工業4.0

工業4.0核心課題就是虛實融合系統(Cyber Physical System, CPS)，目前最成熟應用虛擬的模型來描述真實射出成型製程的方法，便是透過發展已多年的「模流分析」技術，將射出成型中的所有元素都轉換為虛擬系統，針對產品品質與生產效能的計算在虛擬系統中完成後，反應到實體空間作為生產決策的建議，其運作流程如圖一所示。 圖一  射出成型產品開發新概念 射出成型實務和模流分析比對過程當中，最關鍵的執行步驟便是需要盡可能讓模流分析輸入資料和真實世界射出過程的條件一致。可能導致後續比對不一致的因素有很多，例如機器性能造成機械響應有快有慢、材料加工過程中特性掌握、數據測量方法以及產品幾何一致性等。在確保這些輸入資料的正確性後，模流分析預測的結果往往可以高度符合實際結果，並為使用者帶來模穴內完整的計算資料，以利進行後續設計變更的優化調整。在射出壓力的比對上，在確定幾何與現場一致性後，首要面對的問題，便是材料黏度模型的建構及參數取得，材料黏度模型需能有效考慮加工過程中包括溫度、剪切率以及壓力的效應等。 其中愈顯重要的是射出機台作動的模型建構。以射出成型射出單元來看，螺桿內部有進料區、塑化壓縮區與計量區；如圖二所示，藉著螺桿一邊旋轉一邊後退，將固體塑料往噴嘴端送，期間塑料由固態變成熔融態，累積於螺桿前端準備射出。此螺桿前端至噴嘴區內，塑料將承受高溫且具壓縮性的明顯變化(包括黏度及PVT)，若射出保壓的模擬將此因素納入，將可以描述更好的入口條件，並產生更好的壓力峰值預測。 圖二  料管內不同元件示意圖 Moldex3D很早便在軟體中引入此料管區壓縮的概念，利用材料本身的PVT隨溫度壓力變化，以程式內部動態壓縮元素計算密度壓縮因子，計算此區域材料在射出保壓過程中的質量守恆變化情況如以下公式： 其中ρ表示材料密度，V表示料管體積，t為這一步時間，t+△t為下一步時間，FR表示噴嘴區的流率值，計算模擬結果如圖三所示。由於材料比容在螺桿前端受壓縮效應影響，導致流率經過料管及噴嘴後，與機台上設定的數值有所落差，特別是在材料壓縮性變化大或愈精密的小尺寸產品上，其差異會更明顯。透過導入上述計算公式，Moldex3D的模擬結果已能有效縮減此差距。目前此分析技術已成功應用在客戶實際案例上，預測壓力在充填過程中的變化。 圖三  考慮機台響應參數鑑定的流率變化 在機台螺桿運動的控制參數方面，傳統模擬將螺桿的運動轉化為單純施加在熔膠上的速度與壓力，這其實是過度簡化了塑料的流動行為。以閉迴路油壓機為例，實際在射出階段，為了消弭當下量測到的速度與成型人員所輸入之射出速度的差異，機台會藉由控制器來調整比例閥，以增加或降低的螺桿的前進速率。這個控制迴路的響應快慢，決定了機台能否穩定生產。而機台響應的快慢是個非線性的控制模型，如何置入模流分析中進行模擬，往往是使用者在給定條件中常遇到的執行問題。 在Moldex3D的新版本中，使用者可透過機台鑑定步驟，操作機台的充填速度與壓力響應設定，並以實驗方法鑑定機台參數響應模型，將真實機台響應納入CAE模流分析進行考慮。如圖三所示，以此一段流率設定而言，傳統CAE模式分析(CAE Mode)只能表現出單段流率的預測；透過機台參數響應(Machine Integration)鑑定射速，則可以獲得更貼近真實機台的流率變化行為，以及流率在初始階段的延遲行為。 此外，Moldex3D還可結合在射出保壓過程中，料管前端塑料受到螺桿的壓縮效應，模擬材料在射出機的料管和噴嘴階段所經歷的暫態壓縮行為；並且整合機台響應參數化模型和高分子熔融塑料的材料壓縮性效應，進行射出壓力模擬。圖四為比對不同計算模式下所預測而得的射壓差異。如前所述，傳統CAE模式只單純考慮機台設定的一段變化，射壓預測上會與實驗有所差異；而考慮機台參數響應與料管壓縮效應，射壓預測的曲線可以大幅的修正，模擬預測值為85.95MPa接近現場 85.81MPa，並在保壓切換點的預測上(17.875mm)更接近現場設定的(15mm)。 圖四 不同計算模式的射壓預測結果 隨著工業4.0理念在全球不斷發酵，射出成型機使用者的需求已漸漸由單機演變成透過虛實整合系統達到設備自動化、聯網化與智慧化，讓使用者擁有更精密的運籌計畫與有效的資源分配。本文示範從模擬分析中整合機台響應參數化模型和高分子熔融塑料的材料壓縮性效應，使用者將可更真實考量材料在進入模穴時受到的動態行為，獲得更精確的射出壓力模擬結果。透過這樣的整合方式，將能減少試模過程中的材料浪費，以及第一線工程師在實務操作時碰到的挑戰。 (本文由科盛科技提供)

