首頁Top區塊

時至今日，幾乎每個應用領域都可獲益於深度學習，充分利用人工神經網路，從大量資料中學習，而高效率的執行特定的功能。在神經網路的這一研究和創新領域中，卷積神經網路(CNN)已經成為了新興的深度學習技術，可以妥善解決影像分類和物件辨識上的問題。CNN利用卷積運算來探索出影像集內部的空間相關性。CNN一般被視為理想的神經網路，特別是用於低功率應用，因為與需要更多資源的完全互聯網路相比，CNN更為輕巧，也更容易為系統進行訓練。 BNN降低高效能神經網路執行功率 為了減少矽材料的使用數量，降低執行高效能神經網路所需的功率，其中一個方法就是縮小浮點計算的動態範圍。使用16位元的浮點計算來取代32位元的計算，已經被證實為只會輕微的影響到影像分類的準確性。 此外，根據具體網路的不同，計算的精度甚至還可以進一步降低到定點或者一位元的級別。這種透過降低計算精度來改進整體效率的趨勢，已經引發了二進位權的使用，比如說，只使用兩個+1和-1值來對權值和輸入的啟動執行二值化。這種新的方式稱為二進位神經網路(BNN)，可以把卷積層和全連接層中的全部定點乘法運算縮減為1位元的XNOR計算。 各大晶片商加速布局卷積運算技術 現有的各類卷積運算技術正快速發展以迎合這一動態市場的需求。比如說，NVIDIA不僅為此採納了底層的GPU架構和工具，還有這類技術的產品策略與價值主張。GPU用於圖形及高要求的HPC應用，在市場上曾經被稱作終極的雙精度浮點引擎，現在已經針對深度學習領域的CNN市場重新定位，因為在這一市場上，半精度的算術支援才是成功關鍵。 大力擁護AI技術的Google已經建立起了自己的硬體架構，即張量處理單元 (TPU)，這一單元與Google的機器學習框架TensorFlow緊密結合在一起。其他的產業領導者，包括微軟這一超大規模的創新企業在內，已經選取了現場可編程設計閘陣列(FPGA)來作為其AI架構的大腦，這是一系列可持續的神經網路組合，可望帶來即時的成果。本文闡釋了為甚麼FPGA具有獨一無二的定位，從而滿足任何位元範圍的神經網路(特別是BNN)對路線圖提出的動態要求。 二進位神經網路可提升訓練精度 CNN網路內部的卷積處理須要儲存和處理以數百萬計的系數，傳統上，其中每個系數都利用單精確度的方式來儲存。研究顯示，系數可以折減為半精度而不會使運算的總體精度產生實質性的變化，同時還可以降低儲存容量及記憶體頻寬。更為重要的是，這一方法還可以縮短系統訓練時間與推斷時間；當今可用的大多數預訓練CNN模型，都部分的降低了精度。 採用不同的方法來訓練這些系數，可以把位元精度縮減為一位元，其換算系數為1。在訓練過程中，抽取全部輸出特徵參數的平均值，然後從原值中減去這一平均值，便可以得到一個正或者為負的結果(以二進位記數法的1、0來表達，如圖1)，可以將浮點系數轉換為二值化的值，並且對因數進行換算；然後卷積的輸出結果將與這一平均值相乘。 FPGA有效實踐神經網路訓練 首先，對權值進行二值化處理可以按32的系數來大幅降低對外部記憶體頻寬和儲存的需求。由於每個區塊在組態後可以具有範圍從1至32位元的埠頻寬，因此FPGA結構可以充分的利用這種二值化處理。因此，FPGA用於儲存權值的內部資源可以明顯減少，從而為任務的並行化提供更多空間。 網路的二值化也可以使CNN的卷積以輸入啟動的一系列加法或減法表達出來。如果權值為二進位的0，則將從結果中減去輸入值；如果權值為二進位的1，則將之加進結果。 FPGA中的每個邏輯元素都具有帶加法的進位元鏈邏輯，可以有效的執行幾乎任何位元長度的整數加法運算。高效率地利用這些數值，便可以使一個單獨的FPGA設備執行數萬次的並行加法運算。 為了做到這一點，就必須將浮點輸入啟動轉換為固定精度。考慮到FPGA結構的靈活性，我們可以調諧定點加法使用的位元數以滿足CNN的要求。對眾多的CNN中動態範圍的啟動進行的分析表明，只需要少量的位元，通常為8位元，即可將精度保持在浮點等效設計的1%之內。如果需要更高精度，則可以增加位元數。 將卷積轉換為定點，不再需要通過二值化來執行乘法運算，可以顯著降低FPGA內部所需的邏輯資源；與單精確度或半精度的實施相比，此舉使得同一個FPGA內可以執行更多的處理作業。 隨著越來越多的卷積層加入，深度學習模式正在變得愈發深入。能否將所有這些層疊加到一個單獨的FPGA設備當中，決定了是否可以在給定的成本下實現最佳的每瓦效能，同時將延遲保持在最低程度。 本文所述的CNN使用了英特爾的FPGA OpenCL框架來建立。為了進一步的最佳化設計，Nallatech研究中心開發了用於二進位卷積和其他位元處理運算的IP庫。這就可以提供更強的混合程式設計能力與更高的效率。 本文所針對的網路為Yolo v3網路(表1)。該網路主要由卷積層組成，因此FPGA進行最佳化，使其在卷積過程中具有盡可能高的效率。為了做到這一點，這個設計採用了HDL代碼塊來執行二進位網路所需的整數累積運算，以達到極高效率的實施。 表2列出了在使用二進位權時，8位元啟動資料累積運算的資源需求。這等效於 2,048次浮點計算，但是只須要花費2%的設備資源。請注意，FPGA還需要額外的資源來重構資料，因此可以利用這一方式來處理；然而，它同時指明了這方法與浮點實施相比可節省大量資源。 該FPGA還須處理Yolo v3的其他層，將通過PCIe介面複製的資料量減至最少程度。這些層需要的處理要少得多，所以，分配給這些任務的FPGA資源要少一些。為了使網路能夠正確的訓練，需要採用單精確度的準確性來處理啟動層。因此，除了卷積層以外的所有層都以單精確度進行運算。 最後的卷積層也以單精確度進行運算，用以改善訓練結果，並且在主機的CPU上進行處理。表3詳細介紹了OpenCL核心所需的資源，包括從浮點到8位元輸入的所有轉換、輸出資料的換算，以及最後的浮點累積運算。 另一方面，本文中的FPGA設備是英特爾Arria-10。這是一種獲得英特爾OpenCL軟體開發套裝(SDK)完全支援的中階FPGA。Nallatech以內插式PCIe卡或整合機架安裝式伺服器的形式，提供這種靈活的高能效加速器。 在OpenCL中開發的應用可利用Nallatech的板級支援包(BSP)映射到FPGA結構，與使用FPGA技術的通常情況相比，可以使客戶(主要是著重軟體而非硬體客戶)毋須顧慮內裏的細節。 對於典型的Arria 10設備，每個卷積塊在一個時鐘週期內可執行2,048次運算，意即每秒鐘大約是0.5 TOPS。