智慧製造

物聯網裝置的迅速普及引發資料量的爆炸性成長。預估到2025年，將有1500億台機器感應器和物聯網裝置不間斷地串流待處理資料。同時2019年底全球人工智慧(AI)系統支出將達到358億美元，比2018年支出成長44.0%。如此的需求遠遠超出現有CPU平台的能力。 AI邊緣運算有助於組織機構運用感應器和裝置來收集大量資料，進行智慧製造、醫療保健、航太和國防、運輸、電信和城市等規劃，提供絕佳的客戶體驗。 試想，能夠即時感知、瞭解和處理來自商店街道、廠區等數十億個感應器的大量資料串流，會是什麼情境。再想，有能力使用通用語言即時瞭解客戶並進行溝通，還能理解客戶的肢體語言，會是什麼情境。例如，支援AI的網路視訊錄影機(AI-NVR) 可用於自動追蹤、客戶行為分析和門禁管制，以便立即採取行動。又或者，在航空應用中，AI可用於大幅減少跑道檢查時間、加強障礙物偵測，並減少航班延誤的可能性。 此外，在製造應用中，採用AI的自動光學檢查(AOI)系統可以加強檢查並提高偵測精確度。在零售和物流應用中，由AI提供支援的自主移動機器人(AMR)可以撿貨和準備訂單、補充商店貨架缺貨，並交寄包裹給客戶。AI邊緣運算還可以在交叉路口進行複雜的交通監控和分析。 邊緣環境自主的興起，例如智慧家居助手和自主機器人，需要世界最先進的運算平台。凌華科技的AI邊緣運算解決方案採用NVIDIA EGX平台，透過機器學習、資料分析和人工智慧，將AI運算的強大功能發揮到極致，讓所有一切都成為可能。將有助於做出即時決策，尤其是在與資料中心的連線受限制或無法連線時。 邊緣部署的其中一項艱鉅挑戰是IT管理，包括邊緣伺服器作業系統的安裝、Kubernetes部署，以及裝置配置和更新。EGX平台透過強化的軟體堆疊而促使企業的生產更加完善，藉以簡化企業的整個流程。 凌華科技的邊緣解決方案與NVIDIA EGX平台將一系列凌華科技和NVIDIA AI技術與來自Mellanox和其他供應商的安全、網路和儲存架構功能相結合。在全球最大規模的產業中，包括智慧製造、醫療保健、航太和國防、運輸、電信和城市，許多公司透過凌華科技的邊緣AI解決方案迅速且安全地從邊緣到雲端部署 AI。

PCB走向智慧製造　通訊標準化是關鍵 TPCA專案經理張致遠表示，台灣的印刷電路板產業普遍都已經進入工業2.0，也就是導入自動化機台的階段，但要在這個基礎上繼續向前行，將遇到許多挑戰(圖1)。 圖1　PCB產業邁向工業4.0的各階段將面臨不同挑戰 目前還在工業2.0階段的廠商要走向工業2.5，也就是打破設備孤島，讓機台彼此互聯、擷取資料，最大的挑戰有二：一是缺乏導入的動機，因為不知道收集好這些資料之後，該如何進一步應用；二則是機台設備沒有標準化的、經濟的通訊介面。有些新一點的機台所採用的可編程邏輯控制器(PLC)，採用的是供應商自己發展出來的專有通訊標準；有些舊機台則只有非常陽春、甚至沒有通訊介面。事實上，很多PCB板廠使用的設備，機台年齡都已達20~30年，比平常操作它的作業員年紀還大。 至於從工業2.5走到工業3.0，甚至進一步提升到工業3.0+，大多數業者所面臨的問題則是缺乏足夠的IT人才。因為在實現機台互聯，取得大量資料之後，業者必須要具備相對應的IT開發能力，才能做好資料整合、分析的工作。有些已經走到3.0階段的業者，下一步要面臨的挑戰則是要建立數據模型分析、預測的能力，同時也要開始思考企業流程改造，以及和外部供應商資料流程整合等更棘手的問題。 簡言之，從工業2.5開始，IT人才、資料科學家對企業營運的重要性會越來越高，同時企業主事者也必須開始思考企業內、外部作業流程的改善。對於缺乏IT相關人才是常態的PCB產業而言，智慧製造是一條漫長且考驗眾多的道路。 但千里之行，始於足下。PCB產業的智慧製造升級，必須優先解決機台聯網的問題，後面才能進一步談資料採集跟分析，最後才能進展到數位決策。也因為如此，TPCA與國際半導體產業協會合作，將半導體機台互聯所使用的SECS/GEM介面標準簡化成適合PCB設備使用的PCBECI標準。 軟/硬板大廠帶頭示範 不過，張致遠也提到，半導體產業花了20年時間，才讓設備聯網全面普及。PCB產業即便可以學習半導體製造業的經驗，也不會在短短一兩年內就看到機聯網在PCB產業全面普及。 也因為如此，TPCA才會與多家設備、系統整合業者合作，推出20家中小型板廠、100台機台互聯的示範計畫，希望藉此點火，讓PCB機台聯網的概念能夠開始擴散到中小型板廠。台灣有數百家PCB業者，其中絕大多數都是中小企業。因此，讓中小企業開始動起來，是讓PCB產業整體向上提升的重點。 至於大型PCB或大型軟板廠，則是扮演領導者的角色。例如2017年TPCA就跟廠商攜手，結合政府計畫，成立了PCB A-Team跟PCB智慧製造軟板聯盟兩個示範性計畫。 A-Team是PCBECI的第一個應用實例(圖2)，由研華、迅得、欣興、敬鵬跟燿華組成，主要是針對單一廠商內部的智慧製造，提出示範性的數據整合平台跟解決方案服務平台，包含產線動態排程、良率預測、設備監診與預防性維護等應用，展現出PCB製造智慧化的一個可能發展路徑。 圖2　針對硬板生產所設置的PCB A-Team示範團隊 軟板聯盟則是以跨企業的資訊整合為主，由嘉聯益、聯策跟柏彌蘭金屬化三家廠商參與(圖3)。其中，柏彌蘭金屬化是嘉聯益主要的原材料供應商之一，其所提供的原料對嘉聯益的軟板製程良率會產生影響，但因為每批原料在特性上多少都會有些差異，因此嘉聯益的生產線必須因應來料的特性調整生產參數。