產業脈動｜邁向智造道路上的數位化與低碳轉型

摘要：在智慧製造的洪流下，目前全球製造業大多面臨傳承、跨界、整合、國際化及貿易戰的衝擊，除了要力求轉型，還須面對淨零永續的課題。本文從臺灣工業自動化系統整合商面臨的挑戰中，列出幾個臺灣製造業於新興資通訊技術的應用案例，並預期落實生產管理系統協作的客製化智慧排程軟體會不斷被推出；而在智動化產業的附加價值率不斷提昇之際，朝向低碳轉型發展就會是重要課題。

Abstract：Under the trend towards smart manufacturing, most of the global manufacturers are currently facing impacts from inheritance, interdisciplinary, integration, globalization, and trade wars. In addition to transformation, the industries also have to face the challenges toward net-zero-emission and sustainable development. This article lists several application cases from the challenges, faced by Taiwanese industrial automation system integrators, in emerging information and communication technologies. We expect that the customized smart scheduling software cooperated with production management system will continually be launched; and as the value-added rate of the intelligent automation industry continues to increase, the development towards low-carbon transformation will become important.

關鍵詞：智慧製造、系統整合、附加價值率
Keywords：Smart manufacturing, System integration, Value-added rate

工業自動化系統整合商面臨的挑戰

系統整合（System integration）是指將次系統（subsystems）各元件匯整、塑造成為單一系統的過程，在過程中，需要保證所有次系統的功能，都能在這個單一系統下運作順利。硬體裡的感測裝置、網路裝置、機器人、電腦、手機，軟體中的雲端伺服器、大數據蒐集、AI…等等。在製造工程學中，主要包括CT（Communication Technology，通訊技術）、OT（Operational Technology，運作技術）、IT（Information Technology，資訊技術）的整合。

臺灣製造業以中小企業為主，基於現實資源和策略格局不同，生產營運的數位化程度落差也相當大，有的企業已經著手建立智慧工廠甚至規劃新興數位科技的導入，但也有許多製造業現場仍是傳統機台與封閉式HMI（人機介面），或者其公司雖有MES系統（ Manufacturing Execution System，製造執行系統）以及PLM（Production Lifecycle Management，產品生命週期管理）、SCM（Supply Chain Management，供應鏈管理）等生產管理系統的導入，卻充斥著人為手動操作與未能化為生產決策的數據。
國內的工業自動化系統整合商，以主要的製造領域區分，在機械金屬加工製造業，主要有盟立、旭東、大銀微系統、世紀貿易、公準。汽車暨零組件製造業，主要有永彰、統旺、潤蓬、也成、和大。和大本身除了是汽車齒輪等傳動零組件的製造商，未來也將會是傳動零組件智慧製造方案的供應商。電子產品製造業，主要有盟立、佳世達、致茂、均華、帆宣、志聖、均豪、信紘科、和椿。
經追蹤研究後發現，工業自動化系統整合商於現今發展上面臨幾個問題，AI系統的整合、機台設備的數位化、資通訊技術的人才；這三項問題佔比為51%，如圖1。亦即：1.製造領域製程的Know-how如何與AI結合。2.CAD/CAM所有的數據要整合，資料感知擷取與資訊可視化。3.資通訊技術（網路通訊、演算法、嵌入式系統、雲計算...）的人才。

工研院產業科技國際策略發展所歸納全球智慧製造發展關鍵議題是：1.OT（生產技術）數據化後與IT系統整合的智慧製造。2.是工業機器人擁有加工技藝，可從事複雜的工作，逐漸進化成為具有擬人之檢知、推理、決策的功能。3.是結合數位模擬的行為模型，可以根據感測器所蒐集到的數據資料進行運算、分析，產生知能，而且可隨時針對機器運行狀態進行動態調整。4是運用AI讓機器擁有類人的思維意識；機器具有等同人類的行為能力與思維意識，深度學習技術是機械設備的發展趨勢。

但是為何許多製造業者聽完上述的內容後，並沒有很大的衝動要立刻去施行。原因是智慧製造發展之路沒有從業者的痛點出發，我們從技術層面去分析且提供意見，但是企業存在各式各樣的問題需要解決；他們更在意導入智慧製造後是否有明顯的降本增效成果；準備投入多少成本?以及如何衡量導入後的效果？改善之後的效果會比目前運用的方法更好嗎？

智慧製造落實的訴求是在工廠環境中， 聚焦在以IIoT、Big Data （ 巨量資料）、Machine Learning （ 機器學習）、Cloud & Fog Computing （ 雲霧運算）… 等，提高工廠生產效率，包括建立關鍵製程良率的預測模型，即時預測生產品質、隨時修正、調校，保證效能、品質，以及生產工藝、碳補捉封存、環保議題。因此，這也給國內的工業自動化系統整合商帶來挑戰，他們必須認清客戶在智慧製造的發展上，存在各式各樣的問題，並要能提供能夠解決問題的產品、方案或是平台。

臺灣機密機械與ICT技術具世界級水準，產業供應鏈體系完整，加上高科技產業（如半導體、IC設計等）、傳統產業（如機械金屬件的精密加工、車輛零組件等）等製程創新需求，相當程度地貢獻臺灣的智動化產業成長與發展，在解決問題的方案上我們列出幾個目前臺灣製造業於新興資通訊技術的應用案例。

圖1 國內系統整合商面臨問題佔比[1]