盛群(Holtek)針對車用電子與工業控制應用新推出CAN Bus MCU HT66F3370H，CAN實體層可支援最高達1 Mbit/s的高速網路，具備傳輸距離遠、可靠度高、擴充性良好等特性，為控制器區域網路應用帶來良好性能，提供智慧建築監控、車用電子控制、工業4.0智慧控制應用等解決方案。 HT66F3370H整合Bosch公司授權的CAN IP模組，提供CAN Bus介面支援CAN 2.0A/B協議，並符合ISO11898-1:2003規範，內建32個通道(Message Objects)提供資料傳輸，可支援 Receive Enhanced Full CAN。HT66F3370H主要資源具備32K×16 Flash ROM、3K×8 RAM與1K×8 EEPROM。周邊資源除CAN Bus外另擁有SPI、I²C及UART×3介面，16通道12-bit ADC、4-SCOM LCD驅動、16-bit MDU(乘除法器)以及16-bit CRC功能。 HT66F3370H封裝提供64/48LQFP封裝類型，應用溫度範圍為-40℃~125℃，多樣的介面與大容量的程式與資料儲存空間，適用於各種系統之通訊控制應用。

自動化是開啟工業4.0的關鍵，也是邁向AIoT的必經之路。全球工業用儲存大廠宜鼎國際(Innodisk)，日前發表導入CANopen通訊協定，為其CAN bus嵌入式設備提供更全面的應用解決方案，並為全球技術商帶來強大自動化動能。 企業在導入工業物聯通訊網路時，往往需要顧及繁多的介面轉換，同時也需要評估應用環境與距離限制；因此宜鼎推出一系列CAN bus通訊方案，涵蓋範圍包括CAN bus 2.0B/2.0A、J1939(用於船舶/車輛元件之間通訊與診斷)、CANopen等。而最新導入的CANopen通訊協定，則特別適用於多軸運動控制應用，而宜鼎的嵌入式CAN bus模組系列將能更廣泛支援各種高階應用，從自動化的範疇延伸至機器人、運動控制、智慧醫療、工程車輛、航海電子、公眾傳輸與建築自動化等面向，並再次突顯宜鼎積極布局嵌入式外圍設備陣容的雄心，持續發展創新解決方案並進一步推廣至AIoT和工業IoT(IIoT)的最前線。 CANopen是由CAN in Automation (CiA)組織所開發的嵌入式系統的通訊協定，屬於CAN bus通訊協定的一環。CANopen能夠提供嵌入式系統中的設備相互通訊基礎，此外，為了因應不同的傳輸需求，Innodisk也提供了完整的CANopen開發套件(API)，包含即時資料傳輸PDO、傳輸組態資料的SDO、NMT訊息與錯誤控制，以及其它特殊功能的通訊物件，如Time Stamp，SYNC與EMCY訊息等。憑藉強大的軟體開發套件，宜鼎將提供客戶快速開發基礎，並且幫助企業大幅簡化工業網路通訊協定的整合流程。

非規劃停機所造成的成本每小時可達數千甚至上萬美元。在2017年曾經進行的一項研究中，發現許多企業遇到停機時每小時平均成本高達200萬美元，非規劃停機造成的成本遠高於計畫性維護，因為機器必須下線進行診斷、訂購替換零件，然後才能進行維修。 機器在規格範圍內持續運轉，以及機器預期的剩餘壽命，都會受到各項變數所影響，包括如運轉時間、負載與運轉環境的變動，以及各種損壞事件等。狀態監測的目的，旨在找出這些影響因素的量化數據，以在需要立即注意時即時提供警訊，並精準預測需要介入的時機。 每部機器都不盡相同，每部機器老化的過程也不一致，而老化的過程通常緩慢且難以察覺。除非長期主動觀察細微變化的徵象，不然即使長時間下來也看不出老化的現象。之後有朝一日機器忽然失效，可能是災難性故障，意謂著機器必須離線進行維修。終端使用者希望針對即將發生的失效提前收到通知，藉以提前進行停機的計畫。他們也會觀察機器細微變化的各種徵象，這些因素可能影響類似紙張與金屬板材這類最終產品的品質。 各界需要更加提早觀測出機器磨耗，以及機器輸出品質的資訊，帶動對於更靈敏與更全面性感測的需求。另外，量測的種類也更加多元，包括溫度與振動等感測模態，如今也透過音響、馬達電流，以及電壓量測等方式提供輔助。這些量測系統匯整之後，即可對設備的狀態得到更全面的認知。因此每部機器上裝設著越來越多的量測通道。個別的量測通常需要妥善協調以顯示彼此的關係，像是x/y/z三個軸向的振動數據。而對於同步化的需求，也導致系統的複雜度更加提高。 量測節點日趨分散以及模態的多元化，意謂著以人力資源進行檢視與量測的方式已無法跟上實際作業的需要(圖1)。