三家廠商藉由開發智慧預處理技術與建置跨公司聯網平台，實現了製程參數動態調整，讓產品良率明顯提升了50%；當良率下降需要排除狀況時所需的時間，也縮短了50%，從而讓相關業者得以藉由智慧製造技術擺脫競爭者的威脅。 圖3　針對軟板生產所設置的PCB智慧製造軟板聯盟 上述兩個示範性計畫是從工業2.5走向工業3.0、甚至工業3.5的領導計畫，目前執行起來的效益相當顯著。因此TPCA相信，很多中小型板廠可以藉由這兩個由大廠帶頭執行的計畫，對自家的智慧製造產生更具體的想法跟目標。 智慧製造開始向中小型板廠擴散 而為了推動智慧製造在PCB產業進一步擴散，TPCA號召多家設備廠商與系統整合業者共同成立設備聯網示範團隊，將協助台灣中小型20家板廠做100台設備機聯網IoT升級。經過1年籌備，PCBECI設備聯網示範團隊於2019年2月21日正式啟動。 示範團隊是由沃亞科技、志聖工業、東台精機、揚博科技、群翊工業共同組成，並在工業局楊志清副局長蒞臨見證下，宣示以共同的PCB設備通訊協定協助台灣中小型板廠做智慧製造升級，並在政府支持下，強化本土設備商之技術研發能力，進而穩固台灣在全球PCB領域之領先地位。 PCBECI是TPCA與國際半導體產業協會(SEMI)共推的產業標準。因為PCB製程繁複，設備種類繁多，為解決底層設備溝通的問題，因此有PCBECI的產生，並在台灣本土設備商率先採用下，以示範團隊形式做產業的扎根推廣，於此同時，團隊在2018年更獲政府計畫支持，加速協定的普及。 整體來看，目前PCBECI四家設備廠商(志聖、東台、揚博與群翊)所推出的智慧型PCB製造設備，除了最基本的機聯網功能外，多還將資料可視化、設備監診及配方/製程參數中央管控列為主打功能。由此也不難看出，PCB的智慧製造設備要解決的問題，輪廓已經越來越明晰(圖4)。 圖4　目前PCB板廠在曝光、鑽孔、蝕刻與烘烤製程所遇到的問題。 台灣電路板協會梁茂生副理事長指出，機器聯網收集資料象徵PCB智慧製造正在打通任督二脈，也希望透過此次計畫能建立有效且具效益的商業模式，未來能很快地在PCB業界複製擴散，讓業界得利。 PCBECI示範團隊中唯一的一家系統整合商(SI)--沃亞科技，則是整個示範團隊的代表。沃亞總經理郭一男表示，20家中小型板廠的機聯網升級只是PCB智慧化的起點，後續示範團隊將與整個產業鏈攜手合作，擴大PCBECI的應用範圍，以提供產業更好的服務內容。 智慧化帶來標準化　良率更有保障 機台聯網除了是實踐大數據分析，進入智慧製造時代的必要基礎建設之外，對許多中小型板廠而言，也能帶來生產作業標準化的效益。目前有許多中小型板廠的生產線，為了提高作業效率，給了操作機台的作業員非常大的控制權限，甚至可以直接調整機台的生產參數。 工業生產必然有誤差，但在生產參數統一的情況下，誤差範圍是可以被控制的。如果讓作業員自己調整生產參數，將會帶來良率失控的風險。過去就曾經有中小型板廠的作業員為求提升其所負責的工站生產效率而自行調整參數，結果造成最終產品不良率明顯增加的情況發生。 但在機台全面聯網之後，所有機台的生產配方、參數將統一由系統指派，作業員對機台的操作權限將受到更多限制。雖然對第一線人員來說，這麼做可能會帶來些許不便，但中央控管的配方跟參數，意味著整條生產線將更加標準化，這對於提高最終成品的良率，可帶來顯著的效益。 設備監診精準度必須經歷實戰驗證 除了良率之外，產線稼動率也是每家板廠所關切的營運指標。稼動率由兩個主要因素影響，一是機台故障、歲修所導致的停機，二則是生產排程或生產線設計有瓶頸，造成某些機台容易處於閒置狀態。生產排程跟產線的改良，都可以靠大數據分析來精進，藉由排程最佳化或針對生產瓶頸進行產線重新配置，來提高機台的使用效率，但歲修或故障所造成的無預警停機，則必須靠預防性維護來予以改善。 整體來說，PCB關鍵製程有曝光、鑽孔、蝕刻與烘烤四大程序，每類機台的關鍵零組件健康狀況，都會影響到機台的正常運作。因此，曝光機的光源元件、鑽孔設備的機械耗損、蝕刻設備的幫浦與烘烤設備的溫度變化，都必須密切監控。 而且，當這些設備即將故障停機時，上述關鍵零組件的數值常常會先出現異常。因此，藉由收集、監控這些關鍵零組件的數值，往往可以提早發現問題，進而避免故障所造成的無預警停機(圖5)。 圖5　由PCB設備廠針對中小型板廠提出的智慧化曝光、鑽孔、蝕刻、烘烤設備 不過，由於資料分析必須建立在可靠的數據模型基礎上，而數據模型又必須經過實戰驗證，通過大量累積數據的檢驗，才能證明其可靠度。 因此參與此一PCB智慧製造推動計畫的機台供應商，雖然都將預兆監診、預防性維護當作智慧PCB機台的一大主打賣點，但實際上要讓這些功能發揮效益，還是需要讓機台上線，開始蒐集跟累積資料，才能讓預防性維護越來越精準。 而這也是20家、100台PCB智慧製造機台推廣計畫最重要的價值之一，藉由累積實戰經驗，讓設備跟PCB板廠的智慧製造系統越來越聰明。

