隨著消費市場的生成動力由供給端移轉(zhuǎn)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(shù)與結(jié)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。

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(qū)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(chǎn)品可變性的產(chǎn)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(chǎn)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(guān)機型及應用平臺。

在產(chǎn)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(chǎn)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(chǎn)

工業(yè)自動化和機器人技術(shù)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(qū)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(shù)能使維護或相關(guān)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(gòu)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(shù)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(chǎn)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(shù)領域創(chuàng)新與AI的結(jié)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(chǎn)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(zhì)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(shù)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(chǎn)業(yè)面臨激烈競爭。

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(guān)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(shù)。

相較于模擬技術(shù)，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(jié)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(chǎn)生反饋，進而優(yōu)化產(chǎn)品并增加價值。

目前該技術(shù)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(chǎn)業(yè)的實時監(jiān)控及輸配調(diào)控等。

在制造業(yè)方面，數(shù)位雙胞胎多用于生產(chǎn)與設計、現(xiàn)場產(chǎn)品調(diào)整，以及未來產(chǎn)品開發(fā)等，可降低產(chǎn)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(chǎn)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(zhuǎn)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(jié)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(chǎn)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(diào)整，能在產(chǎn)品上線前測試與驗證產(chǎn)品功能、安全性和質(zhì)量，大幅縮短總開發(fā)時間。

生產(chǎn)面的數(shù)位雙胞胎則著重于虛擬調(diào)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(chǎn)品、機臺及整個生產(chǎn)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(chǎn)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(shù)的產(chǎn)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(chǎn)品、工廠、機器及系統(tǒng)，將數(shù)位雙胞胎應用聚焦于產(chǎn)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(shù)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(diào)整彈性的產(chǎn)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)。

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(shù)，透過分析生產(chǎn)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(chǎn)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(chǎn)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(chǎn)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(diào)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(guān)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(chǎn)管理（Enterprise Asset Management，EAM）等業(yè)務信息結(jié)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(chǎn)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(chǎn)可用性等優(yōu)勢，讓預測分析可視化。

IBM于2019年推出Maximo資產(chǎn)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(chǎn)健康狀況，包括故障日期與概率、關(guān)鍵驅(qū)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(shù)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(chǎn)狀況從追蹤轉(zhuǎn)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(jié)構(gòu)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。

結(jié)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(guān)重要。

故廠商在架構(gòu)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(chǎn)業(yè)更需著重于人才培育與技能轉(zhuǎn)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(shù)。