4個這種核心便可以使Yolo v3以約每秒8幀的畫面播放速率執行，功耗為35瓦，等效於每瓦57 GOPS。 XNOR網路降低CNN運算/儲存需求 轉向完全的XNOR網路可進一步降低CNN運算和儲存需求，使權值和啟動都以二進位輸入的形式表達。在該情況下，簡單的把卷積利用逐位的XNOR運算表達出來，同時含有一些位元運算邏輯。這樣就等效於之前所述的二進位版本，然而，啟動的寬度只需一位元。 在FPGA上執行時，預計這一網路的加速度將達到2個數量級的程度。這種顛覆性的效能改進使得我們可利用高能效設備來並行執行多個即時推理作業。XNOR網路需要不同的訓練方式，其中，前進過程中的啟動將轉換為二進位及一個換算系數。 雖然二進位網路在精度上稍微下降，但與等效的浮點運算相比，XNOR網路還是存在著10到20%的差異。然而，這是由於使用的CNN並不是專為XNOR運算而設計。隨著這一領域中的研究不斷增加，業界將可能出現專為XNOR網路設計的新模型，不僅可提供與最佳CNN相近的精度，還可獲益於這種新方法的極高效率。 BNN結合FPGA有效提升深度學習效能 本文表明，在不對應用運算成果產生負面影響的情況下，可以實現可觀的位縮減。BNN與FPGA的屬性完美配合，與典型的CNN相比，其規模可以縮小達三十倍，進而產生許多優勢，包括減少矽材料的用量、降低記憶體頻寬、節省能耗以及減慢時鐘速度。 考慮到業界已經認可了FPGA在有效實施定點運算上的實力，FPGA正處於一個得天獨厚的優勢地位，可滿足BNN的需求。FPGA在架構上具有與生俱來的靈活性，可以為深度學習領域的創新企業賦予充分的能力，對於任何新興的突破性新技術來說，都可提供一種加快部署的選項。根據預計，XNOR網路可以為一系列的雲端運算、邊緣應用及嵌入式應用實現突飛猛進的影像辨識功能。 (本文作者任職於Nallatech)

根據內政部警政署交通事故統計資料顯示，107年1月至7月的交通肇事件數共達16萬3,002件，平均每個月約有2萬件的事故發生，受傷人數高達21萬4,683人。 由上述數據可看出，交通事故頻繁的發生在生活周遭，促使消費者越來越注重行車安全，而在安全意識高漲之際，汽車車商也開始強化車體的安全配備，先進駕駛輔助系統(ADAS)逐漸普及於各車種之中。 意法半導體(ST)亞太區汽車產品事業體行銷經理陳錫成(圖1)表示，交通事故頻傳，也因此，消費者在選購汽車的時候，安全成了最大考量；而對於車廠來說，安全功能，也成了吸引消費者的最大賣點。 圖1　意法半導體亞太區汽車產品事業體行銷經理陳錫成表示，安全功能是消費者在選購新車時的最大考量。 陳錫成補充，也因此，ADAS需求急速增加，可以看到，為提升安全性，近幾年出廠的新車都配備了主動安全功能，像是主動車距控制巡航系統(Adaptive Cruise Control, ACC)、自動緊急剎車功能(Autonomous Emergency Braking System, AEB)、車道偏離警示系統(Lane Departure Warning System, LDWS)等。 另外，陳錫成指出，這些主動安全功能可讓一般消費者實際感受到，這對保障他生命安全是正相關；而車廠也依此將安全功能當做是主要賣點。因此，具備ADAS功能的汽車已不只限於高階車種，而是逐漸成為中階車款的標準配備，至於低階車款則是採用選配的方式。也就是說，隨著消費者安全意識抬頭，ADAS需求快速攀升，車廠的導入速度也逐步的加快。 德州儀器(TI)半導體行銷與應用嵌入式系統總監詹勳琪(圖2)也認為，安全是目前消費者購買汽車時的首要考量，所以，配有ADAS安全功能的車款即便價格較高，也不會降低消費者的購買意願。而對於車廠而言，ADAS則是用來吸引消費者購車的一大賣點，這趨勢從近幾年的汽車廣告就可看出端倪；以往的售車廣告多主打車載娛樂系統，安全面強調有幾個氣囊，如今，汽車廣告的主軸轉向安全，如常介紹配備有哪幾種主被動安全功能等。 圖2　德州儀器半導體行銷與應用嵌入式系統總監詹勳琪指出，從汽車廣告中可看出，安全是目前車廠推銷新車時的一大賣點。 像是中華三菱所推出的Outlander車款，將ACC 主動定速巡航、FCM智慧煞車輔助系統列為全車系標準配備，同時還新增盲區警示(BSW)、車道變換輔助(LCA)、後方交通警示等輔助系統(RCTA)；Honda CR-V的S車型，也配上了Honda Sensing智慧安全主動防護系統，包含ACC、車道偏移警示，以及車道維持輔助(LKAS)等在列的整合式安全防護系統。 總而言之，過去的汽車設計，多以因應突發事故的被動安全配備為主。不過，人的需求總是隨著時代推移而改變，在消費者安全需求大增的情況下，車廠也從過往被動防護的安全觀念，轉變成主動預防；進而使得新世代汽車的安全配備等級也從過去的氣囊數、ESC電子穩定控制系統等，轉向智慧設備自動感應車距，預估碰撞係數，主動向駕駛預警行車風險等功能。 ADAS為安全而生　落地各式車款 上述所提，消費者購車觀念轉變，開始重視汽車的安全配備等級，使得ADAS發展已不再只是前幾年的紙上談兵，而是真正已落地於生活之中，其市場商機可說更蓬勃發展。 在安全意識抬頭帶領之下，ADAS市場發展也跟著走揚，根據市調機構Grand View Research一份新報告指出，全球ADAS市場到2025年預計將成長到674.3億美元，年複合成長率(CAGR)達19%；成長主因在於政府為降低交通事故，要求車輛須配備駕駛輔助系統，像是歐盟要求超過7公噸以上的重型商用車須加裝ADAS系統，如LDWS、AEBS；以及上述所提，駕駛輔助系統逐漸導入在一般房車之中，因而進一步提高ADAS市場需求。 報告指出，ADAS技術，如夜視，睡意監測系統和道路標誌識別系統等，預計將會大幅成長；或者像是輪胎壓力監測系統，由於其低廉的價格和便利的售後市場，也預估未來在整個ADAS市場中會有顯著的滲透性。此外，上述提到的ACC可為駕駛員提供更高的安全性，並有助於避免致命的交通事故，因此預估到2025年，ACC的市場需求會有更高的成長。 ADAS市場走揚　雷達需求有增無減 ADAS市場不斷成長，而感測器是打造ADAS的主要關鍵元件，恩智浦(NXP)半導體汽車微控制器暨處理器事業部亞太市場總監易生海(圖3)表示，事實上，ADAS並不是一項配置，而是幾項配置協調作用的系統。簡單來說，就是利用安裝在車上的各種互補感應器，例如雷達、超音波、V2X技術等，在汽車行駛過程中即時感知周圍環境並且收集資料，透過系統運算與分析，預先讓駕駛者察覺到可能發生的危險，進而有效增加汽車駕駛的舒適性和安全性。 