系統必須分散部署在廠房的各處或偏僻角落，並使用現有的有線基礎設施或無線網路，運用穩定安全的無線系統進行通訊。龐大且昂貴的感測器以及匯流傳輸設備必須做得更小、低價、省電，才適合裝設在這些環境。為此，許多新元件與子系統型態的新型精準解決方案，具備更高的整合度，讓系統廠商現在就能實現上述的感測功能。 圖1　使用壓電感測器是由掌上型裝置，以人工方式檢測設備。 資料擷取是狀態分析首要任務 想要儘可能提早察知機器耗損的徵兆，就等同於須擁有預見未來的能力。在狀態監測分析方面，方法就是觀察系統中各種最細微的變化，包括系統溫度、振動，或聲響等徵狀。想要感測到這些細微的變化，感測器與資料擷取系統必須能以最小偵測分辨率單位明確觀測到這些細微改變，包括在極高的振動或溫度下也能精準量測。為此訊號鏈必須具備極高的動態範圍，意謂著系統得擁有極低的雜訊，同時還能應付極大的變動。 舉例來說，要對往復式水泵偵測出機件磨損的徵兆，就必須能偵測出活塞死點不到十分之一毫米的磨損差異，而活塞的往復行程則達到300毫米。要確保能看到如此細微的變化，其條件則是系統雜訊必須低至少10倍。因此偵測水平必須達到1:300,000或109dB，須採用18位元或更精準的資料擷取系統。 另一項考量因素，是拓展出更多傳輸頻寬範圍。馬達軸以及許多齒輪系統的振動頻率相對較低，頻率相當接近軸轉速或僅是軸轉速的數倍。然而，系統中其他零件則擁有較高頻率特徵。為此，想要偵測擁有較高頻率特徵的零件因磨損產生的偏移，像是滾珠或油封軸承這類零件，感測機制必須在超過10kHz甚至80kHz的頻率下達到高解析度與高動態範圍(圖2)。 圖2　典型振動頻率特徵 感測系統規格必須包含高動態範圍(DR)，以及極低的總諧波失真(THD)，才能在系統振動模式(Profile)下解析出這些頻域特徵。在這些系統中，主要是運用最新精準型大頻寬三角積分(Σ-Δ)轉換器來執行類比至數位轉換步驟。這類極精準的類比至數位轉換器能滿足這些系統的關鍵需求。此類轉換器擁有優異的動態範圍以及THD(一般為+108dB DR到120dB THD)，能在至少80kHz頻率下覆蓋dc直流頻寬，另外還具備許多簡單易用的特色，像是類比輸入端的預先充電緩衝器、整合式數位濾波器、跨元件同步支援多通道相位匹配，使得這些關鍵元件能用來建構最高效能的CbM資料擷取系統。 功率調整(Power Scaling)功能讓同一個實體硬體經調整後能支援特定功率上限的規範，針對整體功率匹配適合的動態範圍或頻寬。在直流以及較大頻寬條件下提供精準偵測，同一個平台的輸入通道能滿足包括溫度、形變，以及其他直流或低頻寬感測的需求，進而簡化整體條件監控系統的架構並降低複雜度，也就是單一平台即可支援所有種類的CbM感測器。 同步取樣確保相位關係保存 在CbM系統中，同步取樣用來確保各組時域資料之間的相位關係得以保存。舉例來說，兩個正交設定的振動感測器可用來偵測振動向量的方向以及振幅。在理想狀態下，相位會延著每個感測器輸入通道逐漸延遲，並應該和溫度變化相匹配。 對於CbM系統而言，設計上需要更多的彈性，方能因應取樣率、頻寬，或功耗擴充需求方面更寬廣的範圍，因此SAR ADC產品也很適宜。這些元件還提供高動態範圍與THD，吞吐量可達2 MSPS，並融入許多易用特色，除了降低訊號鏈的功耗以及訊號鏈的複雜度，還促成更高的通道密度。具備更高輸入阻抗模式的轉換器能擴展低功耗精準型放大器的範疇，這類放大器能直接驅動這些ADC，並達到最佳的效能。 為讓系統廠商針對更精小或分散式擷取節點可達到最高的通道密度，以及加快上市時程，半導體業者如ADI開發出新的訊號鏈μModule產品，可提供比以往更高的整合度。這些μModule元件結合資料擷取訊號鏈設計常用的關鍵零件，打造出小巧的積體電路(IC)形態。 μModule將類比與混合訊號元件的挑選、最佳化、以及配置等方面的設計負荷從設計者轉移到元件，藉以縮短整體設計時間以及系統除錯工作，最終則加快了上市時程。裝配在微型封裝內的μModule元件非常適合用在分散式少數量通道的微型CbM系統中，或更高通道數量的機架式系統(圖3)。 圖3　μModule組件的3D著色圖 MEMS感測器助力狀態監測執行 光是在訊號鏈的資料擷取部分提供高動態範圍、更廣的頻寬、更高的電源效率，以及更高的通道密度，只能解決CbM系統一部分的系統設計挑戰。傳統整合式電子壓電(IEPE)振動感測器龐大、笨重、昂貴，且供電線路的電壓通常比資料擷取系統還要高。