人工智慧(AI)雖然是過去兩年最熱門的話題，但過往德商西門子(Siemens)鮮少對外談到自家在相關領域的投資布局跟技術進展，特別是在製造相關領域。眾所皆知，西門子事業布局遍及能源、工業、基礎建設與醫療，其中有些領域的AI應用導入較為快速，但在工業領域，AI導入的進展看似比其他事業部門來得緩慢。但西門子只是鴨子划水，隨著時序進入2019年，西門子終於打破低調，大談人工智慧在醫療以外三大領域的應用以及公司的相關布局。 台灣西門子總裁暨執行長艾偉(Erdal Elver)表示，人工智慧不是新技術，30多年前他在慕尼黑大學攻讀碩士學位的時候，研究題目就是自然語言處理(NPL)，但當時不管是晶片運算能力、通訊頻寬或程式開發環境都還沒有到位，因此只能做紙上談兵的理論研究。當時，光是要把一個句子做德英翻譯，都得等老半天，系統才能給出差強人意的翻譯結果。但如今情況已經大不相同，透過巨量數據的蒐集與分析，搭配專業領域知識，以人工智慧科技的智慧演算，提供決策者更精準判斷的依據，提升產業生產力和效率，為社會經濟發展創造可觀價值。西門子已投入人工智慧研發三十餘年，將其電氣化、自動化與數位化的專業與人工智慧科技完美結合，致力協助台灣在智慧製造、永續能源、智慧基礎建設全方位數位轉型和智慧升級。 回顧2018財年，西門子在未來製造、永續能源、智慧基礎建設三大領域完成了數個指標性專案，為台灣產業和基礎設施導入人工智慧穩健紮根： ．未來製造：與精誠資訊、緯謙科技和新漢公司針對MindSphere簽訂合作意向書，成為全球策略聯盟夥伴；勝源機械和麗健福生物科技導入西門子MindSphere與數位解決方案，強化生產製造品質與效率；與台北市政府教育局簽訂「數位職人培育試辦計畫」合作備忘錄，強化產學鏈結，提高台灣技職人才國際就業力；在台中分公司成立「數位體驗暨技術應用中心」，提供工具機製造廠先進數位化解決方案體驗與教育訓練。 ．永續能源：提供台灣電力公司智慧電表管理系統EnergyIP，優化電力傳輸效率和供電品質，因應2022年前全台逾300萬個智慧電表的管理和確保再生能源電力傳輸的穩定。 ．智慧基礎建設：臺北南山廣場採用西門子數位化建築解決方案，降低大樓能耗和營運成本，榮獲「亞太地區智慧綠建築暨系統產品獎」肯定；空軍佳山洞庫系統和台北捷運環狀線採用西門子智慧建築管理平台，建構可靠穩定的環境控制系統，都獲得公共工程金質獎肯定；西門子攜手合作夥伴贏得桃園捷運綠線機電系統統包案，提供先進軌道交通科技(Trainguard MT通訊式列車控制系統與列車牽引系統、直流牽引供電系統以及智慧捷運號誌系統)，打造全台最先進的智慧捷運系統。   2019財年，西門子將繼續深化在未來製造、永續能源、智慧基礎建設三大領域業務發展，預計將在台灣推動成立物聯網使用者組織MindSphere World，結合產官學專家打造工業物聯網生態鏈。並將在台中智慧製造試營運場域完成「數位化體驗暨研發中心」的初步建置。同時也將進駐「亞洲‧矽谷」計畫桃園市虎頭山物聯網創新基地，展示西門子最先進數位科技，提供產官學研各單位技術交流和學習，並將與產官學啟動交流合作，協助台灣全面落實人工智慧於產業中的應用與普及，共創2020+ AI新世代。 西門子內部人士表示，該公司其實在AI領域已經投入很多年，但西門子的企業文化是保守的，技術沒有成熟到一定程度之前，絕對不會讓它從實驗室走出來，變成賣給客戶的產品或解決方案。事實上，西門子在2018年發表MindSphere物聯網平台的時候，公司內部就有相關爭議，因為當時MindSphere的功能跟技術成熟度，還沒有達到西門子產品向來的高標準要求。但軟體跟物聯網的產品不能等到產品完美了才推出，而是在產品推出後不斷迭代，逐漸強化跟改良。AI的情況也是類似，西門子的研發走得很前面，但如果沒有十分把握，是不會公開討論其進展的。這是一個需要時間慢慢改變的企業文化。

如此除了能避免不必要的磨耗以及可能發生的故障，還能及早偵測出故障的成因。藉由這種監控機制的協助，在設施可用度方面可發揮可觀的優化潛力，成效也能隨之提升，同時帶來許多關鍵性的優勢。舉例來說，ABB藉此最多減少70%的關機時間；延長30%的馬達耐用年限；設施每年消耗能源則減少10%。 這種預測維護(Predictive Maintenance, PM)的主要元素，其專業術語為視狀況維護(Condition-Based Monitoring, CBM)，通常用在各種旋轉機器，包括像渦輪機、風扇、泵浦以及馬達等。透過CBM，有關運轉狀態的資訊都會即時記錄下來。但這種方法卻沒有做出有關可能故障或磨耗的預測。只有透過預測維護才能得知這類預測資訊，因此浮現出一個轉折點。在日趨智慧化感測器以及更強大的通訊網路與運算平台的幫助之下，我們不僅能建構模型、偵測變化，還能針對耐用年限進行詳細的計算。 為建立有意義的模型，必須分析包括振動、溫度、電流以及磁場等。現代的有線與無線通訊方法已經能進行全廠或全公司的設施監控。而透過各種雲端系統，還能進行更多型態的分析，這些資料能提供有關機器狀況的資訊，而操作或維護技術人員也能存取這些資訊。然而，對於這些額外的分析而言，機器上的智慧感測器與通訊設施是不可或缺的基礎，這些感測器該如何監控？應該有哪些要求？以及該具備什麼關鍵特性？這些與其他問題都將在本文中探討。 機器生命週期的表示法 狀態監控最基本的問題，應該是：機器還能放著讓它運作多久才必須進行維護？ 一般而言，照理說越早進行維護越好。然而，若目標是要優化營運與維護成本，或是達到設施的最大效率，就需借助熟悉機器特性的專家提供相關知識。在分析馬達方面，這些專家主要來自軸承/潤滑專業領域，根據以往的狀況顯示，最弱的環結在於經驗。這些專家最終要決定偏離正常狀態與當時的生命週期(圖1)是否該另外進行維修或甚至直接更換。尚未使用過的機器，初期仍處在保固階段。不能排除在生命週期初期階段出現故障，但其機率相對罕見，且通常可追溯至各種製造瑕疵。