圖3　恩智浦半導體汽車微控制器暨處理器事業部亞太市場總監易生海說明，ADAS是由各種感測技術協調配制而成。 ADI大中華區汽車電子市場經理崔正昊則指出，在現今的ADAS與自動駕駛系統當中，毫米波雷達正扮演最重要的角色。雷達能夠協助偵測是否有「某些東西在汽車周邊的物體」，雖然它不像「眼睛」一樣能夠清楚的看到每個單一物體並分辨出它們是什麼；然而，在一般情況下，雷達比較不會受環境條件的影響，而且在偵測距離(範圍)以及移動物體的速度上表現較佳。 換言之，雷達的重要性在於，透過對汽車周圍事物和環境的感知和監測，收集相關資料再交由駕駛系統處理，讓汽車可以在各種條件下完成自我調整巡航控制、盲點監測、車道偏離警告、夜視、車道保持輔助和碰撞警告系統，並具有自動轉向和制動干預功能。也因此，汽車搭載雷達數量的多寡，也成為國際組織安全評鑑等級的基準。 英飛凌(Infineon)汽車電子事業處大中華區汽車安全市場經理王龍飛(圖4)表示，以新車評估計劃(New Car Assessment Program, NCAP)評鑑為例，該計畫以星等做為評鑑標準，分別從1星到5星，獲得5顆星的車型便代表安全度最高。目前汽車若在車體後端搭載兩顆24GHz的毫米波雷達，以及於車體前端搭載一個影像感測器與77GHz的毫米波雷達，一共3顆雷達和一個影像感測器，便可獲得5顆星的評等。 圖4　英飛凌汽車電子事業處大中華區汽車安全市場經理王龍飛透露，汽車雷達的數量也是安全評鑑的主要基準之一。 不過，到了2022年之後，安全標準愈加嚴格，汽車必須在四個角落及車頭加裝77GHz毫米波雷達(共5個)，同時也須搭配一個影像感測器，如此一來，才能達到NCAP的5星評等(圖5)。由此可見，為了因應更加嚴格的安全標準，毫米波雷達的數目快速增加，基本數目已從3個增加至5個，若車廠想在汽車側邊的四個車門再加裝毫米波雷達，其數目將會從9個起跳。因此，可以看到不管是車廠或是晶片廠商，都非常重視雷達技術發展，可想而知，雷達市場也跟著快速成長。 圖5　NCAP汽車安全評鑑示意圖 資料來源：英飛凌 根據TrendForce旗下拓墣產業研究院最新報告指出，車載毫米波雷達受到中國新版新車評價指標(C-NCAP)實行，與美國NHTSA將自動緊急煞車系統列為新車標配的驅動下，將進入高速成長階段，預計2018年車載毫米波雷達出貨量將達6,500萬顆，2018~2023年年複合成長率達15%。 拓墣產業研究院分析師林雅惠指出，毫米波雷達因波長介於厘米波與光波之間，故同時具備光波導引與電磁波導引的特性，於軍事領域已被廣泛應用。隨著汽車電子發展與自動駕駛需求，毫米波雷達已成為ADAS與自動駕駛的關鍵感測器之一。為了避免與其他設備頻段衝突，車載毫米波雷達需要專屬的頻段，以往各國對於車載毫米波雷達使用頻段混亂的情況使其發展受限，一直至2015年世界無線通訊大會(WRC-15)，決議76~81GHz皆可用於車載雷達，才為全球車載毫米波雷達發展提供明確的方向。 車載毫米波雷達因具備受天候影響程度低、不受前方目標物形狀與顏色干擾等特性，並可實現250公尺的探測距離，有效補足其他感測器的劣勢，因此已被車廠廣泛應用於BSD、AEB與FCW等主動安全系統。目前具備FCW、AEB功能的量產車款，多採用一顆長距毫米波雷達搭配兩顆短距毫米波雷達的感測方案，具備BSD功能之車款則需二顆短距毫米波雷達。 林雅惠表示，2018年由於中國首次將FDW、AEB等主動安全系統列入C-NCAP中，將驅動毫米波雷達出現大幅增長，全球出貨有望達到6,500萬顆；另一個驅動力則是來自於全球第二大車市美國2022年將把AEB列入新車標配，同樣將驅動長距毫米波雷達需求。 綜上所述，在中、美兩大車市對於主動安全需求帶動之下，拓墣產業研究院預估，2023年車載毫米波雷達年出貨量將達1億3,200萬顆，2018至2023年年複合成長率為15%。 政府法規助力　車用攝影機後勢看漲 若將毫米波雷達譬喻成汽車的耳朵，那麼攝影機就是汽車的眼睛，可用來偵測與辨識物體與交通號誌等。前面提到，要達到NCAP的5星評等，汽車不僅須裝有毫米波雷達，還同時須配備攝影鏡頭，使得攝影機市場也如雷達一般加速成長。 根據市調機構Stratistic MRC調查指出，全球車載攝影機市場成長率，預計將從2016年的117.6億美元成長到2023年的256.9億美元，複合年成長率為11.8%。主因在於越來越多的交通事故，驅使愈來愈多的汽車採用ADAS系統。 此外，政府政策推動也是攝影機市場向上攀升的重要推手。以台灣為例，交通部公告「道路交通安全規則」第16、39、39-1條條文及第23條條文之附件十五、第24-1條條文之附件十四修正草案指出，自中華民國109年1月1日起，大客車與大貨車應裝設合於規定之行車視野輔助系統或以下任一裝置： 1.左右兩側視野鏡頭及可顯示車身兩側影像之車內螢幕。 2.於車輛右側裝設一個外部近側視鏡並於車輛右前側裝設雷達警示系統。 3.可顯示車輛四周影像之環景顯示系統。 瑞薩電子(Renesas)車用事業部市場行銷經理何吉哲(圖6)表示，市場成長與法規推動息息相關，目前ADAS市場成長動能多來自於消費者需求，不過，若要再進一步推動成長力道，還須仰賴政府法規的制訂；一旦法規完成後，有了強制性，市場成長速度會更快。以台灣為例，在政府規定商用車自109年起都必須加裝行車視野輔助系統之後，可想而知車用攝影機的需求會明顯增加。 圖6　瑞薩電子車用事業部市場行銷經理何吉哲指出，法規的制定，也是推動ADAS市場加速發展的因素之一。 另一方面，為確保行車安全，車用攝影機的畫質標準要求也開始提升，從720p提升到1080p。何吉哲指出，不論是商用車或是一般房車，加裝車用攝影機已成趨勢，然而，為了讓駕駛人能更了解周遭環境狀況，甚至能進一步的辨識物體，高解析度的攝影機可說是不可或缺。 假設安裝解析度太低的鏡頭，安全輔助的效果並不好，在畫面模糊的情況下還不如直接看後照鏡，如此一來便失去了原本安裝行車視野輔助系統的意義；因此，目前車廠對於攝影鏡頭的畫質要求，多是1080p。 因應此一趨勢，瑞薩備有R-Car V3M入門套件，以簡化並加速符合新車評估計劃的前置攝影鏡頭應用、環視系統，以及光達(LiDAR)的開發。 此一新入門套件是以R-Car V3M影像辨識系統晶片(SoC)作為核心，為成長中的NCAP前置攝影鏡頭市場提供了低功耗以及高性能的組合。藉由R-Car...