一般而言，壓電式感測器採用24V的單一電源，消耗2毫安培的電流，封裝在金屬外殼內。由於感測器一般裝在資料擷取模組內，因此提高設備內部通道密度，就會衍生電源密度以及元件密度的問題。更糟的是，在以電池供電的無線擷取節點中，傳統壓電式振動感測器已不再能滿足這些設計鏈的需求。 MEMS微機電式振動與慣性感測器現在能滿足這些系統的需求。最新的高頻寬MEMS元件具備的雜訊與頻寬效能適合各種CbM應用，而且在標準的微型化表面黏著封裝就能達到這般的效能，同時功耗還比IEPE感測器低了20倍。這些MEMS感測器的小尺吋與功耗特色，讓業者能開發出超小型電池供電多軸系統，以用來執行永久與持續性狀態監測。 功耗與連結 感測機器的溫度、振動或噪音，之後將訊號轉換成數位資訊，這些都是監控作業的關鍵部分，但這些還不是完整的流程。要建構狀態監測系統，必須注意設計專案中所有類比、數位，以及混合訊號元件。資料擷取鏈要達到低雜訊，需要的不光只有低雜訊感測器以及類比至數位轉換元件，還包含低雜訊電源設計。系統要達到低功耗，電源元件必須有效率地從電池或線路汲取電力，而且不會增加設計的複雜度。 連結需求取決於應用環境。許多工業場所已有完備的布線，用來執行製程控制或現在的環境感測，像是溫度量測。然而，這類現存基礎設施大多數無法因應大規模狀態監測所涉及的龐大原始資料或資料傳輸率。 提高既有布線功能的其中一種方法，就是增加更多資料而且不影響現有的功能。舉例來說，HART技術可用來在常見4mA至20mA類比介面上加入數位格式的診斷資訊。類似的狀況，工業乙太網路能增加既有乙太網路布線的決定性以及即時控制力，反映在控制應用上就是延遲的表現，FFT資料所需的更高頻寬，以及允許每個鏈路設置多個節點。 另一種途徑就是無線傳輸資訊。在工業環境中，需要穩健且安全的無線聯網。最新的智慧網狀網路(Mesh)拓撲無線電產品，包含無線晶片，以及預先認證的電路板模組，即使置於充斥干擾雜訊且持續變動的射頻環境中，也能以低功耗執行通訊並達到超過99.9999%的資料可靠度。對於狀態監測而言，這意謂著失效或瞬變事件都能和host主控端進行通訊，並在最短的時間內做出因應作為(圖4)。 圖4　模組圖顯示典型精準資料擷取訊號鏈的子模組。 CbM角色將愈加吃重 狀態監測對於大型高資本設備是絕對必要的，包括像能源與油氣，在這類環境中，非規劃中的停機會直接影響對生產成本。另一方面，工廠扮演的角色越來越吃重，因為除了能主動執行機器維護之外，還能有一種方法來確保機器在正常運轉下能穩定一貫地生產產品。隨著這些監控功能的價值越來越顯著，這項技術將開始擴展到越來越多我們每天所運用的機器上，而不再是風力發電機或造紙廠的專利，未來，將會看到CbM廣泛地應用在火車、飛機、汽車，最終拓展到洗衣機甚至體積更小的家電中。 系統零件製造商未來必須整合感測器，或甚至整個通道都整合到零件之中。未來的馬達將配備振動與電流感測機制，而軸承與齒輪箱也是如此。未來許多自主性運行感測器節點會向行動裝置通報訊息，這些部署在車庫門上的裝置，能在車被塞在車庫內之前向車主發送警訊。 為因應在這些不同情境中持續增加的感測需求，許多設備製造商未來必須採取平台模式，運用少量的平台因應更多化的需求。量測通道必須支援不同的感測器類型，讓機架式設備能改成支援不同的感測器組合。在較小設備方面，系統必須能對不同供電條件進行調適，讓相同監控節點能用在洗衣機或電池供電工具。 狀態監測大幅減少災難性故障機率 狀態監測針對機器內部感測各項可量測的參數，藉以對機器的健康狀態取得量化數據。提高這些量測結果的精準與靈敏度，以及降低監控設備的尺寸/重量/耗電，即可讓工廠管理者將這類感測機制部署在廠房各角落。  現今的工作都配置健康監視器，就像健身追蹤裝置讓管理人員能對工廠運作有更深一層的掌握，隨時得知機器運轉的每一分鐘變化，並根據這類資訊及早做出有根據的決策。提前排定維護工作，並且僅對有需要維護的機器進行保養將能大幅降低維護成本，而技術人員在下班後的出勤以及待命成本，則能降低至零。  此外，由於工作維持在更嚴密控管的狀態，資本設備成本也能因此降低。早期偵測與替換已磨耗的零件，有助維護機器的整體健康。嚴密監視能減少災難性故障的發生機率。設備的壽命也得以延長，並持續維持到壽命終止。 工廠最終產品的生產成本得以降低。在掌握機器健康狀況下，機器的容錯性(Tolerance)即能維持在可控制的範圍內。最終產品各批次的輸出品質也更加穩定。當機器發生狀況或突然停擺的次數降低時，產品重工與廢料也會隨之減少。 (本文作者為ADI資深應用工程師)

