技術專題主編前言｜智慧工廠技術專輯主編前言

隨著時序的演進，俄烏戰爭加劇了新冷戰的時代，也加速之前已被中美貿易/科技大戰與疫情所帶來的產業版圖的巨變。
如今，各國爭相建立足以自主生產製造的產業供應鏈，從醫藥業的疫苗、汽車製造業的零組件、半導體的晶片，再到日常生活中不可或缺的民生百物，全世界都在搶奪以前認為垂手可得的資源，就像端子台、門鎖絞鏈這種不起眼，卻不可或缺的工業或生活的小物零組件，這到底是常態，還是因應一時危難不得不的政策？綜觀歷史的演進，都有其脈絡可循，國家分久必合、合久必分，產業鏈也是有此必然，只是目前正在由合到分的道路上，在這一個階段，【短鏈生產】就是最關鍵的名詞，也就是在自己國家內最大化生產供應鏈。以最近的疫苗供應為例，即使生產基地在國內的國外企業，國內政府還是有權力依照自已的需求，控制進出口的管制。此外，碳中和則是目前政府與企業面臨的另一個棘手問題，碳議題希望全球面臨地球暖化，都要為減碳盡力，卻也促成碳邊境稅的興起，碳價則可能成為另一個影響全球產業分布與興衰的關鍵因素，值得大家聚焦觀察。

當我們在談智慧工廠，在論述工業4.0、工業物聯網、AI人工智慧、大數據、AIoT，過往這些生疏的新名詞，如今已經變成大家可以朗朗上口，也都有各自見解與想法，但如何執行與實施?方法與方案又是為何? 這些都是沒既定標準或正確答案，每個產業、每家工廠都有不同的問題與瓶頸，所以就會有各自的解方，但工具是一樣的，方法卻各自不同。就像智慧化的過程，使用的都是AI工具，不同的問題卻有不同的AI解決方法與公式，即使是相同的問題，收集的資料項目不同、數量不同，答案的精確度或準確度就會有所不同。

以智慧工廠為例，以前談的是人機料法環，現在也是人機料法環，只是內涵不同，都需要加上【智慧】的元素，也就是大數據+AI的演算法，透過現有數據的收集，從這些夠多的數據中找出最佳的答案，或進行可能的分析預測。以前機器產生的資料，都是透過人員抄寫，再輸入電腦，用EXCEL進行統計與分析，如今則可透過生產過程中感測器的偵測，將資料由機聯網收集後，上拋到生產管理系統，進行整體的分析與預測。雖然，AI給的不是正確的答案，卻是由目前的數據分析出來【最好的答案】。

以機器為例，我們都在談智慧機械，但甚麼才是真正的智慧機械? 個人認為，智慧機械就是機器要能隨插即用，並依照產品的種類、產品生產的結果、設備的運轉狀態，自動調整生產參數，達成效益最大化。要透過這一連串的過程，達成自動進行參數最佳化調整，需要具備幾個關鍵步驟。首先，要透過標準的【資訊模型】，清楚地用數據來描述所有的零組件與設備，就像如何用數據來描述一個人，我們會說這個人的身份證字號、健保卡號、身高體重、出生地、在哪裡求學與工作、工作內容與歷程…，這就是一個人的資訊模型；當一個馬達被建立完整的資訊模型時，就可以像滑鼠插在電腦上，不用任何設定就能識別這是甚麼樣的滑鼠，在滑鼠上按甚麼按鈕，電腦就可以執行甚麼動作，雙方可以進行雙向且即時的溝通。而且未來的智慧馬達可以更進一步，將馬達使用的過程資料、維修保養資料記錄下來，再利用這些數據去反推或修正使用過程的控制參數，讓馬達能夠達成真正的智能化自動回饋控制。後續，則是將資料透過機聯網上拋，讓生產訊息、產品訊息、設備訊息，進行整合。第二步，將收集的設備資料，如溫度、壓力、電流電壓、震動…等，進行預兆診斷分析，了解目前設備的健康指數、何時可能會損壞、可能是甚麼原因造成，如此就可以預先排定維修保養時間，事先預備需要更換的零組件，也可以維持最佳的零組件運轉壽命，減少耗材的更替與使用，目前很多廠商已經開始針對貴重或關鍵的設備，或者是自動化程度高的產線進行預兆診斷系統的投入。第三步，將產品製造的結果透過自動化的品質檢測，確保產品的品質，並利用檢測的資料進行統計與分析，不能再依靠人工的檢測，人工檢測除了耗時、不精確、不可靠、重複性低、浪費工時之外，最重要的是，這些數據不容易成為大數據分析的基礎，因此，自動化的檢測是智慧化很重要的一大步。第四步，當機台與產品的訊息都收集完整之後，就可以進行智能化的回饋控制。最近家裡新購一台電冰箱，就透過食物儲存量及冰箱內溫度的變化，記憶生活模式，預測門開關頻率少的時段，再利用記憶、分析、預測每個星期及每1小時的門開關情況，智慧調節壓縮機的運轉模式。

智慧化不難，困難的是我們願意投入多少資源來完成這些事情。當然，並不是所有的工廠都需要變成智慧工廠，而是要訂定適合自已工廠的短/中/長期目標，不要好高騖遠，也不可能一蹴可幾，最好以3-5年為一個階段性，選擇適合的工具、挑選適當的項目，依照輕重緩急、投入產出的性價比，找到有經驗的同仁或顧問，進行適當的評估，整合公司內外的團隊，一步步地完成。這跟數位轉型是一樣的，數位轉型也需要從建立數位化的內容，將日常的作業與設備的資料轉換成可以統計分析的數據，才能透過數位優化進行統計分析，接下來才有機會完成數位轉型。這些工作的成功都是需要改變文化，讓以前透過直覺的、感受的管理，轉換成利用數據來理解、來論述的管理文化，讓數據力成為公司的基因，才有機會在這瞬息萬變、技術更迭的時代，接軌全球，建立國際級的競爭力。

本期智慧工廠的內容，從研華股份有限公司以國際化公司的觀點出發，點破為何台灣的製造業需要數位化轉型升級，如何在這個轉型的道路上，結合成熟技術的技術導入，逐步完成轉型的任務。為建立更完整的智慧工廠架構與觀念，本期也將屬於IT端的規劃一併納入，對企業營運及製造資訊系統導入進行簡介，並用案例來說明排程優化的方法與效果。

當然，在機聯網的技術發展上，雖然我們與企業都已經努力多年，但距離大一統的未來，仍有一大段路要走，所以我們也將電子設備聯網與資訊採集技術做進一步的介紹，並透過機聯網的數據整合與智慧應用，以產線的智慧監控、智慧補償、工廠防災監控為例來說明。此外，在產品的視覺檢測技術上，我們也以碳纖維複材編織產品、導磁材料進行智慧檢測的技術進行案例介紹，讓大家能更清楚的了解，在視覺檢測技術上，如何與AI技術整合成為傳統產業的檢測利器，大大取代人力作業上的遲滯與困難。金屬加工也一直是國內產業重要的一環，我們整理近兩年在金屬切削液與機械潤滑液狀態監測技術、沖床成型曲線智慧化方面的研究成果，提供完整文章供大家參考。

以上文章都是工研院最近的研發與應用成果，希望拋磚引玉，讓更多的資源可以投入，吸引更多的人才加入智慧工廠的領域，共同協助產業的數位升級與轉型，為台灣產業創造下一個競爭力。