由於看好台灣的人才潛力，Google提出「Google智慧台灣計劃」，針對人才培育提出具體方針，並且邀請多位駐英、美等國的頂尖Google AI專家，一同與參與的師生們進行深度交流。 AI帶動軟硬整合　台灣人才機會更多 Google台灣董事總經理簡立峰指出，儘管台灣的軟體人才正在增加當中，然而在過去軟體人才與硬體產業的銜接度低，因此就算台灣有強大的硬體基礎，也慢慢培養出了優秀的軟體人才，但若是沒有好的整合也是枉然。簡立峰更強調，台灣人才很多時候不知道自己有多優秀，每個國家都有不同的教育問題需要解決，在台灣，人才則是需要更多的機會、刺激與訓練。 簡立峰則指出，在人工智慧的時代將更強調軟硬體之間的整合，若是台灣想要發展更高毛利的軟體產業，應當要妥善整合優良的軟體人才與硬體產業。台灣是全球IC設計重鎮，對於身在台灣的人才而言，更應該要把握此硬體產業的優勢。 簡立峰進一步指出，軟體、硬體產業基礎與軟硬整合的生態系規畫固然重要，然而，人才是更高於軟硬體的重要資源。Google將台灣視為重要的研發基地，無非是由於這裡有優秀的人才。 台灣深厚的硬體實力眾所皆知，但軟體人才也具有很大的潛力。簡立峰表示，期盼在Google的人工智慧專家們，能與台灣優秀的人工智慧領域研究人才面對面、手把手進行知識與技術的交流，藉此提升台灣年輕人工智慧科學家的研究動能，以及與國際研究主題接軌的機會，甚至將人工智慧連結到台灣的產業鏈。 AI助力IoT拓展更快速　硬體實力重要性提升 另一方面，在物聯網技術剛開始起步時，許多台灣廠商便相當看好該趨勢為硬體產業帶來的機會，然而幾年下來似乎沒有看到任何一個廠商從中取得很大的獲利。但簡立峰認為，人工智慧就是物聯網服務中的核心，經過一段時間的發展之後，傳輸、運算等等相關技術都將陸續成熟，人工智慧將會帶動物聯網高速發展。 舉例而言，在物聯網時代，安裝電表後能夠透過各種感測設備搜集更多電器應用相關數據，然而若要將數據加以分析運用，則必須仰賴人工智慧助力。在數據經過妥善分析後，進而能夠做到用電最佳化控制，使得人類生活環境更加舒適。屆時，物聯網的推廣速度將不可同日而語，台灣廠商的硬體優勢也將得到展現的機會。 看好人才潛力　Goole來台推廣AI教育 有鑒於看好人工智慧未來發展潛力，台灣四大AI創新研究中心在2018年分別於台大、清大、交大和成大正式啟用，針對生技醫療、AI核心技術、智慧製造、智慧服務等領域執行研究發展，並且透過國際學術人才延攬與產業交流，藉此提升台灣智慧人才與產業的競爭力。期盼能持續與Google密切互動，引進更多國外的知識與應用，促進台灣AI研究發展。 Google不僅在台灣強化頂尖人工智慧科技研究的動能，也積極推動AI教育的普及化。Google已推出Google AI的全球線上資源「機器學習速成課程(Machine Learning Crash Course, MLCC)」的中文化內容，並已在5月份於台灣北、中、南各自舉辦三場Google AI教師研習營，共有180多位資訊、電機等相關領域背景的大專院校老師參與，參與的教師們可將研習營所習得的AI知識以及MLCC的免費資源帶給更多學生。透過這些具廣度的AI人才培育計畫，Google期許能提升台灣在全球人工智慧趨勢下的競爭力。 Google台灣董事總經理簡立峰指出，在台灣，人才需要更多的機會、刺激與訓練。  

本設計由針對『行動不便者』為出發點，改善他們使用輪椅的便利性與安全性，讓使用者對於使用輪椅代步更為滿意；並且開發一套Android App程式，讓使用者可以透過手機操作輪椅，其功能包含「操作輪椅行動」、「顯示輪椅各項數據」、「Google Map系統」，以及「Wi-Fi綁定」等功能。使用者可以藉由手機查看輪椅當前的一些數據，例如剩餘電量、預測剩餘可行走距離、當前速度、水平狀況以及顯示當前位置與地圖等資訊，這些功能都可以讓使用者對於使用輪椅更加滿意。  在手機普及的現代，若能使用手邊的工具，加入輪椅系統的一部分，便能讓更多種的車輛資訊，在使用者的監控中。另外在行駛的過程，也有在人行道壓傷人或操作不慎摔落的案例，透過內建的智慧控制系統，及時防止意外發生，讓使用者避免二次傷害。 而本文中的智慧輪椅創作特色包含： ．自行開發的Android APP讓使用者可以用手機來操作輪椅。  ．輪椅可以與手機做綁定，以防止他人的干擾。 ．自行設計Android APP介面，方便且簡單使用。 ．障礙物偵測加上蜂鳴器，當遇障礙物時，蜂鳴器可發出警示聲。 ．水平偵測，下坡限速。 ．電量與速度偵測，預測剩餘的可行走距離。 ．因應智慧型手機普及，可與輪椅綁定。 ．APP介面可觀察是否有障礙物情形。 ．手機操控輪椅動作。 ．可搭配Google Map定位。 為實現上述特色，此一智慧輪椅使用盛群的HT32F52352晶片與KSM048、MCP2515、HC-SR04 、MPU9250、ESP8266、YS-27以及樹莓派3設計。 智慧輪椅三大設計架構 本產品設計主要分成三大部分，第一個部分為手機端的Android APP，其中包含「操作輪椅」、「障礙物雷達」、「Google Map定位」、「Wi-Fi綁定」等功能。第二部分為樹莓派端的資料處理及傳送。第三部分則為MCU節點端，各感測器資訊以及MCP2515的資料傳送。 運用MCU/感測器實現輪椅感測功能 利用MCP2515微控制器去讀取多個感測器以獲取輪椅的各項數據，如電量、速度、坡度等，再透過CAN BUS協定交換資料以達到資料傳送的功能。 而透過KSM048模組，基於電阻分壓器設計原理，可使端子介面的輸入電壓縮小5倍，例如Arduino模擬輸入電壓最高為5V，那麼電壓檢測模組輸入電壓則不可大於25V(如果使用3.3V系統，輸入電壓不可大於16.5V)。 同時，由於晶片具有12位元AD，因此該模組的類比解析度為0.000805V(3.3V/4096)，故輸入電壓檢測模組的最小電壓為0.004025V。 HC-SR04由超音波發射器、接收器和控制電路所組成。當它被觸發的時候，會發射一連串40kHz的聲波，並且從離它最近的物體反射回接收器接收回音。藉由這樣的收發，取得音波從出發到接收的時間，計算後便能得到與前方物體的距離。而該感測器可探測的距離約2~400cm，感應角度為15度。 至於MPU9250晶片是一個9軸姿態感測晶片，其中包含了3軸加速度感測器、3軸角速度感測器及三軸磁力計。其本質上是MPU6050晶片加上AK8963，可以獲取感測晶片的加速度、角速度，以及磁力值。角速度可以得知晶片的轉動速度，加速度可以知道晶片運動的距離、速度情況，而磁力計可以知道晶片的運動方向。 收到這個SSID廣播封包，Client可以藉此決定是否要和這一個SSID的AP連線，使用者可以設定要連線到哪一個SSID。 樹莓派3配有1.2GHz(四核心)ARM Cortex-A53 64位元的處理器，且具備1024MB(LPDDR2)的記憶體，4個USB 2.0介面，同時也支援802.11n的無線網路，大小僅有85×53毫米，約一張名片大小。 樹莓派主要使用基於Linux內核的作業系統，第一代樹莓派是基於ARMv6架構的ARM11晶片，目前的幾個流行的Linux版本，包括Ubuntu在內，將不能在ARM11上執行。在原生的樹莓派上不太可能執行Windows，不過新的樹莓派2已經可以執行Windows 10物聯網核心版，而2017年Windows 10 IoT Core Creators Update正式支援樹莓派3平台。 另外MPU9250晶片內置DMP姿態融合器，可以在不涉及算法的情況下，直接讀取出描述物體狀態的四元數，藉此得出物體的三維角度--航向角、翻滾角、俯仰角。此晶片在智慧輪椅設計中負責水平偵測的角色，當水平超過一定值時，就會限制馬達速度。 網路設計 MCP2515是一款獨立控制器區域網路(Controller Area Network, CAN)協定控制器，完全支援CAN V2.0B技術規範，且傳輸速率為1Mbps。該元件能發送和接收兩種標準協定以及擴充數據和遠端通訊。其自帶的兩個驗收遮罩暫存器和六個驗收濾波暫存器可以過濾掉不必要的封包，因此減少了主單晶片(MCU)的開銷。另外，該控制器與MCU的連接是通過業界標準串列外設介面(SPI)來實現的。 而在Wi-Fi的設置上，至少需要一個存取點(Access Point,...

