隨著「工業4.0」概念和「中國製造2025」等策略的推進,智慧製造逐漸從概念宣傳發展到執行階段,而工業物聯網(IIoT)、人工智慧(AI)、巨量資料(big data)、機器人、雲端運算和擴增實境(AR)等先進技術也不斷出現,數位和實體領域的融合進一步促進了智慧製造的興起和發展。

「智慧製造的主線是智慧生產,而智慧生產的主要載體是智慧工廠。」中國工程院院長周濟簡潔明瞭地闡述了智慧生產、智慧製造和智慧工廠三者之間的關係。智慧工廠是一個完全連接的靈活製造系統,能根據動態市場需求整合供應鏈和生產線,並在需要時生產出個性化的定制產品。

根據權威市場機構的預測,到2025年全球智慧製造市場規模將達到3,952億美元。Altizon的2017年智慧製造報告指出,在工業製造業中,智慧製造有可能將直接人工成本和間接成本降低5~10%。由此可見,智慧製造的價值和未來市場發展都很有潛力,那麼,實現智慧工廠需要哪些技術呢?

實現智慧工廠需要六大關鍵技術

建設智慧工廠的最終目標是實現智慧製造,而智慧製造的關鍵技術也就是搭建智慧工廠這個載體的核心技術。來自Vero Solutions的資訊圖顯示了驅動和實現智慧製造的六項創新技術。

20190502EDNNT31P1 圖1 驅動和實現智慧製造的六種頂級創新技術。(圖片來源:Vero Solutions)

3D列印

過去需要數月的時間設計及組裝產品,並與供應商進行溝通,有了3D列印技術,製造過程變得更加快捷,所需時間大大減少。

除了傳統的3D列印材料,如塑膠、玻璃和陶瓷外,還有電子元件及環保材料。3D列印的靈活性及優點可降低使用新材料引起的總費用,並且由於是現場依需求生產產品,因而不必擔心庫存空間不夠。

AR及可穿戴設備

管理人員透過監控疲勞程度,可以提高員工的安全性,減少受傷的風險,並提高生產力。為進一步提高安全性,還可利用可穿戴技術來操作機器,使員工在工作時遠離危險區域。

可穿戴技術可以追蹤員工的工作速度,檢測系統效率。

雲端運算平台

利用工業物聯網等雲端運算平台,製造商實現了互連及內部交換資訊,供應商與經銷商之間也能夠加強瞭解。如果將智慧工廠比喻為人體的話,工業物聯網相當於神經系統。

基於雲端運算的系統實現了整個開發過程的協合,使員工能夠將更重要的任務排到更高的優先順序,從而加快新系統的開發進程。

品質管制面板將全球的製造場地連接在一起,並將銷售結果直接報告給現場管理員。

偽造檢測技術

就不同產業的偽造嚴重程度而言,製造業排第三位。製造商的平均損失是19.4萬美元,除此之外,偽造還會影響公司的總生產率,導致員工信任度下降並失去客戶的信任。

深度神經網路(DNN)可用於辨識交易中的偽造,從線上交易中收集資料並進行建模,使製造商能夠標記並預測未來交易中可能出現的偽造風險。

位置檢測技術

追蹤與追溯資產位置及狀態已成為製造中的關鍵一環。自工業4.0和智慧工廠一開始,製造業就採用了先進的定位技術。

商品及貨物將透過各種系統,如供應鏈管理、ERP、MES及其他資訊技術系統進行連續追蹤,以提高整體效率。

無線射頻辨識(RFID)、衛星導航系統及條碼技術可監控商品的移動。基於位置的服務如GPS或移動ID可為室外應用提供地理定位方案。

智慧感測器

以人體為例,智慧感測器相當於人體的各種感覺器官,用於採集工業環境下各種溫度、濕度、壓力、空間移動和位置等資訊。早在2013年業界就預測供應鏈中會使用超過2,000萬個感測器。根據Gartner預測,到2025年工業應用將使用高達250億個感測器。