只有在後續間隔性維護的階段，才會由妥善訓練的維護人員進行焦點式介入(Targeted Interventions)。其中包括定期性維護，不論機器狀況如何都要在特定時間點或經過一定時間之後如期進行，在本文的案例中，維護工作則是更換潤滑機油。在維護間隔之間出現故障的機率，同樣也相當低。機器使用累積到一定時間，就會進入狀態監控階段。從此之後，就理應會出現各種故障狀況。 圖1　機器的生命週期 圖1顯示以下6種變化，從超音波範圍的位準變化(1)之後是振動(2)透過潤滑劑的分析(3)或透過微幅增溫(4)根據可感知異音，在發生實際故障之前偵測出未決故障(Pending Failure)的早期跡象(5)或產生熱溫(6)振動經常用來判斷機件老化。這三部相同機器在其生命週期中出現的振動模式如圖2所示。在最初時期，三部機器都維護在正常範圍。但從中壽期開始，依其負載不同導致振動呈現增加或減少的趨勢，最後到了壽命終期，振動就急速增加到臨界範圍。一旦機器達到臨界範圍，就須立即採取必要反應。 圖2　各項振動參數的長期變化 透過振動分析進行CBM 包括輸出速度、齒輪比以及軸承元件數量等參數都是機器振動模式分析的主要元件。一般而言，齒輪箱造成的振動會在頻域中偵測出，而幅度會是動力軸轉速的倍數，軸承的特性頻率通常不會代表諧波分量。因渦流(Turbulence)與空泡化(Cavitation)產生的振動通常都會被偵測出來。其通常和經過風扇與泵浦的氣流或液流具關聯性，因此，一般被視為隨機振動。這類振動通常為靜態，而且在其統計特性上沒有變異數(Variance)。然而，隨機振動也可能是循環穩態(Cyclostationary)，因此會有各種統計特性。它們是由機器產生且具週期性，內燃機引擎的每個氣缸每次循環進行點火時就會出現震動。 另外，感測器的方位同時也扮演著重要的角色。如果單軸感測器量測到的主要是線性振動，那麼就必須根據振動的方向來調整感測器。雖然目前也有多軸感測器能記錄所有方向的振動，但單軸感測器由於本身的物理特色使它能提供較低的雜訊、更大的力量量測範圍以及更大的頻寬。 振動感測器的要求 要讓振動感測器廣泛用在狀態監控，有兩項因素最為關鍵：低成本以及小尺寸。以往業界主要採用的是壓電式感測器，如今微機電系統(MEMS)加速計的使用率則逐漸升高，它們都具有更高的解析度、卓越的漂移與靈敏度特性以及更佳的訊號雜訊比，能夠偵測接近dc範圍的超低頻率振動。此外，它們極度省電，因此適合用在電池供電的無線監控系統。另一項勝過壓電式元件的優勢，則是能將整個系統整合至一個外殼(系統晶片構裝)內。這些所謂的SiP解決方案逐漸發展成用來建構各種智慧系統，因為其額外納入許多重要功能：包括類比至數位轉換器以及微控制器等，其配合嵌入式韌體用來執行應用相關處理、通訊協定以及通用式介面，另外還包含了多元的保護功能。 整合式保護功能也相當重要，因為施予在感測器上的超大力道，經常會造成感測器破損甚至毀壞。整合可能發生的超範圍(Overrange)偵測能力，提供警訊機制，或藉由切斷內部時脈來關掉陀螺儀中的感測器元件，藉此保護感測器。圖3顯示SiP解決方案。 圖3　MEMS型態的系統晶片構裝(圖左) 隨著CBM領域的要求增加，對感測器的要求也同樣會提高。對於實用的CBM而言，感測器量測範圍的要求(滿刻度量測範圍或FSR)要大於正負50g。 由於加速和頻率的平方成正比，因此也相對迅速達到這些高加速力。從公式1中可證明：   　公式1 變數a代表加速，f代表頻率，d代表振動幅度。因此舉例來說，一個1kHz頻率的振動，光是1μm振幅就會產生39.5g的加速。 在雜訊效能方面，盡量加大頻率範圍下，這樣的數據顯得極低，從接近dc一直到兩位數kHz範圍，因此除了其他假影(Artifact)訊號外，系統能在極低轉速下偵測到軸承的異音，但精準地說，振動感測器的製造商目前已面臨許多巨大挑戰，尤其是多軸感測器。只有少數製造商提供適合的低雜訊感測器，為超過一個軸向提供2kHz以上的頻寬。其中Analog Devices(ADI)已針對CBM應用開發出ADXL356/ADXL357三軸感測器系列，不僅擁有卓越的雜訊效能，還具備優異的溫度穩定性。儘管其受限的頻寬僅1.5kHz(共振頻率=5.5kHz)，這些加速計仍能針對諸如風力發電機組等低轉速設備的狀態監控提供各項重要讀數。 該系列單軸感測器適合用於較高頻寬的應用，可提供最高到24kHz的頻寬(共振頻率=45kHz)，g值範圍可到正負100g，具備極低的雜訊。由於高頻寬的緣故，大多數故障發生在旋轉機器(受損的滑動軸承、不平衡、摩擦、鬆動、輪齒缺陷、軸承磨耗以及齒輪空蝕(Cavitation)，這些狀況都能透過此感測器系列偵測出來。 視狀況維護的可能分析方法 在CBM中的機器狀態分析可利用不同的方法完成。最常見的方法包括時域分析、頻域分析以及混合兩種分析法。  時域分析 在時域進行振動分析，有效值(根均方或rms)、峰至峰值以及振動幅度都會考量到，如圖4。 圖4　譜波振動訊號的幅度、有效值、峰至峰值 峰至峰值反映馬達轉軸的最大偏角，因此能計算其最大負荷(Loading)。相對之下，幅度值則描述振動時的最大幅度，以及判斷未感知的振動事件。然而，振動事件的經過時間或能源，以及破壞能力，這些都未被考量。因此效率值(Effective Value)通常是最具意義，因為它考量到振動時間歷史以及振動幅度值。