電子電機工程師學會(IEEE)日前針對IEEE 802.11進行修訂，發布最新的802.11aq標準。此一標準為特點為讓網路業者與終端用戶在連接上無線區域網路(WLAN)前，便能知道有哪些可用的網路服務；希望藉此能為無線區域網路提供更好的服務可用性檢測，以提升終端用戶的使用體驗以及讓網路運營商更容易推動創新服務。 IEEE 802.11aq工作組主持人Stephen McCann表示，過往使用者在將裝置連接到無線區域網路之前，無法得知有哪些可用的網路服務，這對他們而言是一種困擾。為此，IEEE通過802.11aq標準，可透過裝置與無線網路存取點間的資訊交換，改善此一情況；這也代表802.11aq在競爭激烈的無線通訊技術市場中可提供差異化的服務，使網路運營商具有關鍵的競爭優勢。 據悉，IEEE 802.11aq修正案於2018年6月批准，該標準規定了無線網路與設備之間預連結參數的查詢，透過無線接入點與使用者設備之間的訊息交換，使用者可以在做出連結決定之前，迅速且毫不費力的得知此一無線區域網路支援哪種類型的服務，如此一來便可簡化使用者網路選擇過程，進一步提升用戶體驗。 IEEE指出，除此之外，802.11aq標準還具備儲存、快取可用網路服務功能，允許網路運營商將其服務與同一地區的市場競爭對手區分開來，藉此發掘更多的潛在營收機會。

車用感測器近年來的成長力道強勁，產業研究機構Yole Développement(Yole)宣布，2016~2022年間，汽車雷達市場的年複合成長率為23%。自動緊急煞車(Autonomous Emergency Braking,  AEB)應用是77GHz雷達市場成長的主要動力，2022年全球雷達市場規模將達到75億美元。另外，光達(LiDAR)的汽車應用市場在2017~2023年期間的年複合成長率高達43%，市場規模將從7億2600萬美元，成長到63億美元。 隨著最近對安全的強烈關注，ADAS的市場潛力已經擴展到中階汽車，隨著自動駕駛的出現，另一個趨勢是使用角落雷達進行汽車360°監視。這些短程和中程雷達採用24GHz技術，未來將以79GHz模組支援。事實上，自2010年以來，自駕車的LiDAR相關的專利每年成長21%。 與此同時，半導體製造商提供高性能解決方案，使毫米波雷達能夠以可靠和準確的方式運行，這對安全功能至關重要。他們提出了GaAs、SiGe BiCMOS和RFCMOS平台的技術。關於汽車77 GHz雷達晶片，目前主要採用130nm SiGe，恩智浦和英飛凌為最大供應商，RFCMOS技術正在與德州儀器等半導體公司進入市場，其技術製程為45nm，ADI採用28nm CMOS製程。  

近年亞洲諸國在半導體製造與晶片設計不僅已成為國際上的重要成員，更是未來成長幅度最大之區域。因此，兼具學術與產業影響力之IEEE亞洲固態電路會議(IEEE A-SSCC)，亦成為晶片設計領域之重要國際會議。 IEEE A-SSCC台北分會主席張孟凡指出，亞洲的半導體產業日趨強盛，除了台灣在IC設計與晶圓代工具備堅強實力，日本在汽車電子的發展亦不容小覷，韓國則是在記憶體領域拔得頭籌，中國更在近年於半導體領域急起直追；使得A-SSCC會議的重要性更為顯著。 2018 IEEE A-SSCC會議在今年即將邁入第14屆，且為台灣第四度主辦。由於近年來行動裝置與人工智慧晶片的普及應用，造就市場渴求更深化融合的前瞻行動智慧裝置，因此今年度的主題聚焦在「Silicon Enabling Mobile Intelligence」將針對半導體趨勢、5G、人工智慧(AI)等主題有更多的探討。 舉例而言，近年來雙鏡頭、三鏡頭系統逐漸出現在智慧型手機應用之中，除了提供了更好的拍攝品質之外，更能實現AR、VR、事後對焦等應用。清華大學電機工程學系副教授黃朝宗便率領團隊，提出了「FPGA低功耗光場廣域深度處理器」論文，發表五鏡頭的影像捕捉方法與系統展示。 黃朝宗說明，五鏡頭系統與硬體的成本、功耗皆和傳統方案無太大差異，然而在五年前開始投入該研究時，市場上尚未出現雙鏡頭手機，因此廠商對於多鏡頭架構多有所保留；然而時至今日三鏡頭架構亦將開始導入手機，相信五鏡頭的市場接受度也將逐漸提高。 另外，張孟凡也提到，台灣近年也由於晶片系統國家型計畫(NSOC Program)、智慧電子國家型計畫以及射月計畫的推動而有所斬獲。在未來，學界也將持續與產業界攜手共同發展技術。 2018年台灣在產學研界的熱切參與及大力推動下，在A-SSCC再創佳績。共被大會接受16篇論文。其中學界部份，清華大學獲選5篇論文、台灣大學4篇論文、交通大學4篇論文、成功大學1篇、台科大1篇；業界部份，台積電有1篇入選。由此可見，台灣過去於晶片設計領域之研發技術的投資逐漸開花結果，將引領台灣半導體晶片設計領域邁向從技術跟隨者與低成本取向，轉型為技術領先者與高利潤之優勢。  

無線充電發展十年磨一劍，受惠於三星(Samsung)與蘋果(Apple)相繼將無線充電技術導入手機應用，刺激消費性市場的成長。趁此趨勢，WPC聯盟亦開始鎖定中高功率無線充電技術，企圖開拓無線充電新版圖，將100~2,400W功率的無線充電導入智慧廚房中，為無線充電產業開啟新契機。 WPC聯盟主席Menno Treffers表示，看好智慧廚房發展潛力，該聯盟正積極開發一種新的無線充電規範，為廚房內的電器設備供電，其功率範圍界定在簡單100W小型電器(如榨汁機)，到需要輸出功率高達2,400W(如水壺和平底鍋)的加熱設備，預期創造一個標準、安全與智慧兼具的無線充電生態系統。 安富利(Avnet)產品管理經理暨WPC聯盟大中華區推廣組聯合主席楊士緯談到，在高溫高濕情境中使用廚房電器用品，無形中會產生一些觸電或失火的風險，而該聯盟希望藉由無線充電，實現家電防水概念，讓消費者們可以很安全在廚房內使用帶電產品。 整體而言，磁感應(MI)設計從低功率提升至高功率有幾個挑戰，包含成本、效率、對位、金屬異物干擾，以及當無線充電市場開始普及時，延伸出專利戰等問題。 基於能量不變定律的概念，提升無線充電效率的過程，能量損失往往會轉換成熱能。換言之，雖然無線充電瓦特數可以很高，但無線充電系統是否能承受效率轉換伴隨而來的熱能問題，進而影響電池或其他相關元件，是開發商設定產品瓦特數的考量要素之一。 不過，雖然效率的好壞，會影響無線充電能耗及熱能產生多寡，但開發商依舊積極尋求提升效率的解決之道；除了仰賴新的原物料導入外，打造出更整合型的系統單晶片(SoC)主晶片，以自然的方式提升效率，更成為無線充電供應鏈積極努力的方向。而在熱能改善部分，則可透過增加風扇或其他零組件的方式，將熱能對整體系統損害減到最低。 楊士緯透露，由於廚房屬於特殊的應用場域，為了與消費型5~15W的產品做區隔，WPC聯盟將賦予智慧廚房無線充電全新的Logo，稱為Ki，預計最快2019年年底將會確定。 據了解，目前已有方案商利用既有零組件、控制器，並整合自己韌體，開發相關的解決方案，預計不久將有相關產品面世。  