工業4.0意謂著以智慧製造為導向的第四次工業革命，其最初的概念，旨在結合感測器、致動器、通訊網路等，使在物聯網(IoT)互聯架構下的虛實整合系統(Cyber-Physical System, CPS)，可水平整合供應鏈系統的價值創造、垂直整合工廠不同的管理流程，從而實現產品與生產系統的生命週期管理以及優化整體生產效能。隨著工業4.0概念的推廣流傳，更多樣的元素與技術被納入其中，概念也更臻多元完整。 然不論如何演進，其最重要的目的即為透過整合、技術與工具的導入，能夠有效地連結與實現從人員、機器設備、原物料、環境、作業方式、供應鏈、生產銷售數據等等的管理智慧化，以人機協作方式，透過連結製造相關元素、流程、數據，進行優化來提升全製造價值鏈之生產力及品質。以西門子(Siemens)在德國安貝格(Amberg)先進實驗工廠經驗推估，工業4.0化後的生產鏈可提高其生產價值至原先十倍以上，同時縮短20%新產品開發時間和降低50%的開發成本。 工業場域危機四伏　降低事故發生迫在眉睫 同時，因應工業場域可能存在各種的工安危險，現場端需要對危險區域工作人員的工作安全進行管理。根據市場研究(圖1)指出，2019年工業安全的市場規模達到33億美元，2024年預計增長至54億美元，期間的複合年增長率為8.6%增長的因素包括安全法規的要求、工業4.0以及工業領域的自動化日益增長，對人員和資產保護的安全系統的需求不斷增加。 圖1　工業安全市場規模 美國學者韓立奇(Heinrich, 1931)更指出工安意外的直接原因(工安事故三角形)(圖2)，88%的意外是不安全的行為(例如未遵守標準工作程序、在工作中開玩笑、使用有缺陷的機具、採取不正確的工作姿勢、未使用個人防護具等)所造成，10%是不安全的狀況(例如廠商的安全管理缺失、環境缺失及人為疏失、抑或是工作場所不整潔、採光照明不良、高度噪音、警報系統不良、工具、機械或物料有缺陷等)所造成，剩下2%則是無法預防的因素所造成。 圖2　工安事故三角形，著名的88:10:2比率，是工業事故預防的理論基礎。 導入AR/MR技術　智慧眼鏡提高效率 現階段的工業場域，為保障員工的工作安全，作業人員在進入現場進行工作時，為確保工作安全、操作正確，常須要背負多項儀器設備或文件，不僅耗時費力也缺乏工作效率。也因此，企業希望透過運用擴增實境(Augmented Reality, AR)或混合實境(Mixed Reality, MR)技術的協助，降低工安意外以及提升工作效率。藉由導入AR/MR技術來串連工廠流程、協助員工作業，除了可以減輕員工負擔，提高人力資源的生產效率，也能夠達到優化整體生產之能力。 對於如何在工業場域導入AR/MR技術(圖3)，Gartner的研究總監Angela McIntyre表示：「透過智慧眼鏡搭配擴增實境(AR)，除了解放作業人員雙手外，也可幫助提升技術人員、工程師，和現場服務、維修、醫療、製造等產業人員的工作效率」。而市調研究機構Forrester Research更預估，2016年~2025年間，美國企業將花費超過300億美元購買智慧眼鏡硬體，且於2025年時，將會有超過1,400萬美國人口，在工作上使用智慧眼鏡，此約占整體工人數量的8%。 圖3　工業場域導入智慧眼鏡示意圖 再者，產業界面臨的工作人口老化、職業訓練經驗傳承等痛點，亦可透過智慧眼鏡的語音指導、資訊疊合等方式現場予以工作上的協助與強化，減少員工上手的訓練時間。 根據美國勞工部的調查與估算，到2026年時，美國將有37%的勞工介於65~69歲，相當於四成的高齡勞工，而此數據在1996年時，僅有22%。採用科技導入減少高齡化缺工、經驗傳承不易等世代轉移的問題，將會是整體趨勢所在。圖4為Google智慧眼鏡和UpSkill與DHL、波音(Boeing)等公司實證研究指出，智慧眼鏡能提高工作效率的佐證資料。 圖4　從上到下，分別為風力發電機繞線，採用智慧眼鏡提供工作手冊功能，生產效率提高34%；飛機引擎維修，採用智慧眼鏡提供工作手冊功能，工作效率可提高16%。 目前，市面上已經進行商品化的智慧眼鏡，輕量化的眼鏡以Vuzix M300或Google Glass Enterprise為代表，而功能性的眼鏡則以微軟(Microsoft)的Hololens 2為代表(圖5)。儘管輕量化的眼鏡在運用上輕巧，但是礙於硬體限制，能提供的功能相對較少；而功能性的眼鏡，則是功能強大但卻笨重，相關比較見表1所示。 