智慧感測器產生極複雜的資料,這些資料成為自動及智慧控制的基礎。有了智慧感測器,便不再需要遠端處理,提高了智慧型機器的生產率及效率。

智慧感測器對於倉庫管理特別有效,能夠監控溫度,檢查貨物是否出現問題,並記錄一些出現問題的參數。

工業物聯網構成智慧工廠神經系統

工業物聯網的發展為製造自動化及智慧化提供了新的機會。

智慧工廠追求人、機器、材料、方法、環境的智慧化高度協調及高效利用。除了智慧設備和智慧生產及執行系統,還需要考慮環境、廠務設備等因素,大量的感測器用來控制或監控水、電、氣體、塵埃顆粒、溫度、濕度等。但各種感測器分散、異質、資料格式不統一,甚至是移動的,利用工業物聯網的架構進行智慧化協調是一個很好的途徑。

工業物聯網平台是將具有感知、監控能力的各類採集或控制感測器或控制器,以及泛在技術、機器對機器(M2M)通訊、機器學習和基於雲端的分析等技術不斷融入到工業生產的各個環節,透過收集、分析來自新增和原有設備的資料,提高效率並獲得競爭優勢。利用強大的管理運算功能,能夠:

˙改善生產過程透明度。利用資料記錄和通訊功能,使設備狀態一目了然,從而提高生產力;

˙延長設備壽命,降低成本;

˙拓展控制功能,利用設備端的控制功能替代中控室的中央控制,實現分散化控制。

例如,AI工程和自動化系統方案供應商BISTel的Cloud IoT平台便結合了軟體和硬體,可以提供儲存、運算、安全、開發工具及其他許多常見功能,提高了品質和工程生產力,實現了營運效率的提升。

感測器構成智慧工廠感官網路

現代工業系統的關鍵元件是感測器,它將資料發送給控制器、監視器,以及讓工廠能運作的其他設備。感測器在現代工廠中扮演多種角色,除了為程序控制提供資料,還協助進行品質評估、資產追蹤、甚至保證工人的安全。為了滿足不同的目的,感測器的種類很多,最常見的有照明、溫度、運動、位置、存在、視覺、力量、流動和化學成分等感測器類型。實際上,每一種不同的過程或環境條件都有適合其測量的類型。

20190502EDNNT31P2 圖2 工業中使用的各種感測器需要連接到物聯網架構。(圖片來源:Postscapes)

用於資料擷取和處理的微機電系統(MEMS)是一個從3D陀螺儀、加速度計、磁力計和振盪器,到用於熱、壓力、濕度,以及其他感測元件的龐大感測器品項。MEMS溫度、濕度感測器可用於環境條件的檢測,MEMS加速度計可用來監測工業設備的振動和旋轉速度。

例如,亞德諾(ADI)MEMS加速度計在數位MEMS振動感測器等元件中整合了嵌入式射頻收發器,是集訊號處理和通訊功能於一體的解決方案。這類可程式設計元件的功能包括:

˙定期自動喚醒、捕獲時域振動資料;

˙對資料記錄執行快速傅立葉轉換(FFT);

˙對FFT結果進行使用者可配置的頻譜分析;

˙透過高效的無線傳輸提供簡單的通過/失敗結果;

˙存取資料和結果,然後返回休眠狀態。

高精準度的MEMS加速度計和陀螺儀可以為工業機器人的導航和轉動提供精確的位置資訊。這些MEMS感測器將資料饋送到一個神經網路,用於視覺和其他感知處理,幫助工廠機器人「理解」其所處的環境,以及周遭世界中是否發生了某些變化。

20190502EDNNT31P3 圖3 將感測器系統導入工業物聯網需要複雜的硬體和軟體生態系統。(圖片來源:Disruptive Technologies)

機器人組成智慧工廠四肢

工業機器人是智慧製造的重要組成部分。

在智慧工廠中,無須大型生產設備,也不必擁有龐大的供應線和大量的勞動力,只是利用更緊湊、更高效的工業機器人,便可降低運輸成本和交付週期。

工業機器人透過更高整合的製造流程,利用內建感測器、資料記錄,以及基於雲端的即時啟發和運算,可以進行穩定的改進和調整,從而改善生產。利用增強型機器學習和AI系統,智慧製造技術可以學習如何更快地生產產品,減少了浪費,避免了複雜的設置。