rms振動統計臨界值的相關性，可透過馬達轉速所有參數的相依性獲得。 這類分析相當簡單，因為它既不需要基礎系統知識，也不需要任何類型的頻譜分析。  頻域分析 藉由頻率分析，振動訊號的暫時性變化會透過高速傅立葉轉換(FFT)分解成許多頻率元素。產生的幅度對頻率的頻譜圖可用來監控特定頻率元素，以及其諧波與邊頻，如圖5所示。 圖5　振動與頻率的頻譜圖 FFT被廣泛運用在振動分析，特別是偵測軸承損壞。藉此我們可將相關元素分派到每個頻率元素。透過FFT，滾動元件與受損區域之間接觸造成某些失效的重複性脈衝，其主要頻率就能加以濾除。由於其不同的頻率元素，我們也能區別出不同種類的軸承損壞(軸承外環或內環損壞，或是滾珠軸承受損)。然而，這類分析仍需要有關軸承、馬達以及整個系統的精準資訊。 此外，FFT程序需要透過微控制器持續錄下與處理振動的離散時間模組。雖然這需要的運算力稍微高於時間分析，但卻能更仔細地分析損壞。  結合時間與頻率分析 這種分析最為全面，因為它結合兩種方法的優點。時域的統計分析除了能提供系統在經過一段時間振動強度的資訊，還能分析是否落在允許範圍。頻率分析能以基礎頻率以及諧波元素的形式來監控速度，透過諧波能精準辨識出各種故障徵候。 追蹤基本頻率尤其能發揮關鍵作用，因為有效值以及其他統計參數都會隨著轉速而變化。如果統計參數和最後一次量測數據有大幅的改變，就必須檢查基本頻率以避免可能的假警報(False Alarms) 重複量測值經過時間出現變化，在所有三種分析方法中都相當常見。監控系統其中一種可行方法涉及第一次記錄健康狀況，或產生一個所謂的指紋(Fingerprint)。之後再將其用來和持續記錄的資料進行比對。在出現大幅偏離或超過對應臨界值時，屆時須進行反應。如圖6所示，可能的反應包括警告②或警報④，而依照嚴重程度的不同，偏離也可能需要維護人員立即介入。 圖6　FFT的臨界值與反應 藉由磁場分析進行CBM 由於整合式磁量計的快速發展，量測馬達周圍的散逸磁場便成為針對旋轉機器進行狀態監控中另一項前景看好的方法。這種方法是非接觸式，機器與感測器之間不需要直接連結。對於振動感測器而言，會用到的磁場感測器分為單軸與多軸版本。 對於故障偵測而言，應在軸向(與馬達軸平行)以及徑向(與馬達軸成直角)上量測。徑向磁場通常會被定子鐵芯以及馬達外殼所減弱。此外，還會受到空氣間隙內的磁通量所影響。徑向磁場是由籠狀轉子以及定子繞組端部的電流所產生。就量測兩種方向的磁場而言，磁量計的位置與方向都有決定性的影響。因此，建議選擇靠近馬達軸或馬達外殼的合適位置。另外同時量測溫度也絕對必要，因為磁場強度和溫度有直接關連。因此大致而言，現今磁場感測器都含有整合式溫度感測器。所以別忘了校正感測器以補償其溫度漂移。 FFT用來對電動馬達進行磁場式狀態監控，就如同振動量測的方法。然而就評估馬達狀況而言，就算約120Hz的低頻率範圍也算足夠。其中線頻率尤其顯眼，若出現故障，頻譜中會出現大量低頻率元素。 當籠狀轉子內的轉子導條(Rotor Bar)斷裂，滑差值(Slip Value)也會扮演決定性角色。它和負載有相關性，在無負載時的理想值為0%。在額定負載下，健康的機器會介於1%到5%之間，在故障事件時則會提高。就CBM而言，應在相同負載條件下進行量測，以消除負載相依性的效應。 預測性維護的狀態 不論狀態監控的類型為何，即使是最智慧的監控概念，也無法100%保證沒有非規劃的停機、故障或安全風險。能做的只是降低這些風險。應把它們看成是未來生產設施永續成功的先決條件。因此需要創新與迅速的研發－涉及其中的相關技術。目前不足之處是得權衡顧客的利益與成本。 不過，許多產業企業已體認到PM作為一項成功因素的重要性，因而也是未來業務的一項機會－不光只是在維護領域。儘管特別是在資料分析領域存在著許多嚴苛的挑戰，PM的技術可行性已大致成熟。然而，目前PM的發展仍是隨機應變的模式，預料未來的商業模式主要會由軟體元件來決定，硬體的附加價值則將逐漸降低。總結而言，PM在硬體與軟體的投資能促成更長的機器運轉時間，從更高良率的角度來看，其已經值回票價了。 (本文作者任職於ADI)  

世界經濟論壇組織日前在中國天津舉辦第12屆「新倡議者年會(Annual Meeting of the New Champions)」，施耐德電機(Schneider Electric)位於法國勒沃德勒伊的工廠獲選為全球九大先進「指標(Lighthouse)」工廠之一，表彰其成功將第四次工業革命的科技帶入現代生產製程。 獲選為「指標」的工廠必須達成全面導入多項第四次工業革命的創新科技，同時兼顧以人為本及永續發展的核心創新策略。施耐德電機的勒沃德勒伊工廠因為導入擴增實境(Augmented Reality)等數位工具，讓操作人員便於監測工廠內部的作業、維修與能源使用，成功幫助降低30%的維修成本，並提升7%的總體運作效率。 施耐德電機成功應用第四次工業革命科技，帶領智慧工廠朝向未來發展。第四次工業革命將有效提高生產力，並預期為全球經濟帶來3.7兆美元的產值。本次年會便依據第四次工業革命科技對工廠在財務面與營運面的影響，從全球超過1,000家製造業者中選出最具代表性的典範，給予「指標」(lighthouse)的肯定。 施耐德電機的勒沃德勒伊工廠獲選為大規模應用第四次工業革命科技的全球九大先進「指標」工廠之一。工廠本身應用EcoStruxureTM AOA(Augmented Operator Advisor)等最新數位工具，提高作業人員的操作與維修效率，提升2%至7%的生產力。首次應用EcoStruxureTM Resource Advisor即可帶來高達30%的節能效果，整體效益也會在未來數年內持續提升。

