括單臂和雙臂協(xié)同機器人，為潛在客戶提供比ABB傳統(tǒng)工業(yè)機器人更低成本和更靈活的替代品。
由于ABB具備IoT解決方案Ability，可用于連接機器人和其他設備的網(wǎng)絡，故能精確監(jiān)控和控制，利用數(shù)據(jù)驅動分析提高硬件和流程的性能、可靠性與使用壽命。
在周邊方面，ABB也推出監(jiān)測Dodge帶座軸承(Mounted Bearing)運作的無線傳感器，除了透過監(jiān)測溫度與震動狀態(tài)評估軸承健康度外，也希望遠程監(jiān)控技術能使維護或相關人員無需接觸處于危險位置的承軸，仍能安全進行檢查。目前ABB持續(xù)在模塊化設計平臺上構建Cobot，透過更多客制化解決方案，為更多Cobot形狀和尺寸打開大門。
同為四大機器人家族之一的德國廠商KUKA則致力于人體強化機器人(Human Robot Augmentation，HRA)，作為人類工作者的延伸，提供更高精度和靈敏度。該技術透過機器學習應用，Cobot可與人類實時互動，并在不重置的情況下回應不斷變化的任務，因此可應用于快速、準確與安全的安裝組件。
產業(yè)競爭激烈，商品開發(fā)與地區(qū)發(fā)展需格外留意
隨著傳感器及機器視覺技術領域創(chuàng)新與AI的結合，Cobot持續(xù)往更安全和更易使用等趨勢發(fā)展，并執(zhí)行過往僅能倚靠人力的作業(yè)來增加價值。
由于Cobot并非完全取代人工而是創(chuàng)造互補角色，并透過承擔或協(xié)助重復性艱困作業(yè)，幫助提高生產力和工作場所的滿意度，因此一定程度上消弭傳統(tǒng)機器人取代人力的質疑與抵抗，且相對而言，制造商也為工程師提供所需的自動化技能和技術工具，甚或增加新工作機會，然而持續(xù)涌現(xiàn)的供應商也使該產業(yè)面臨激烈競爭。
2、數(shù)位雙胞胎實時模擬反饋虛實，成多元場景應用態(tài)勢
數(shù)位雙胞胎是指透過傳感器收集相關實體設備、流程與系統(tǒng)建置而成的虛擬副本，持續(xù)被視為重要的戰(zhàn)略技術。
相較于模擬技術，數(shù)位雙胞胎可透過傳感器達到實時虛實整合，意即物理模型和虛擬模型間具有連結性，藉由傳感器回傳資料后進行實時處理、分析和判斷后，使虛擬模型能產生反饋，進而優(yōu)化產品并增加價值。
目前該技術已在各垂直領域陸續(xù)投入應用，例如醫(yī)療保健領域用來管控急診室的等待時間及患者流量、建筑業(yè)遠程監(jiān)控并降低營運成本、能源產業(yè)的實時監(jiān)控及輸配調控等。
在制造業(yè)方面，數(shù)位雙胞胎多用于生產與設計、現(xiàn)場產品調整，以及未來產品開發(fā)等，可降低產品開發(fā)周期因應客制化和少量化趨勢，并延長組件壽命，創(chuàng)造更合理的制造規(guī)劃和精確生產控制，進而優(yōu)化整體業(yè)務流程和操作流。
此外，隨著工業(yè)自動化轉型過程中，無線物聯(lián)網(wǎng)設備的基數(shù)在2018年已突破2,000萬臺，廣泛連結性及工業(yè)物聯(lián)網(wǎng)的建置也促使數(shù)位雙胞胎更精準，使智能制造得以實現(xiàn)。
智能制造應用的數(shù)位雙胞胎主要分三類，首先，產品面的數(shù)位雙胞胎允許制造商在虛擬環(huán)境中添加所需的調整，能在產品上線前測試與驗證產品功能、安全性和質量，大幅縮短總開發(fā)時間。
生產面的數(shù)位雙胞胎則著重于虛擬調校，進而使工廠現(xiàn)場的數(shù)位與全自動化更為落實。最后，在運作面的數(shù)位雙胞胎收集產品、機臺及整個生產線的運行數(shù)據(jù)，透過模擬預測性能故障、能耗峰值及停機的風險。
目前數(shù)位雙胞胎解決方案的主要供應商包括Siemens、Microsoft、GE與IBM等，雖皆以虛實整合作為決策者的輔助判斷，然各家發(fā)展重點略有不同，例如GE的Predix資產及運營分析著眼于直接績效管理，IBM具有數(shù)位雙胞胎技術的產品則聚焦于生命周期優(yōu)化。
Microsoft的Azure Digital Twins多應用于工廠和電網(wǎng)的整體設施管理，透過虛擬化建置，搭配可透過軟件定義的硬件設施，讓使用者藉由服務快速部署物聯(lián)網(wǎng)服務。
Microsoft將進一步拓展應用數(shù)位雙胞胎的便利性，已于2019年推出讓IoT裝置隨插即用的IoT Plug and Play建模語言，亦預計整合即將推出的DTDL定義語言(Digital Twin Definition Language)，讓Azure Digital Twins上的記錄、監(jiān)視與分析服務能支援隨插即用功能。