20190502EDNNT31P4 圖4 新的人機協作和對話模式使員工能夠專注創造性工作和價值增值任務。(圖片來源:英飛凌)

工業機器人在智慧工廠中的整合,不僅僅指設備和系統本身的整合,還包括機器和人的協調融合。通過革新的人機介面(HMI)和遠端輔助實現,推動對話模式的變革,也是智慧工廠的目標之一。

在現代工業越來越多的應用場景中,傳統工業機器人正在被協作型機器人取代,或由協作型機器人提供支援。協作型機器人在生產過程中與人類一起工作,不再像傳統的工業機器人那樣與配備防護裝置的人類同事分開。相較於傳統的工業機器人,協作型機器人更小、使用更靈活,並且更易於程式設計,甚至能自學習程式設計。

波士頓諮詢公司的專家認為,來使用機器人將使員工的工作效率提高30%。協作型機器人不會取代人類工作,而是作為輔助,讓工作人員能夠在新的活動領域執行新任務,如為機器程式設計及在自動化生產過程結束時進行品質控制等。

目前機器人的生產廠商很多,整合有一定的異質性,但相關的產業規範使整合複雜度降低了很多。很多設備廠商都遵循產業標準,比如SECS/GEM協定。例如,英飛凌(Infineon)的工廠在採購設備時就把SECS/GEM交互協定要求、消息串流內容要求作為採購的標準之一,同時在內部建立基於快速乙太網路的即時消息分發和訂閱機制YODA。將新設備編入設備號、連通網路,就可以直接整合到系統,利用即時消息系統與系統及其他機器互通,實現狀態報告、參數報告、結果資料報告、警報資訊報告、指令接受、參數修改等。

AI系統是智慧工廠運算大腦

在未來的智慧工廠中,AI將無處不在、無所不在和無形而在。AI將用於管理整個輸入和輸出、運作機器人,並透過利用率管理和預測性維護使裝配線滿載運作。

在智慧工廠中,數位化是關鍵,但其目的不是產生海量資料,而是利用海量資料,英飛凌半導體(無錫)資訊技術總監曹翃認為,數位化就是利用資料的產生和分析來獲得知識,從而作出預測和自動化決策,達到製造的人、機器、材料、方法的高效利用,降低營運成本,最大化價值鏈效益。

有了巨量資料的支撐,透過AI分析方法和演算法,例如機器學習、預測分析或多變數統計,一切會變得更為精準。例如,設備的警報內容通常是NON-SQL資料,AI集合生產執行系統,處理結構化、非結構化及海量分佈的即時資訊,實現智慧的預測性維護,並透過自動的X光影像辨識來提高產品品質,釋放勞動力。

20190502EDNNT31P5 圖5 利用AI分析資料,生成需要的知識並觸發行動,最佳化整個工廠的流程和效率。(圖片來源:英飛凌)

機器學習是AI的一個分支,它在現實應用中無處不在,特別是在智慧工廠中。重複性的人工任務最終將由智慧型機器來處理,而不再要求員工之間建立深厚的情感聯繫。

BISTel CEO W.K. Choi在接受《電子技術設計》中國版採訪時介紹,BISTel AI支援的智慧製造應用分為三個核心區域:檢測、分析和預測。檢測包括健康監測和預測性維護、故障檢測等;在分析領域,BISTel的eDatalyer套件有四個核心應用程式,客戶可使用AI快速分析晶圓和面板,以確定影響晶圓產量或工程生產率的根本原因。

20190502EDNNT31P6 圖6 BISTel的智慧製造願景。(圖片來源:BISTel)

除此之外,瑞薩電子(Renesas Electronics)的e-AI解決方案也能嵌入在已有的製造裝置中,它不需將龐大的感測器資料上傳至網路,而是在終端透過e-AI判斷設備是否產生異常,瑞薩電子中國產業解決方案中心經理戴其宏介紹,該解決方案僅將判斷結果告知生產管理系統,因此,可以在不過多佔用網路頻寬的狀況下,實現即時自主控制。