近日研究單位IDC發布了「 2018年上半年全球物聯網支出指南」，其中小幅下調了對中國物聯網市場支出的預測；IDC預計，到2022年中國物聯網市場支出預計將達2552.3億美元，占全球同期總支出的24.3%，僅次於美國(占比25.2%)，位列全球第二。該報告同時預期，中國物聯網的硬體設備支出比重將逐漸下降，在未來，該如何轉型為服務供應商將是硬體設備製造商的重大考驗。 IDC中國物聯網研究經理盧春生預期，未來5年中國物聯網市場將從規模建設期，轉為進入優化提升期；也就是說大規模的設備部署即將結束。因此硬體支出的比重將逐步下降，而服務支出將進入高速成長期。對於物聯網相關業者而言，該如何從硬體製造商轉型為服務供應商，將成為未來的主要挑戰。 與2017年下半年的預測相比，IDC小幅上調了硬體支出，降低了軟體支出，儘管總體支出小幅下降，但年復合增長率仍然高達13.2%。硬體支出上調的主要原因，在於物聯網基礎設施相關支出略高於此前預期，軟體支出下降主要在於越來越多的企業開始基於開源軟體平台進行定制化開發，軟體採購支出轉化為軟體開發服務支出。 IDC提到，儘管目前硬體設備仍然是中國物聯網市場最大的支出，但是服務支出的成長更為迅速。預計到2021年，服務支出將超過硬體，成為物聯網市場第一大支出。服務支出的成長主要源於物聯網運維服務支出，以及軟體定制化開發服務支出的持續增加。 另一方面，IDC透過對20個產業的持續追蹤研究，並分析指出製造業的升級轉型，依舊是決定中國物聯網市場發展的最關鍵因素。在未來5年主流應用場景中，車聯網場景的成長速度最快，然而支出最大的依然是製造業。 物聯網不僅是智慧製造的關鍵技術，也是製造業企業實現數位轉型的重要途徑；借助物聯網技術實現產品數據的高效採集和整合分析，企業可以為產品提供遠程故障診斷、預測性運維等加值服務，並通過數據價值深度發掘實現數據變現新的收入成長，變產品製造商為綜合服務提供商。在中國政府產業升級政策和企業數位轉型浪潮的推動下，工業物聯網支出將持續高速成長。  

工業4.0、智慧製造等概念，已經成為許多製造業所追求的目標。以台灣的電子跟機械製造業為例，許多新產線在設計規劃階段，就已經把工業4.0的元素納入其中。即便無法一步到位，至少日後的升級路徑是相對明確的。相較之下，既有產線要升級工業4.0，因為當初在規劃時並未將相關需求納入考量，如今要朝工業4.0升級，所遇到的問題遠比新產線來得棘手。 另一方面，對企業主而言，導入工業4.0的目的在於提高生產力，但每家製造業者的生產瓶頸跟問題不同，因此在實踐工業4.0的過程中，所需要的解決方案跟對策也不一樣。如果主事者沒有意識到這點，想要複製其他業者的成功經驗，會遇到許多問題。 資料是工業4.0核心 做為工業4.0概念的主要倡議者，德國工業大廠博世集團(Bosch Group)除了是工業設備的供應商，同時也是工業設備的使用者。也因為本身就是製造業者，加上其工業4.0的實踐過程中，幾乎沒有其他可供參考的範例，因此該集團如何摸索出一條將自家產線升級為工業4.0產線的道路，是一個頗值得進一步研究的範例。 博世力士樂工廠自動化協理陳俊隆(圖1)指出，導入工業4.0最重要的目標，就是要化解生產瓶頸，提高生產力。對製造業者來說，提高生產力不是今天才出現的新目標，只是因為網路跟感測技術日益成熟，讓製造業者有更多新的工具跟方法來化解生產瓶頸，提高生產力。換言之，製造業者不能把工業4.0當作未來發展的目標，而是要把它視為工具。 圖1　博世力士樂工廠自動化協理陳俊隆指出，工業4.0是落實資料驅動營運模式的手段跟工具。 就博世的觀點，製造業者如果要有效提高生產力，最重要的工作其實是建立完善的文件記錄(Documentation)制度。博世集團在全球有超過兩百座工廠，且每家工廠、每個作業流程跟生產參數都有詳盡而標準化的記錄。這些資料對製造管理者有很高的價值，不僅能據以分析生產過程中可能存在的問題，也有助於讓管理者精準評估任何生產過程上的變動，對生產力究竟會造成何種影響。 在網路跟感測器還沒那麼發達的時代，博世就已經在做這件事，只是以前要靠人工紀錄，成本高昂且無法取得即時資料，資料量也有限。隨著網路跟感測器技術日益成熟，現在製造業者可以用更自動化的方法取得這些資料。這也是博世發起工業4.0變革最原初的用意--降低資料取得的成本、提高資料的即時性跟涵蓋範圍。 因此，如果要說工業4.0跟工業3.0有何不同，就博世而言，差別在於資料取得的自動化程度高低，還有資料的即時性、涵蓋率與通透性。工業4.0最大的特徵，就在於降低人工作業的比重，利用感測器跟工業網路，將所取得的資料自動上傳到企業的資訊後台。 這也是多數製造業者目前所遇到的問題所在。因為工業設備的生命週期很長，一套設備使用十多年、二十多年的案例比比皆是，而這些老設備在設計時，通常沒有把資料擷取的考量納入其中，或是其所使用的通訊協定、資料檔案格式是封閉的，很難跟其他設備對接。遇到這種狀況，製造業者勢必要對機台進行翻修或改造，把感測功能整合到機台上，或是設法讓原本採用封閉架構的機台能與其他設備對接。 同為德系工業大廠的西門子(Siemens)，跟博世的觀點相當接近。