Siemens透過MindSphere平臺連接實際的產品、工廠、機器及系統(tǒng)，將數(shù)位雙胞胎應用聚焦于產品設計、現(xiàn)場模擬與決策支援等解決方案，并提出利用該技術整合模擬工具機建造商與機臺操作者真實流程鏈的解決方案。
此外，考量到CNC及積層制造對模擬需求及調整彈性的產業(yè)特性，Siemens也推出專為其設計的Sinumerik ONE數(shù)位雙胞胎系統(tǒng)。
3、預測性維護勝于被動與預防維護，然需完整基礎建設
預測性維護是智能制造中相當重要的應用技術，透過分析生產數(shù)據(jù)與實時監(jiān)控設備運行狀況，優(yōu)化維護計劃，可有效預防停機等意外發(fā)生，降低維護成本并使制造商能將正常運行時間最大化，以提高生產量。
由于現(xiàn)行工廠的運行能力比過往進步許多，在全天候運作為常態(tài)下，停機成本將不斷提升，1小時停機成本可能造成廠商10～30萬美元不等的業(yè)務損失，計劃外的停機更可能導致上百萬美元成本。于此趨勢下，預測性維護優(yōu)化停機規(guī)劃、最大限度減少意外停機時間、延長設備使用壽命及員工生產力的特性，使其成為工業(yè)4.0重要應用之一。
預測性維護同樣建立于工業(yè)物聯(lián)網(wǎng)基礎上，基本元素包括安裝在設備或機器中的數(shù)據(jù)采集傳感器、允許數(shù)據(jù)在受監(jiān)控資產與中央數(shù)據(jù)中心間傳送的通訊系統(tǒng)、儲存處理及分析來自OT與IT系統(tǒng)的中央數(shù)據(jù)中心、具預測分析能力的算法，以及維護和流程工程師用于調查并確定要執(zhí)行的數(shù)據(jù)分析工具與界面。
傳統(tǒng)上較常見作法是將預測性維護運用于智能制造，包括Siemens、SAP與GE等皆進行相關應用。以SAP為例，將傳感器數(shù)據(jù)與企業(yè)的ERP和企業(yè)資產管理(Enterprise Asset Management，EAM)等業(yè)務信息結合，建置在IIoT基礎上，透過異常檢測、頻譜分析和機器學習等方式優(yōu)化資產維護。
此外，也能與SAPS和4HANA，甚至第三方維護執(zhí)行系統(tǒng)共同集成，提高服務范圍、降低維護成本及增加資產可用性等優(yōu)勢，讓預測分析可視化。
IBM于2019年推出Maximo資產績效管理(Asset Performance Management)解決方案，其中的Predictive Maintenance Insights便是使用統(tǒng)計模型和機器學習預測資產健康狀況，包括故障日期與概率、關鍵驅動因素、退化曲線及其他異常檢測。
目前IBM也預測性維護技術運用于智慧城市上，例如與美國亞特蘭大交通管理局合作，對資產狀況從追蹤轉變?yōu)轭A測并防止故障，近期更宣布與丹麥國營基礎設施營運商Sund&B?lt(S&B)合作，透過新推出的Maximo for Civil Infrastructure系統(tǒng)整合建筑結構上的傳感器、人員穿戴信息、無人機回傳數(shù)據(jù)及天氣數(shù)據(jù)等，延長老化橋梁、隧道和鐵路等使用壽命。
4、結語
智能制造的重要基礎來自工業(yè)物聯(lián)網(wǎng)之完善建置，物聯(lián)網(wǎng)數(shù)據(jù)包括從大量機器收集的傳感器歷史訊號和測量值，以及來自機器現(xiàn)場監(jiān)測的在線數(shù)據(jù)。隨著數(shù)位雙胞胎和預測性維護等輔助決策及預測性的精準度提升，傳感器數(shù)量將持續(xù)成長，使得大數(shù)據(jù)的管理與分析至關重要。
故廠商在架構基礎設施的同時，也將面臨從根本上進行大規(guī)模物聯(lián)網(wǎng)數(shù)據(jù)管理的需求，尤其在制造業(yè)許多數(shù)據(jù)都是商業(yè)機密下，非原生數(shù)位企業(yè)的傳統(tǒng)型產業(yè)更需著重于人才培育與技能轉型。
此外，隨著數(shù)據(jù)量日漸增長，邊緣運算于靠近設備端先行處理數(shù)據(jù)，能有效降低延遲時間、減少大量傳輸及云端儲存等營運成本，進而提高業(yè)務效率、可靠性及可擴充性，同時強化物聯(lián)網(wǎng)的安全性，將成為智能制造發(fā)展的重要技術。
文章來源：信息化和軟件服務網(wǎng)