目前已證實，即使半導體元件較為昂貴，但太陽能應用的系統成本和UPS系統的運作成本仍可大幅降低。因此，這項技術在未來幾年將逐漸普及於更多應用領域。 雖然商用SiC裝置的電氣效能已經相當出色，但SiC MOSFET在可靠性方面仍有疑慮。目前市面上大多數零件都採用類似DMOS的平面設計。為補救平面通道傳導性極低問題，裝置會以完全導通的方式運作於高閘極氧化物電場(使用相對較薄的閘極氧化物)。因此必須特別注意電場故障率偏高的潛在問題，因為閘極氧化物應力場處於頗高的永久導通狀態(超過4MV/cm)。為此，電源晶片供應商便提出「溝槽概念」，以克服效能與耐用度之間的兩難。 溝槽結構式MOSFET可提升傳導性 以英飛凌旗下產品CoolSiC MOSFET為例，該產品使用溝槽結構，以提升通道傳導性，這是因為瑕疵較4H-SiC矽表面的平面通道更少。研究指出，溝槽側壁的方向不一樣，也將造成臨界值電壓些微不同，而通道移動率則會呈現大幅差異。 圖1為CoolSiC MOSFET電池草圖。在上述考量之下，鄰接溝槽的摻雜區域呈現非對稱型態。溝槽側壁左側包含MOS通道，與所謂的4H SiC A平面對齊；溝槽底部有一大部分嵌入p型區域之中，延伸至溝槽底部下方，同時作為內部續流本體二極體的p型射極。 圖1　常見平面閘極MOSFET(左側)及CoolSiC Trench MOSFET電池(右側)草圖 這種MOSFET結構本身就會抑制理想的電容比。CGS較大時，米勒電容CGD會比較小，如此可實現動態損耗極低且能充分控制的切換特性。重點在於，這項功能是抑制不良寄生導通的關鍵所在。 若要確保SiC MOSFET閘極氧化物可靠性，決定性的條件在於限制閘極氧化物電場，才會有足夠的使用壽命及FIT比率；阻斷狀態的SiC溝槽MOS結構必須特別謹慎處理，因為溝槽形狀會增強溝槽角落的電場。 這項特定電池組態的電場峰值出現在左側溝槽角落。這種電場的局部最高值決定了閘極氧化物在阻斷狀態下的壽命。圖2為電場在最嚴峻情況下的2D模擬結果，亦即VDSS最高汲極源極電壓=1200V，VGS最小閘極電壓=-10V。模擬顯示，閘極氧化物電場值可加以限制並降低，以避免減損閘極氧化物應有的使用壽命。 圖2　模擬阻斷狀態下的電場，虛線表示閘極氧化物電場最關鍵的區域。 單晶片裝置的典型導通電阻為45mΩ(VGS=+15V、ID=20A及T= 25℃)。臨界值電壓一般而言較平面SiC MOSFET高出4.5V。因此，零件能以一般IGBT的方式運作。在-40℃及175℃之間的指定溫度範圍內，導通電阻及臨界值電壓的溫度相依性如圖3所示。導通電阻在室溫下最低，會從RDSon=45mΩ開始增加，在175℃時一般可達到72mΩ。這表示物理上預期的電阻會隨MOSFET溫度增加(MOSFET通道區域瑕疵密度偏低)。 圖3　在25℃(實線)及175℃(虛線)的一般第三象限特性(VGS分別=+15V、0V及-5V)。 第三象限特性請參閱圖4，①為VGS=15V、IDS=20A；②為VGS=15V、IDS=40A；而③則是VGSth(在VGS=VDS、IDS=10mA情況下)。如前所述，MOSFET含有一組可用於硬式整流的本體二極體，因此並不須要新增昂貴的外部SiC二極體進行續流作業。閘極源極電壓為VGS=-5V的曲線，呈現了純粹的本體二極體運作，沒有MOS通道的寄生旁通。閘極電壓為零時，通道已對電流產生影響，進而降低源極汲極電壓VSD。 圖4　RDS(on)一般溫度相依性 不過，只要在閘極施加+15V將通道導通，就會出現極低的VSD及線性特性。此時，相應的第三象限導通電阻分別在25℃及175℃降低至33mΩ及57mΩ。前述數值低於第一象限，因為負回饋對pn接面偏壓的影響導致JFET電阻降低。為使二極體模式維持低度靜態損耗，建議以適當的連鎖時間進行同步整流。 MOSFET的基本特性之一，即是導通及關斷電壓斜率可由外部閘極電阻完全控制，藉以配合系統所需的任何dv/dt限制。圖5證實了導通及關斷電壓斜率dv/dt可輕易由外部閘極電阻Rgext.調整。只要閘極電阻保持穩定，切換損耗幾乎不受溫度影響，這種行為與IGBT形成對比，因為少數載子不會影響MOSFET中的裝置行為。 圖5　在導通(虛線)及關斷(實線)狀態下量測的最大電壓斜率dvDS/dt，切換條件為800V、20A、175℃、續流二極體IDH20G120C5、TO-247-3。 動態行為主要取決於MOS系統電容或系統生成的空間電荷區域。兩者均位於一階，不受溫度影響。在半橋組態中，本體二極體會發揮作用，隨著負載電流增加和溫度升高而產生更大影響。顯然，這是因為正偏pn接面注入的少數載子產生逆復原電荷而導致的效應。不過，相較於二極矽晶片裝置的已知情況，額定電流20A的絕對值仍然合理偏低，因此只會對總損耗平衡造成微小影響。 降低外在瑕疵減少SiC MOSFET故障率 商用SiC MOSFET最大的顧慮之一，就是閘極氧化物的可靠性會受到外在瑕疵影響；而SiC MOSFET裝置閘極氧化物外在瑕疵的根本原因，主要出在基板材料、晶膜製程及後續的製程鏈瑕疵。因此，就SiC MOS裝置閘極氧化物的可靠性而言，挑戰在於如何確保故障率夠低(包括外在瑕疵)，以在特定運作條件下達到所需使用壽命，例如工業應用20年<1 FIT。 