西門子數位工廠事業部客服處副協理蘇郁喬(圖2)指出，資料的取得是製造業實現工廠數位化轉型一個很關鍵的議題，對新設備來說，資料的取得通常不難，但如果是既有設備，或是設備供應商眾多，問題就相對複雜。 圖2　西門子數位工廠事業部客服處副協理蘇郁喬認為，製造業要推動數位轉型，資料的通透性是最關鍵的基礎建設。 如果既有設備在出廠時就沒有採集某種資料的功能，添加外掛感測器將是不可避免的工作。但如果既有設備原本就能提供相關感測資料，則問題會上升到資料整合的層面，也就是跨設備的資料能否互通。 既有設備整合的資料通透性是一個很重要的課題。對於既有安裝西門子系統的設備，因為上下層系統溝通使用相同語言，故其整合更加容易。反之，若製造業者使用的系統來自眾多品牌，非使用西門子系統的異質性環境下，從下層到上層的整合會是一個痛點。西門子也知道，目前全球並無單一的標準通訊協定可以整合所有廠牌系統，因此，該公司提出從下往上的資料整合方式，建立可行及明確的架構解決方案。 該方法可歸納為以下幾點： ．確認所有的通訊介面已準備妥當 ．進行差異分析以及提出解決方案 ．上層系統和生產設施協作資料交換，以確定數據型態的格式內容，包括數據類型，儲存位置和採樣頻率等。 ．與現有設備的供應商一同討論資料整合的相關議題 ．提供封閉系統整合替代解決方案，藉由增加額外硬體或物聯網的架構 侵入式改造手段應設法避免 如果要對既有設備進行工業4.0升級，某種程度的改造是無可避免的情況，但如果是要對現有設備進行侵入式改造，亦即要對設備的軟硬體結構進行變更時，製造業者或承包商最好三思而後行。 陳俊隆認為，如果只是為了取得資料，通常都可以用外掛設備的方式來解決，不必冒著影響機台穩定運作的風險進行侵入式改造。舉例來說，如果機台本身沒有擷取某種資料的能力，通常只要在機台上外掛感測器即可，不必為了取得資料去修改硬體的出廠設計；如果機台本身已能提供所需資料，只是通訊介面或資料格式無法與其他設備互通，也不需要去修改設備內建軟體，只要在既有設備外面再安裝一台橋接設備，把介面或資料格式轉成想要的規格，便可滿足需求。 蘇郁喬也表示，在進行機台改造的工作時，西門子的原則是盡可能不要改變任何現有運作良好的系統，這也是客戶或業主比較能接受的作法。若是為了實現數位化轉型而進行設備改造，最常見的情況想讓封閉式系統進行開放式溝通。這時，透過額外的硬體裝置或以舊機改裝來橋接資料，通常就可以滿足需求。 但實務上，有時候還是難以避免要對設備本身的軟硬體進行修改的情況。此時，西門子建議企業，要搭配公司本身的長期數位化策略來作精算。設備大改需要更長的施作時間，會對企業營運造成更大的影響，因此最好先從新的或次要產線開始做為試作線，之後再擴散到主要生產線。 第一線人員參與攸關轉型成效 除了找到正確的升級路線跟解決方案之外，製造現場第一線人員的參與程度，也是產線能否順利完成數位轉型或工業4.0改造的關鍵。這些第一線人員不僅是設備的直接使用者，同時也是最熟悉製造流程中諸多細節的人。如果製造業的數位轉型計畫完全是由管理層由上而下推動，基層人員的想法或建言沒有納入，會很容易出現盲點。 陳俊隆就指出，以博世自己的工業4.0轉型實踐經驗來看，在現場的第一線人員扮演非常重要的角色。每一條產線要推動改造計畫的時候，工作小組的成員裡，一定要有該產線的主管，因為他們最熟悉現場的狀況，知道哪些環節是真正的問題所在。如果產線改造完全是由上而下推動，改出來的結果很可能會跟真正的使用者需求有落差。 因此，陳俊隆建議製造業者，如果有意推動產線工業4.0升級，務必把第一線人員納入工作小組中。舉例來說，有部分台灣的企業主對工業4.0的認知被某些很先進的示範生產線影響，認為一定要導入ERP、MES或雲端服務，做很多絢麗的儀表板，才是推動工業4.0，其實不然。工業4.0固然是要實現資料驅動的製造業，但不代表每家企業都需要導入大規模的後台系統才能做事。有時候，產線的真實需求沒有那麼複雜，就不必把系統搞得太複雜。 蘇郁喬也有同樣觀點，並指出製造業數位轉型的推動，由下而上跟由上而下兩條路線同等重要。由上而下的推動，重點在讓全體員工了解企業數位轉型的大方向要怎麼走；由下而上的推動，則是要為了抓緊細節，避免企業的數位轉型計畫不接地氣。 另外，如果要推動數位轉型，企業必須有長期計畫，還要有計畫必須時時修正的心理準備。西門子數位工廠事業部客服處的主要業務就是設備售後的維護跟改造，多年下來已經累積了一定的標準作業流程。但在數位轉型領域，很多專案的目標是一直滾動更新的，因為企業所處的市場環境變化、第一線人員提供修正意見等因素，都會使原本制定的轉型計畫必須跟著調整。 推動數位轉型從改變觀念著手 也因為第一線人員的參與，對企業數位轉型的成敗十分關鍵，如何讓公司從上到下都了解數位轉型的真實面貌，進而為組織轉型做出貢獻，是非常重要的。 某台系電子製造業的主管就表示，資料透明化是實現工業4.0必要的基礎建設，但資料透明不是人人都喜歡的事情。資料透明意味著企業的管理階層可以清楚掌握製造現場的狀況，甚至做到即時管理，這對基層員工來說是有壓力的。舉個最簡單的例子，沒有人希望自己上班時的一舉一動都被老闆盯著看。 另一方面，做產線主管的人，在資料透明化之後，自己的管理思維也得跟著改變。看到蜂擁而來的即時資料，其實管理者也不輕鬆。因為有資料，當中階主管的人會比過去更容易落入微觀管理(Micro Management)的陷阱。製造業固然是非常講求工作紀律的產業，但如果主管不分大小事都要介入，結果肯定是吃力不討好。 總結來說，企業要進行工業4.0或數位轉型，不只是導入工業物聯網(IIoT)或是把資料傳到雲端去做大數據分析就好。技術面的問題容易解決，組織文化跟管理風格的問題比較難解。因此，如果企業內部已經有資料驅動的文化跟機制，只是資料的取得還沒有那麼自動化，推動工業4.0會比較單純。但如果企業本身還沒有建立起重視文件記錄跟用資料做決策的文化與運作機制，導入工業4.0就會牽涉到組織文化的變動，這才是真正的挑戰所在。