圖5　目前市面上已經商品化的智慧眼鏡，從左到右分別是輕量化眼鏡代表「Vuzix M300」和功能性眼鏡代表「微軟Hololens 2」。 石化產業環境特殊　人為操作步步為營 以石化產業相關業者為例，透過導入智慧眼鏡輔助人員設備操作/維修，讓人員可以藉由「實際觀看」、「實際觸摸」、「實際操作」實體設備，了解場域設備的維修作業，避免操作流程繁瑣且在設備上無標示，導致操作人員容易遺忘操作流程或操作失誤的情況發生，將有助於提高人員的工作效率和縮短訓練時間。 舉例來說，石化產業的設備中約有80%以上的設備依賴泵浦作為輸送液體、氣體或特殊流體的心臟。因此，為了讓廠區作業能更有效率且安全，減少機台損耗，泵浦的保養以及維修工作是現場作業人員均須學習的操作項目。 然而，泵浦的拆卸過程繁瑣，相當倚賴拆卸人員的經驗與熟練度(圖6)。如果能在拆卸過程中，透過智慧眼鏡以混合實境方式在實體設備上標示操作位置、方向等虛擬輔助引導訊息(圖7)，就算是不熟悉設備操作的人員，也可以有直觀的操作教學並循序地引導每一個動作，大幅簡化指導新進人員維修機台、檢修設備或機器組裝時，必須由資深人員一對一或一對多進行陪同指導教學所需要的人力成本與時間投入。 圖6　泵浦拆卸過程。從上到下，從左到右分別是泵浦拆卸前準備、泵浦拆卸、葉輪拆卸、泵浦分解、軸承箱拆卸與轉子組拆卸。 圖7　混合實境虛實疊合示意圖 此外，導入智慧眼鏡之後，除了輔助人員操作維修外，還可以遠程主控端即時動態標示人員操作時所需注意之訊息，以及目視檢查時應加強觀察的位置，減少應注意而未注意所造成失誤情形。如此一來，更能提高操作人員的作業精確度和減少人為操作失誤的狀況。 助力工業4.0發展　智慧眼鏡帶來質變 綜合以上分析可知，將智慧眼鏡導入工業場域，既呼應了AR/MR是工業場域面臨工業4.0發展趨勢下，有效且普遍的優先技術選擇，也能透過以混合實境疊合工作指示的方式簡化人員工作流程，強化作業安全、提升工作效率、降低人員操作錯誤、事故發生機率，以及減少員工上手的訓練時間。同時，智慧眼鏡的影音雙向溝通、工作文件線上閱讀、現場環境錄影存證等功能，更可以提供工作人員現場遠端協助，降低人員操作錯誤的機率，減少未注意但應注意的情況發生。最重要的是，透過導入智慧眼鏡，可以完成工安管理、訪客管理、遠端專家指導、數位工作程序指引、教育訓練以及倉儲管理等工業場域需求，相信不遠的未來可以看到更多創新應用服務。 (本文作者任職於資訊工業策進會智慧系統所)

整合、API管理及分析的公司TIBCO與元智大學日前宣布共同成立TIBCO分析中心，進一步強化雙方的合作夥伴關係。 TIBCO資深副總裁Erich Gerber表示，台灣在工業4.0的開發及實踐上處於絕佳位置。隨著政府在製造業等領域推動物聯網和資料分析的努力，證明台灣已經準備好在工業創新中扮演關鍵角色。身為推動數位企業的廠商，很榮幸能參與訓練教育下一代在資料分析領域的能力。參與訓練的學員將能透過這個特別專案得到實際操作的機會。他相信與元智大學合作，學員所能習得的技能，結合最頂尖智慧、互聯的軟體方案，將為台灣數位經濟發展有所貢獻。 新成立的分析中心將使TIBCO和元智大學能以更視覺化的方式對物聯網應用的資料分析進行研究，為在職人士提供進修服務，目標是協助他們建立職涯中不可或缺的關鍵資料分析技能。 此次合作是雙方夥伴關係的第二階段。進修對象鎖定渴望在高科技製造業建立正確資料分析能力的業界人員。另外還包括一個為期三天的商業智慧資料視覺化與分析專案學程，著重在如何將資料轉化成對商業有用的資訊。元智大學將在教學以及研究中採用TIBCO Spotfire軟體，用以訓練在職人員如何在商業決策時有效運用彼此互聯的智慧資訊。 元智大學智慧生產與管理創新研究中心主任蘇傳軍教授表示，隨著工業4.0中智能技術的發展，台灣有望成為全球主要參與者之一。企業持續在投資決策時拉高先進分析的比重，更凸顯出擁有受完整訓練高科技員工隊伍的重要性，因為如此才能充分發揮資料分析的效益，為整體產業經濟有所貢獻。隨著新資料研究中心的設立以及商業智慧資料視覺化與分析學程的規劃，相信與TIBCO的這些合作，將大幅提高在職人士教育的吸引力，提供現今數位世界所需要的關鍵數位技能。 TIBCO Spotfire將會在商業智慧資料視覺化與分析學程中的6堂課中使用。該課程將重點介紹視覺化分析的關鍵基礎知識，學員將從建構高互動的視覺介面開始學習，整個學程並將介紹多種圖表選項、資料連結方式與不同模型進行的預測分析。

