邊緣智慧助工廠轉型關鍵:感測器、執行器、AI

作者 : Jeff DeAngelis,ADI工業及醫療健康事業部工業通訊副總裁

隨著越來越多工廠智慧化轉型,致力提高生產力和降低營運成本,如何增強「邊緣智慧(Intelligence at the edge)」,儼然成為一大課題。業者更是直言,在工廠自動化領域,強化邊緣智慧,與減少工廠一年內損失的生產力有著直接關聯。

邊緣一詞近年在數位轉型的趨勢下,越來越常被提及,ADI定義的邊緣,所指為機器與現實世界融合或互動之處。這裡所提的邊緣智慧,則是能透過預防成本高昂的生產線停工,使生產線保持正常運行,增強邊緣智慧能為生產線帶來積極影響,使生產力提高10%,維護成本節省20%。

麥肯錫(McKinsey & Company)在2018年10月發表一篇有關「數位化可超越預測性維護提升可靠性」的文章,內容指出每年工廠生產線的停工時間,平均為800小時,或每週平均15小時,這為公司的收入和利潤帶來了明顯影響。舉例來說,當工廠停止生產時,汽車製造商每分鐘將損失近2萬2,000美金(約新台幣66萬元),每小時損失130萬美金(約新台幣3,900萬元),或每週損失近2,000萬美金(約新台幣6億元)。

由此可見,增強邊緣智慧與工廠生產力及營運成本,確實呈現高度的正相關,這也確實是各家業者正努力發展的方向。為實現這個目標,除了技術上的強化,還需要全新的思維方式,以下從智慧感測器、執行器(actuator)、提供進階診斷功能等增強邊緣智慧的關鍵要素,列出其重要性及其在增強邊緣智慧方面提供的重要功能。

新技術IO-Link 實現彈性製造、優化營運效率

現今數位轉型重要性不斷提升,製造場域和感測器間,已構成密不可分的緊密連結,在製造場域中,幾乎所有製成品都需要跟一系列的感測器協同工作。然而,偵錯新感測器以替換受損的感測器,或改裝設備以便製造不同的產品,需要耗費大量人力,並由於生產力損失,將造成很大的成本負擔;若工廠裡的每個感測器均進行相同的維護等級,所有生產線的最大一筆費用,就是更換或重新配置感測器。

IO-Link這項新技術的出現,則減少了前述在轉型時可能遇到在人力等成本投入上的負擔。IO-Link是第一個國際標準化的IO技術(IEC 61131-9),主要用於感測器及執行器間的通訊,透過提供與感測器的雙向資訊交換,將傳統的數位或類比感測器轉換為智慧感測器;藉由使用協定堆疊和IO設備描述(IODD)檔的通用物理介面,搭配感測器互換,從而簡化偵錯過程,改善工廠輸送量,技術人員亦可快速偵錯,減少停機時間。

隨著企業體認到使用通用介面的好處,即壓力、近距離和溫度等各個感測器隨插即用,IO Link感測器的採用率不斷加速提高。市調單位《ResearchAndMarkets》表示,IO-Link市場持續發展,預計今年的市場規模將成長到120億美金(約新台幣3,600億元),對比2018年的30億美金(約新台幣900億元),年複合成長率(CAGR)達33.56%。

整合兩要素 智慧執行器可提升工廠生產力

執行器用於影響和控制生產廠房裡產品的移動方向和速度,而由於所有應用都需要一組獨特的運動控制和馬達驅動特性,因此這些智慧執行器,需要根據其環境動態調整,形成完善的機電網路物理系統。目前,智慧執行器的功能仍不斷向前邁進,以提供自動配置功能,能夠自動調整其性能參數,從而滿足營運環境的需求。

要使執行器對環境建立自我意識,並允許系統優化其性能,從而大幅提升輸送量或提高執行器的長期可靠性和運作性能,這是第一步。為實現該智慧運動組合,需要將兩個關鍵要素整合,首先是高能效類比驅動技術,用於實現高壓操作,同時提供當地環境的運作狀況和狀態,以實現馬達優化,進而在高效率和更快的輸送量之間達到平衡;再者是能提供運動控制演算法以支援順暢的運動範圍,這包括能夠檢測運作期間的馬達負載,以避免生產線故障和大幅減少功耗。

運動控制演算法提供順暢精準的移動,而截斷演算法專注於提升馬達的能效。此外,要想瞭解馬達是否朝著正確位置移動,感測電樞的位置非常重要。通常,這可以使用磁性感測的霍爾感測器或某些光學編碼解決方案來完成。市面上有些新的智慧執行器,允許工業自動化工程師透過IO Link通訊介面存取50%以上的配置和性能參數,從而簡化偵錯,提高工廠生產力。

導入AI助攻 精確診斷工廠狀況和即時決策

近年來,由於為建置智慧工廠所做的快速投資,機器學習(Machine Learning)預計將是人工智慧(AI)領域成長率最高的部分。這一成長背後的推動力,源自工業物聯網(Industrial Intelligence of Things, IIoT)支援設備網路產生的大量運作狀況和狀態資訊、提供預測性分析的演算法、監控產品品質以及評估機器狀態和運作狀況的機器視覺攝影機。

據市調機構《MarketsandMarkets》在2019年1月發表的一份名為「製造市場的人工智慧」的報告顯示,預計到2025年,這些製造領域強大的AI演算法平台的收入將從2018年的10億美金(約新台幣300億元),增加至超過170億美金(約新台幣5,100億元),CAGR接近50%。這樣的結果,更進一步凸顯出AI在製造市場的強大潛力。

在IC級別,將會監控、收集越來越多的資訊,並透過SPI匯流排與微處理器進行通訊,因IC數據封包攜帶如設備溫度、過壓、過流、開路檢測、短路檢測、溫度過高警告、熱關斷和CRC等關鍵資訊,封包數量預期會繼續成倍增加。若在生產廠房的各種設備中大幅增加能提供診斷資訊的半導體晶片數量,那麼很明顯,就可以實現生產廠房的診斷映射,以預測、識別和診斷生產線故障。

The Next Big Thing?

透過全新思維方式,智慧工廠可利用這些新功能來提高輸送量和生產力。隨著這些新技術不斷成熟,下一代AI演算法利用這些解決方案所產生的更高品質即時資料,預期將會產生更高效益。因此,這些具有自我意識的新機器將自動建置AI產生的解決方案,使生產線保持正常運行,直到需要技術人員維修或保養。這個具有自我意識的機器時代,將激發工業自動化領域的「下一個大事件」。

活動簡介

目前寬能隙(WBG)半導體的發展仍相當火熱,是由於經過近幾年市場證明,寬能隙半導體能確實提升各應用系統的能源轉換效率,尤其是應用系統走向高壓此一趨勢,更是需要寬能隙元件才能進一步提升能效,對實現節能環保,有相當大的助益。因此,各家業者也紛紛精進自身技術,並加大投資力道,提升寬能隙元件的產能,以因應市場所需。

本研討會將邀請寬能隙半導體元件關鍵供應商與供應鏈上下游廠商,一同探討寬能隙半導體最新技術與應用市場進展,以及業者佈局市場的策略。

贊助廠商

加入LINE@,最新消息一手掌握!

發表評論