智能制造的未来会是什么模样?

从18世纪在英国发起的第一次工业革命开始，如何利用不断创新改良的机器或持续演进的各种科技取代人工劳动力，以提升生产效率、扩大制造规模，成为人类一直在追求的目标。如今随着物联网(IoT)与人工智能(AI)等新兴技术的崛起，以及德国提出的“工业4.0”愿景，工业革命已经迈入第四个阶段，其目标是推动传统制造业的数字转型，打造导入IoT与AI技术的智能化工厂，通过大数据的收集与分析，以及利用各种数字化技术构筑的虚拟模型，让现实世界的生产效率与良率更高，同时节省成本、提升安全性并激励产品创新。

那么，智能制造的未来会是什么模样?

制造业数字转型驱动创新

从自动驾驶车辆到智能手表，如今市场上各类电子系统越来越复杂，不但需要整合各种机电零件与软件，还要求更高的连接性以及导入可持续性概念，为制造业在产品设计研发、生产线与供应链管理等方面都带来了许多挑战。西门子(Siemens)数字工业软件大中华区副总裁暨中国台湾地区总经理陈敏智表示，这些复杂产品的开发需要工程师的跨领域知识，像是进行散热、跌落试验等多物理模拟，以及不同团队之间更多的协同合作;要让难度日益升高的产品开发速度跟上需求，就必须摆脱传统方法，进行数字转型。

“在制造业数字转型的过程中，以往界线分明的IT与OT会越来越密不可分”，陈敏智解释，“IT就是包括像是企业资源计划(ERP)、供应链管理等，而OT就是生产设备的管理，像是工业控制系统/数据采集与监控系统(ICS/SCADA)。”在产品制造过程中，SCADA会收集很多的数据，而是否能把这些从不同机器收集到的数据去跟整体良率、或是跟针对哪一家客户、那一种原物料生产出来的结果作一些分析比对，就是IT与OT的融合;这些数据与分析结果慢慢累积成为有用的信息，甚至以AI的方式来指导生产，就能够实现智能制造，这不仅能让厂商达到在营收与利润方面的提升，也能降低打造产品实体原型的成本。

陈敏智指出，为协助制造业厂商顺利完成数字转型，西门子提供的解决方案包括三大主轴：“一是全面性的数字孪生(Digital Twins)技术;二是针对不同应用与环境打造的定制化的可调节、现代化方案;三是一个具弹性的开放性生态系统。”我们在十年前就制定了目标，要将虚拟与现实环境融合，如此在产品从设计、生产到应用的整个生命周期中，每一个步骤在实际执行之前，都可以在虚拟的环境中进行规划与验证;由数字孪生技术构筑的虚拟环境与现实世界形成一个闭回路，持续将来自现实世界的数据回馈至虚拟环境中的模型，进行比对分析与测试，以横跨整个价值链的明智决策与技术创新。

图1：西门子致力融合虚拟与现实环境，支持制造商的数字转型(图片来源：西门子)

“数字化进程并非一蹴而就，依据企业的经验与投资规模，可能需要三到五年的时间”，陈敏智表示，西门子近期推出的Xcelerator平台，就是期望藉由结合数字孪生与云端技术，软件即服务以及与应用程序开发平台的全套解决方案，加速、简化制造商的数字转型过程，实现真正的智能制造。而西门子已经协助包括电动车厂、登山自行车厂、半导体芯片设计厂商、疫苗开发厂商、设备制造商等客户，成功提升生产力与质量、降低产品开发成本，甚至达成节能减碳的目标。