凌華科技宣布參與5G-DIVE計畫，主旨在建立5G技術優勢和商業價值的國際計畫。 凌華科技技術長Angelo Corsaro解釋，邊緣和霧運算功能超越先前的EUTW-Phase-I 5G-CORAL解決方案框架，支援人工智慧型自動化和分散式資料共享與儲存。智慧設計目的在於實現最佳性能，在每個目標垂直應用中進一步提高5G商業價值。 5G-DIVE是H2020 5G-PPP計畫的一部分，由歐盟委員會和台灣經濟部兩個地區的產業與學術領域的合作資助下組成。聯盟成員包含12個合作夥伴：馬德里卡洛斯三世大學(UC3M)負責協調計畫的歐洲部分、工業技術研究院(ITRI)負責協調台灣部分、愛立信、德國 InterDigital、Telefónica、Telcaria Ideas、萊斯大學、交通大學、亞旭、資策會和凌華科技。 5G-DIVE計畫將著重在兩個垂直試驗應用：自主無人機偵察和工業4.0。凌華科技負責管理和協調聯盟合作夥伴進行工業4.0試驗，並提供必要的空間和技術支援來測試所有合作的技術。兩項試驗均將實施量身訂製的端到端5G設計，以符合每個垂直試驗的應用需求，例如數位孿生(Digital Twinning)和無人機機群導航。5G-DIVE的訂製設計以兩個主要支柱為中心—端到端5G連線，含全新5G無線電、交叉傳輸和5G核心;以及分散式邊緣和霧運算，整合使用者周遭智慧功能。 5G-DIVE試驗將透過歐洲的5G端到端ICT-17計畫，和台灣的測試台在兩地實際執行數週。 5G-DIVE延續之前的兩個計畫5G-交叉傳輸和5G-CORAL。當前計畫將進行中的研究5G新無線電、交叉傳輸與核心整合至5G-CORAL所開發的智慧邊緣和霧運算平台，為每個垂直應用提供訂製功能，添加自動化和智慧工具，以最大化每個垂直產業的5G價值主張。

從全球製造業轉型升級工業4.0到貿易戰引動供應鏈大洗牌，面對前所未有的機會與挑戰，台灣IBM攜手產業夥伴凌華科技、大聯大控股旗下世平集團、台達電子與緯謙科技打造智慧製造生態圈，整合營運技術(OT)、資訊技術(IT)與人工智慧(AI)，協助台灣製造業加快數位轉型腳步，讓智慧製造加速落地並實現平行展開。 台灣IBM全球企業諮詢服務事業群合夥人李立仁表示，精度、良率、稼動率是製造業競爭力之所在，涵蓋人員、機器、物料與流程等生產線四大要素，串連OT與IT將是不可或缺的關鍵，也是將AI落實於製造的前提。IBM攜手各具技術優勢及產業經驗的夥伴，打造完整生態圈，合力提供從OT、IT與AI到企業應用系統與混合雲的完整解決方案與專業服務，讓智慧製造真正落地為應用場景，創造可實現的投資效益與可規模化的營運架構。 李立仁指出，目前台灣較具規模的科技製造業者，普遍都已經完成示範產線的建置，但在大規模推廣或平行展開上，卻遇到許多問題。因此，IBM提出智慧製造「5C成熟度模型」作為行動藍圖，五個C分別是Connect、Convert、Cyber、Cognitive與Configure，每個階段各自有其關鍵技術與導入工作。例如Connect的重點在布建物聯網/機聯網，Convert則是建置AI大數據平台與邊緣運算，Cyber則要進一步落實數位雙胞胎(Digital Twins)，Cognitive則要將重點放在機器學習，最後到了Configure階段，才是建置B2B混合雲跟導入區塊鏈。 IBM提出5C智慧製造成熟度模型，協助製造業者理清智慧製造跟數位轉型的推動過程。 IBM的策略夥伴在5C模型中，著重在解決物聯網連結層設備連網與資料抽取的挑戰以及邊緣(edge)端的應用場景，協助客戶突破將OT數據轉換為IT資料的技術瓶頸，亦即實現前兩個C。IBM則可協助客戶在資料萃取後，進一步打造AI數據應用場景與AI平台，協助客戶逐步落實動態模擬、智慧工廠、動態客製等後續三個C。 凌華科技董事長劉鈞則認為，智慧製造邊緣解決方案最重要的是資料導向為中心的思維，面對多樣化人事物的應用場景，確保OT與IT端安全、穩定、易整合的連接，高效獲取資料資訊；結合IBM豐富的系統整合經驗，協助雙方客戶精準擷取生產線現場稍縱即逝的資料，轉化為邊緣運算的智慧動能。 大聯大世平集團物聯網解決方案部副總經理鈕因任指出，物聯網聚合商的角色是獨特而創新的模式，透過全面的產業視角跟廣泛的供應商觸角，縮短客戶採購與採用相關解決方案所需的時間。我們期望與IBM合作發展物聯網生態圈，以群策群力的方式，共同推動應用標準的建立，這也呼應了我們所屬企業集團大聯大控股在數位轉型的策略方針。 