工業通訊及網路設備領導廠商Moxa日前於2018年德國紐倫堡國際自動化工業展(SPS IPC Drives)中，展示其時效性網路(TSN)專業技術，讓與會者一窺採用TSN技術的標準乙太網路，如何以精確的低延遲，在自動化架構中即時進行並聯或串聯資料交換，充分展現了工業物聯網(IIoT)和工業4.0的無限可能性。 TSN技術的願景是在整合式與大規模IIoT網路中，在指定時間將重要資料傳送到指定地點，讓製造業的大規模客製化夢想能夠成真，並可迅速且即時地改變生產模式，而不只是降低總體成本。Moxa展示了具保證服務品質(QoS)及精確低延遲環境的統一標準乙太網路基礎設施之使用案例，包括機器內對監控即時通訊、機器對機器即時通訊，以及基於標準乙太網路的機器內延遲保證通訊。 Moxa並於展會中參加邊緣運算產業聯盟(ECC)、工業網際網路聯盟(IIC)、Labs Network Industry 4.0(LNI 4.0)以及Ethernet POWERLINK標準化組織(EPSG)等多個技術和標準組織舉辦的互通性展示，讓與會者能親眼目睹Moxa TSN切換器，如何與其他廠商的設備，在標準乙太網路基礎設施中交互運作，以便推動工業自動化的未來發展，並開啟IIoT和工業4.0的無限可能性。

近年來工業4.0浪潮席捲製造業，智慧化成為製造業最重要的發展。在經濟部「五加二產業創新」政策推動下，今年1~8月出口額與去年同期相比成長將近15%，台灣不但晉身全球第五大工具機出口國，機械製造業更成為另一個兆元產業。位於台中的凱柏精機透過產品、行銷到管理全面數位化強化國際競爭力，是數位轉型的成功典範。 擁有豐富輔導台灣中小型機械製造業者智慧轉型經驗的施耐德電機工業自動化事業部總經理孫志強表示，許多台灣業者在面對數位轉型的時候，以為只是投資產線自動化與收集大數據，往往礙於成本考量而裹足不前；如果企業的管理者能夠把數位轉型當成是企業策略發展與研發的必要投資，從經營管理到產品研發、行銷與售後服務，各個層面都導入數位化，透過收集的大數據提供客戶預防性維護，才能做出差異化的服務，進而改變商業模式，提升國際競爭力。 凱柏精機從2003年公司成立初期就已規劃智慧製造的雛型，包含基礎IT+OT的整合，並導入ERP系統提升管理與決策上的效率，因此能跟隨全球趨勢快速反應經營策略。尤其是利用感測技術擷取設備狀態所累積的大數據，更開啟了製造系統的無限創意。以刀具監控系統為例，在加工製程中，刀具在切削不同材質的工件會產生不同阻抗，以致刀具的震動也會有所差異。現在透過感測技術，將可記錄刀具的震動，判斷加工製程的狀況，在出現故障前就預先維修更換，避免無預警停機，未來更可在刀具中嵌入晶片，讓機台可針對不同製程自動換刀，並紀錄每一製程的換刀數量與頻率，管理者可藉此全程掌握製程紀錄，讓機台效能與穩定性最佳化。

隨著數位科技技術越來越成熟，企業導入數位科技的比重越來越高。IDC調查發現全球前2000大企業中有70%的比例已投資物聯網解決方案，人工智慧(AI)投資占比亦逐年增加，此對於未來企業走入Digital Twin概念建立良好基礎，並且將由製造業以及服務業優先開始導入Digital Twin技術應用。 IDC台灣區跨產品與顧問服務資深市場分析師蔡亦真表示，由於目前製造業的少量多樣開發需求越來越多，開發時程與交期也越來越短；Digital Twin技術能協助製造業在不添加硬體設備的狀況下，減少30%的工作量並提升30%的企業營收。目前，在製造業的Digital Twin模型已逐漸成熟，預期到了2020年，在全球前一千大企業中，將有30%的企業導入Digital Twin技術，而其中製造業預估將占60%。 Digital Twin強調透過感測器的資訊蒐集，導入過往數據分析與在虛擬世界中模擬，達到虛實技術間的融合，此對於企業在管理，溝通，協作， 以及預測上都有所助益。目前該應用在製造業已逐漸成形，預期將解決製造業「大量生產」與「客製化」之間的不協調，並增加生產效率與節省成本。 另外，蔡亦真亦指出，除了製造業應用之外，在未來Digital Twin技術也將導入服務業應用。對於服務業而言，Digital Twin能協助業者掌握客戶喜好，並且分析購物體驗，進一步可提升消費者在任何分店的購物品質。透過Digital Twin，服務業可優化客戶體驗、提升服務效率和維持穩定的服務品質。 IDC預測2019年台灣市場中，製造業將逐步導入Digital Twin，目前台灣企業落在第一階段(Digital Visualization)和第二階段(Digital Development)，僅達公司內部管理或是部門數位化為主，預計未來將逐步應用Digital Twin朝向完善企業本身的生態系統並增進生態系統之間的協作(Digital Twin Orchestration)能力。藉此，企業將在不增加設備的情況下，達到同步協作、提升營運效能和掌握並預測未來動態，創造企業核心價值。