一些有誤導之虞的報告指出，高逆偏狀況下的氧化物不夠可靠，難以應付SiC MOSFET的實際應用挑戰；相較於此，本實驗則是針對大量裝置執行長時間的導通狀態閘極應力測試，藉以判定真實作業條件的外在閘極氧化物故障率。這項試驗將1,000個獨立裝置分為兩組進行，在150℃及穩定的閘極偏壓應力下測試3次，每次100天，當每100天的週期完成後，會將閘極源極電壓增加+5V，並且監控每次故障的時間戳記。 圖6顯示每100天流程結束後的故障總數。在G1組中，測試從閘極源極電壓+25V開始進行，100天後的故障數為零。G1組測試結束時為+35V，比建議使用電壓+15V高出+20V，300天的總故障率為2.9%。G2組從30V開始進行，期間保持35V，最終結束為40V，總故障率為6.5%。 圖6　300天長期閘極應力測試後的故障率，2組共1,000個MOSFET在150℃及穩定的閘極應力下測試，每過100天增加5 V。 故障統計數據非常符合線性E-Model，將此結果外推至裝置運作20年的壽命，模型預測故障率為0.2ppm。試驗結果證實，閘極氧化物具有近似IGBT的可靠性，使用故障率遠低於一般的工業需求規格(每晶片1FIT)。 此外，這項實驗也執行了高溫閘極應力測試(HTGS)。正偏溫度應力(PBTI)及負偏應力(NBTI)數值均顯示出可充分預測的類冪律臨界值電壓偏移，其具有ΔVGSth ~(時間)n形式，類似於矽MOSFET。在150℃下的1,000小時應力時間內，總臨界值電壓偏移達到約+0.3V(VGS=+20V)及 -0.1V(VGS=-10V)。 有別於矽，BTI在SiC MOSFET引發的臨界值電壓偏移是由可完全回復的開關遲滯所疊加。這項臨界值電壓遲滯是SiC/SiO2介面內部的非破壞性特色，最可能的原因是介面瑕疵部位發生極快的電荷設陷。就應用觀點而言，較為相關的臨界值電壓偏移元件(可永久或者是緩慢回復)，在一般交流應力的條件之下(1,000小時/+20 V/150℃)大約限制於100mV左右。 另外，BTI應力測試結束的時候，所剩餘的臨界值電壓偏移，最可能是因為鄰近SiC/SiO2介面的閘極氧化物內部瑕疵發生電荷設陷，在前述部位受到設陷的載子，並不會降低氧化物完整性，僅需要更多時間釋放。 (本文作者皆任職於英飛凌)

現今製造業正面臨客製化、交期短、缺工等諸多挑戰，因此如何實現產線智動化、製程可視化及預先診斷，進而提升生產效率及良率，已是產業界共通發展目標，為此，晶片供應商，軟體/雲端業者皆致力發展相關技術和新一代解決方案。 實現工業4.0　模擬測試扮要角 模擬是實現智慧製造不可或缺的關鍵技術。模擬技術可讓企業在設計階段中儘早瞭解產品故障等可能發生的情況，企業可利用模擬模型預期成果或產品性能；這些模擬結果可作為豐富的資料來源，以用於監督機器學習和預測性建模，且透過預測性模型，可改進反饋回路，從而改善產品設計和建模。 安矽思(ANSYS)系統開發部經理陳正岳(圖1)表示，過往都是用C語言，模擬、寫出客戶的需求或規格。但此一方式的風險在於，因每個工程師都有他的認知和專業能力；因此，不同的工程師看到不同需求和規格時，會寫出不同的C語言。也因此，後來在C語言與客戶的產品需求之間，便產生Model-Based Design的概念，實現產品的模擬性。 圖1　安矽思(ANSYS)系統開發部經理陳正岳表示，數位雙胞技術可實現預測性維護與產品模擬，降低開發週期和提升研發效率。 透過模擬，可以大幅減少產品開發時間，而隨著工業物聯網(IIoT)的興起，模擬又在運營領域發揮了更大價值。基於此一因素，數位雙胞胎(Digital Twin)的概念也隨之興起。 簡單來說，數位雙胞胎便是透過虛實資訊的有效整合，達到參數即時分析與最佳化，進而強化工廠在研發設計、生產製造及營運管理的效率；而工業物聯網的興起，讓工程師能夠透過網際網路與正在運行的產品或製程上的感測器和致動器通訊，捕捉資料並監測運行參數。 如此一來，便能在實際的產品或製程上實現數位雙胞胎，執行即時的預測性分析和維護，從而優化資產性能。此外，這種數位雙胞胎還能提供相應的資料，以改善整個生命週期內的產品設計。 陳正岳補充，數位雙胞胎的概念源自於1960年美國空軍的機身維護計畫。由於飛機在飛行時絕對不能有失誤，因此須花費許多時間和金錢進行維護，在每次飛機降落時，美國空軍都會派工程師對機身進行機身維護，降低失事率，以及確認飛機生命週期。 總而言之，模擬是智慧製造不可或缺的關鍵技術，不僅可降低產品開發週期，還可實現預測性維護，數位雙胞也因而備受重視。為此，ANSYS也致力發展相關解決方案，並與眾多領域業者合作，像是與泵和泵系統設計製造企業格蘭富攜手，擴大旗下模擬軟體的使用，創建完整的數位雙胞胎；而格蘭富將採用數位雙胞胎技術提升產品品質和性能，提高研發工作效率，優化維護，降低意外停機帶來的整體成本和風險。 發展工業4.0　感測器和聯網技術是關鍵 要實現工業4.0，另一個重點便在於數據的擷取與分析，也因此，感測器和聯網技術同樣不可或缺。羅姆(ROHM)半導體FAE副理黃乙丞(圖2)指出，工業1.0是使用蒸氣和水力的機器代替人工，工業2.0是為了因應大量發展，開始在產線上使用電力。而從工業3.0則開始運用機器人等新科技；至於工業4.0，為了要實現全面的自動化流程，開始透過物聯網(IoT)和感測器技術，將感測器偵測的數據傳上雲端，接著在雲端上使用深度學習或是人工智慧(AI)進行分析，進而達到全面智慧化生產的目的。 圖2　羅姆半導體FAE副理黃乙丞指出，實現工業4.0，感測器和聯網技術是重要的關鍵技術。 黃乙丞說明，感測器在IIoT或智慧製造中可說是不可或缺的元件之一。因感測器可以偵測動作或物理變化，像是環境光線、加速度力或磁場變化等。感測器可根據其收到的數值，回報給控制系統，系統再做出進一步指示改善工作現場，例如透過光線感測器，偵測現場端的光線是否太暗或太亮，再加以調節。 也因此，物聯網裝置以及感測器的需求持續增加，而羅姆也備有相關解決方案因應市場需求；像是近期發布的可輕易構建感測器環境的Arduino用擴展板「SensorShield-EVK-003」。 