AI技術正在將更多的智慧和資料分析推向邊緣。目前AI對聲音及人類語言的處理更加類似人類的功能,而在基於雲端和網路的軟體領域也將出現更多的AI應用。

一些新的AI應用正在物聯網中開拓和創造一個新的利基,但並非所有終端節點都需要高階功能。Silicon Lab亞太區資深市場經理陳雄基在採訪中介紹,Silicon Labs在混合訊號處理、低功耗技術和無線連接方面的專長可能帶來更多益處。許多應用將繼續利用閘道和雲端資源來處理類似AI的任務。系統架構師需要在特性、成本、性能、延遲、安全性,以及客戶對這些功能的整體價值取向等各個方面進行全面的評估。

邊緣和雲端的資料安全性是最大挑戰

工業4.0中會產生大量資料,一些資料需要在距離互連系統較近的位置(即「邊緣」)進行分析,另外一些具有相關性的資料則需要饋送到資料中心或雲端進行處理,這就帶來了節點安全、通訊網路安全、傳輸資料安全及身份認證等問題。

從雲端的角度來看,其安全性與傳統企業內部網路相似,曹翃強調,雲端服務需要保證資料中心的物理安全,以及網路防火牆的安全,並具備抗外部攻擊的能力,確保帳號、框架和平台的安全。隨著雲端的發展,海量異質設備的接入對業務即時性、應用智慧化,以及安全與隱私提出了嚴格的要求,隨之引入了邊緣運算。

20190502EDNNT31P7 圖7 邊緣和雲端的資料安全性是智慧工廠面對的最大挑戰。(來源:英飛凌)

為保護邊緣端的資料安全,智慧工廠需要將系統保持為最新狀態,並安裝安全軟體更新。軟體與硬體相結合的安全解決方案可確保互連機器與通訊節點受到保護。例如,英飛凌的OPTIGA TPM晶片,可內建於路由器、工業PC或複雜的控制單元中,並由通訊合作夥伴用來對網路中的設備進行驗證,進而在網路中完成自我認證並保護資料傳輸;而OPTIGA Trust X可用於認證和通訊加密。只有雲端和邊緣都安全,最終才是安全的。

對於大多數系統,有幾種廉價且簡單的方法可以顯著提高安全性等級。

在設備層面,控制設備上執行的軟體尤為重要。這可以透過控制如何將新軟體程式設計到設備中的機制來實現,特別是需要關閉JTAG介面並實施安全的引導載入程式。

在通訊層面,啟用通訊協議中的安全性功能至關重要。諸如ZigBee、藍牙(Bluetooth)、Thread等無線協議,以及傳輸層安全(TLS)功能都提供了相當好的安全性,在開發過程中可以直接使用。

在系統層面,支援軟體分發機制非常重要,因為時間會影響大多數嵌入式設計的安全性。隨著時間的推移,駭客變得越來越強大。今天花費1,000美元左右可發動的攻擊,比十年前用同樣規模的資金發動攻擊產生的威力更大。因此,將系統的使用壽命週期納入考慮範疇至關重要。能夠與未來駭客抗衡的唯一方法是設計具有可升級的安全系統,並在產品整個生命週期中透過遠端升級方式對系統進行升級。

由於安全基礎設施中的任何漏洞都可能被不法分子利用,因此不僅在應用程式級別,還要從基礎晶片的硬體和軟體堆疊中加入重要的安全性設計。Imagination Technologies設計了一系列「掛鉤」,使開發人員能夠利用設計方法學來實現安全防護能力,例如,神經網路可能需要保護權值和啟動不受篡改,以避免在被駭客入侵或權值和智慧財產權被盜時出現不可預測的突發行為。實際上,任何公司的演算法都可能是至關重要的,其資料也是如此。從存取控制到工廠車間,再到用於訓練和驗證的資料,都有潛在的風險,當然還包括個人資料、公司資料和工廠中MEMS感測器輸出的感測資料。

結語

智慧製造不是單純地使用智慧裝備,也不是簡單地用自動化及數位化技術改造傳統的製造業就可以成功,智慧工廠是各種新技術協同作用創新的結果。業界在感測器、無線連接、機器對機器通訊、機器學習和基於雲端的分析和安全性等幾個領域已取得顯著進展。在通訊和連接領域,新的標準和通訊協議不斷湧現,5G也開始進入工廠車間。可以說,夢想中的智慧工廠正一步步走入現實。