台達電子執行長鄭平表示，在智慧製造的趨勢下，傳統製造業面臨高度競爭、需求多變且複雜的挑戰，台達藉由自身在生產製造的優勢，積極地運用軟硬體整合、人工智慧、雲端運算、邊緣運算等技術，與合作夥伴攜手轉型，同時推動培訓工具及解決方案，加速人員在知識以及技能的提升。IBM的服務可提供製造業在完整的架構中審視策略規劃及投資效益，透過台達的創新技術，可望創造智慧製造轉型，並有效實現規模化及商業價值的綜效。 緯創集團子公司緯謙科技總經理夏志豪博士指出，該公司母集團本身在智慧製造的實務經驗，是緯謙的獨特優勢。我們利用數據與數位工具、涵蓋產線、員工及管理階層，協助不同規模的製造業實踐智慧製造。透過與IBM的合作，以及雙方在產品方案和產業應用的互補性，將我們的集團經驗擴大並拓展至新市場。

是德科技(Keysight)日前宣布推出i3070 Series 6 ICT(在線測試)軟體套件解決方案，協助電子製造商提高印刷電路板組裝(PCBA)製造量測速度和生產效率。 是德科技電子工業產品事業群副總裁暨總經理Christopher Cain表示，印刷電路組裝製造遍布全球生產作業。近年因落實總體經濟，PCBA的生產製造開始轉移至新興地區。重要的是，在線測試平台(ICT)須能在不同地理位置運作。如針對某一系統開發的測試程式，須快速轉移至位於不同國家的系統。本平台測試功能可轉移，新增工業4.0技術，達成高良率、高製造效率及快速量測。 隨全球製造環境製程演進，測試系統須提供更快量測速率及一致且可重測的結果。新品支援各種PCBA尺寸。採用的設計可在量測電路和待測物間實現最短訊號路徑，以便降低雜散電容產生的不良影響，改善對交互干擾的抗擾性、消除雜散信號的耦合效應，提供一致穩定的量測。 而此產品測試效率更高，邊界掃瞄速度快4倍、Silicon Nails及動態資料燒入等特性，加快量測速度並提高生產力。同時僅需短暫停機時間就能完成軟體安裝，並提供前後相容性；利用機器對機器(M2M)功能，增進製造效率、提供測試資料洞察力、縮短反應時間；採用智慧型電源供應器，可藉智慧方式監測耗電情形並提供節能報告。軟體授權方面現代化、可集中管理，依生產需求擴充授權規模。

因應全球製造轉型升級的趨勢，凌華科技與IBM聯手出擊，搶攻工業4.0商機，以智慧製造「5C成熟度模型」為行動藍圖，提供資訊技術(IT)、營運技術(OT)與人工智慧(AI)的匯流整合方案，力助台灣業者推動台灣製造(MIT)轉型。凌華科技與IBM一同勾勒的智慧製造應用全景，協助客戶從經營觀點進行規劃、進一步萃取生產最前線最具效益的資料，透過數據分析展現資料價值、輔助決策，為企業帶來可實現投資效益與規模化的營運架構。 凌華科技智慧工廠事業中心資深協理阮北山表示，我們希望能協助客戶更容易地體現以資料導向為中心的工業4.0的思維架構，包括現有設備資料擷取、機台維護預測、機器視覺檢測方案，都能提供客戶可擴充、易整合的方案。然而，客戶需要更為宏觀的規劃，才能讓資料蒐集轉換成具商業效益的價值。IBM擁有豐富的系統整合經驗，透過與IBM合作，可協助雙方客戶精準擷取生產線現場稍縱即逝的資料，轉化為邊緣運算的智慧動能。 台灣IBM全球企業諮詢服務事業群合夥人李立仁表示，在工業 4.0 時代中，IBM 攜手凌華科技透過OT、IT及AI的整合服務，協助客戶共創智慧製造解決方案。首先，突破從老舊設備獲取數據的障礙、打造數據經濟規模與建構具明確投資報酬率(ROI)的AI應用場景，進而透過即時動態模擬，優化生產排程與供應鏈計畫，實現可快速產生商業價值與規模化的智慧製造全場景。 當前許多智慧製造專案都面臨成效不彰或進度停滯不前的困境，主要原因在於各行其是的小型專案，例如OT、IT及物聯網在各自的領域進行驗證，缺乏整體目標或長期願景，欠缺整合價值展現，而且也難以進一步擴大部署至跨廠或跨場域應用。製造業對精度、良率、稼動率的要求愈來愈高，必須升級為智慧製造才能因應，引進AI的第一關就是正確且完整的資料基礎，但這不僅需要OT和IT的串連，更需要縱觀全局、由上而下的擘劃。 台灣IBM現正協助電子業客戶執行轉型工業4.0的長期計劃評估案，凌華科技從概念驗證階段參與合作，協助評估設備資料萃取的現況及問題。除了電子業之外，包括連續製造類別的產業如金屬、化工，也將是雙方合作的目標市場。凌華科技與台灣IBM的合作落實了M2B(Machine to Business)的整合，可以讓台灣製造業確實掌握智慧製造的全貌、建立經濟規模、達成數位分身(Digital Twins)，進而創造實質且全面的投資效益。