據悉，該產品將ROHM旗下的8種感測器產品分別安裝在PCB板上，並與開放平台連接用擴展板組成套件，僅需與Arduino Uno等進行連接並嵌入軟體，即可構建感測器環境。利用感測器產品方便評估易導入的優勢，可大幅縮減IoT設備的開發工時，同時有助於擴大市場規模。 除了感測器之外，黃乙丞說，該公司也致力發展無線聯網解決方案，因無線聯網具備有線聯網沒有的優點，像是易於安裝、維護成本、時間較低等。而除了Wi-Fi、藍牙(Bluetooth)外，目前該公司也積極推動EnOcean和Wi-SUN無線技術於工業應用之中。 EnOcean是利用存在於自然界的動作、光和溫度差等極小的能源(能源採集器)，無電源、不需要保養的無線傳輸系統，因此功耗非常低。 至於Wi-SUN則是獲得日本電力公司採用在智慧電表通訊上，而備受關注的無線通訊規格。在日本，主要是特定小功率無線的920MHz頻段使用，和Wi-Fi相比，Wi-SUN雖然通訊速度慢，但具有通訊距離長、不會受到障礙物阻擋、容易連接且功耗低等優點。 羅姆對於EnOcean和Wi-SUN技術都著力甚深，該公司現已是EnOcean技術聯盟的會員，未來將不斷強化EnOcean Alliance的合作體制，持續推進新技術與新應用的開發。至於在Wi-SUN方面，羅姆已成功研發Wi-SUN對應無線模組「BP35C0」和「BP35C2」。 工業4.0安全防護不可少　智慧開關一把罩 自動化是工業4.0其中一個關鍵步驟，英飛凌資深主任工程師顏榮宏(圖3)指出，要實現工業自動化，須考量的面向包含監控層(Supervisor Level)、控制層(Control Level)、現場層(Field Level)，以及安全性(Security)。其中，如何提升整體的安全性和可靠性，以因應各種異常狀況，更是工業自動化中的發展重點。 圖3　英飛凌資深主任工程師顏榮宏透露，工業自動化的其中一樣關鍵要素是提升安全性和可靠性，才能降低工安意外。 顏榮宏表示，要實現工業自動化，安全性考量(Functional Safety)是不可或缺的。因為有些意外狀況所引發的災難往往是無法估計。因此，透過安全性考量，可以提前發現異常或潛在風險。也因此，在控制層需要更多的防護。 顏榮宏舉例，一般工廠系統或是機械手臂、馬達等設備，其數位輸出切換開關(Digital Output Switch)多採用離散式的金屬氧化物半導體場效電晶體(MOSFET)，但這類MOSFET並沒有保護診斷(Protection Diagnosis)的功能。也因此，該公司便將Switch整合Protection Diagnosis功能，打造一系列的智慧開關產品PROFET。此一做法的優點在於，智慧開關能在最短的時間內知道加載端(Load)的情況，在微控制器(MCU)動作之前就先自我保護，降低意外發生機率。 據悉，PROFET智慧電源開關由DMOS功率電晶體和CMOS邏輯電路組成，導通電阻最低可至1.0mΩ，提供超載、過電壓、短路、過熱、接地損失、電源損失和靜電放電(ESD)保護；專為驅動高電流應用而設計，包含電子控制單元(ECU)的電源、輔助電源插座、PTC加熱器或後窗加熱器。高開關週期與高能源需求的應用亦適用此系列開關。 另外，PROFET診斷程式提供狀態或當前感測功能的選擇，或兩者的組合。如果出現故障，狀態功能可診斷過熱或開路負載；而透過消除對附加分立電路和元件需要，診斷回饋和負載電流檢測可將風險降至最低。 顏榮宏說明，除了控制層的保護須提升外，工廠管理人員於現場層的觀念也須跟著改變。以往常常是等設備壞了之後再進行維修、更新，但有了安全性考量觀念之後，須先準備好因應方案，設備一旦損壞時，便可立即啟用備用系統，維持產線正常運作及降低意外風險。未來甚至還須結合「預知維護」概念，意即透過大數據收集、分析，了解設備運轉情況，以事先保養或維修，如此便可有效降低意外發生。 雲端AI興起　工業4.0落地更迅速 工業4.0可說少不了設備監診和預防性維護。設備監診和預防性維護並非新概念，但過往多導入在大型生產系統和高價設備，然而，隨著工業物聯網(IIoT)逐漸普及，加上網路和感測器技術突破，以及人工智慧的興起，讓過去只有少數業者負擔起的預防性維護系統，逐漸滲透到一般工業應用中，結合AI的雲端解決方案也紛紛出籠。 思納捷科技總經理莊棨椉(圖4)表示，目前的生產、製造模式大部分仍是倚賴大量人工，能源、資源等狀態也都靠人工回報，自動化程度不高，也缺乏智動化的機台回饋；而仰賴人工在日後有可能會面臨技術者凋零、人均產值低等困境。工業4.0便是為了改善現況，透過聯網、感測技術與AI的結合，實現少量多樣、高品質的生產模式，而該公司也有相關解決方案，如In-Factory智慧工廠AI總管。 圖4　思納捷科技總經理莊棨椉透露，用雲端AI實現工業4.0有三個階段，分別是能源管理、設備管理和數據分析。 莊棨椉認為，運用雲端AI技術實現工業4.0，須經過三個階段，分別為能源與資源管理、設備整合，數據分析最佳化。 首先是能源管理，顧名思義便是透過全方位的能源方案為智慧工廠建立基礎，通過ISO 50001、14001認證，達到節能與能效提升。像是可透過需量管理方案，透過電力需量視覺化、即時預測告警，提供用電最佳調度決策及契約容量，以協助企業有效管控電費。 第二階段是設備整合，目的是將現場重要設備與機台連上雲端，收集數據，進行節能與設備管理，例如遠端監測設備運作狀態、預知保養、提升稼動率等，達到能效與良率再提升，並降低設備人力維護成本。 最後一個階段則是智慧分析與預警服務，待達到上述兩個階段後，第三階段便是透過AI學習，建立實體設備的的雲端虛擬設備模型，進行設備診斷分析、生命週期模擬等，可適時提出設備故障預知、維修排程決策，並提供場域所需的分析服務，達到設備零故障與運作零中斷的目標。 總而言之，為解決少量多樣的客製化需求、交其短、缺工等挑戰，工業4.0已是必然的發展方向。而為落實工業4.0，不論是晶片供應商、軟體/雲端業者皆致力發展相關技術和新一代解決方案，以提升生產彈性、效率及良率。