西门子数字工业软件大中华区高科技产业暨中国台湾地区技术总监陈松盈补充指出，未来企业的竞争优势将仰赖是否能够成功数字转型，而要实现全面数字转型，需要从技术、人与流程三个方面考察：“一是要好好利用并正视过去仅作为支持的IT与OT技术，二是人员思维的转变，第三是检视有哪些流程是可以利用最新的IT/OT技术来进行数字化改造”;同时他也建议在数字化过程中，可以从三个方向来订定转型策略──首先是设定基准目标、了解目前现实状况的最大差距，并规划要花多久的时间来达成目标;其次是平衡数字转型的投资成本与回报;最后就是要寻找一位能共同成长的正确合作伙伴，避免为省钱而采取“头痛医头、脚痛医脚”的作法，否则可能失去竞争先机，还得投入额外成本与时间来补救。

图2：西门子Xcelerator全套解决方案平台

陈松盈表示，西门子深刻了解工业软件是企业取得竞争优势的关键，近年来持续通过收购等模式，投资工业软件领域;迄今投资金额已超过100亿欧元，并在全球部署了1.27万软件工程师，致力于开发、完善能协助客户融合虚拟与现实的数字转型解决方案;而除了支持具弹性的授权、安装与购买模式，西门子认为云端化是工业软件的未来发展趋势，能支持客户不受时间与空间限制的异地协作、按需求使用，也能共享数据、降低成本。Xcelerator平台也是基于这样的概念开发，支持电子和机械设计、系统模拟、制造、营运和生命周期分析，也支持低代码的快速APP开发平台，能轻松构建、整合和扩展现有数据和系统，让客户打破传统各自独立的工程学科(如电子、机械或软硬件)领域界线，快速、可预见地迎向未来。

结合AI智能制造实现可持续未来

制造业的数字转型与智能化，不只与生产力的提升、成本与风险的降低密切相关，更是达成ESG永续目标、实现净零碳排、对抗气候变化的关键助力。诞生于2020年并立志让“使用AI像用水用电一样自然”的中国台湾新创公司咏鋐智能(Chimes AI)，就着重于通过结合AI的智能制造解决方案，为企业创造ESG价值。该公司首席执行官谢宗震表示，包括在制造现场通过AI技术以软实力建立数字孪生模型或生产制程的模拟，以支持节能减碳设计与流程最佳化，也能利用AI降低安全风险、预测供应链变化及帮助进行决策。

谢宗震举例指出，Chimes AI先前曾对开放性的、全中国台湾土壤生产力调查报告数据进行分析，归纳出紧邻工厂的农地受重金属污染的机率较高，而经过AI预测在早期协助制造商以更精准的方法改善废水处理效率，不但能大幅减少因土壤污染造成的农作物损失，也能协助制造商符合环保的标准。Chimes AI也曾利用AI数据分析──包括不同机器设定以及不同区域工厂的温湿度差异等信息──协助纺织厂最佳化其染料组合，以达到良率的提升，降低因染色失败需要返工所产生的原料及时间成本。此外还有利用AI预测生产线非计划停机可能造成的财物损失、人员安全风险或环境污染，以及工厂能源需求评价等。

图3：Chimes AI将AI项目开发由数月缩短至数天，并助力可持续性推动(图片来源：Chimes AI)

谢宗震强调，对大多数的企业来说，利用AI解决方案实现智能制造、分析大数据以产生洞察或预测信息等工作，最大的痛点在于缺乏具备AI专业的人才，还有往往得花数月的时间收集相关数据、建立模型，以及需要跨领域专家的协作，使得AI的“落地”表现不佳，也很难扩大应用规模;而Chimes AI致力于提供无代码的AI模型，建立与IoT/ERP数据管理平台，打破传统AI开发流程，没有AI技能的人员就能操作、也能将开发时间缩短至数日，如此将能扩大应用规模，让效率更高、更具绿色环保概念的智能制造“遍地开花”。以实现可持续性为目标，Chimes AI期望能有更多企业利用该公司的平台快速导入AI，因为我们只有一个地球!

赋予未来工厂边缘智能——MCU/MPU扮要角

要打造智能工厂、实现工业4.0愿景，微控制器(MCU)无疑扮演了关键角色，特别是在包括传感器的端点(Endpoint)设备与负责连接云端的网关等边缘设备的应用上，如何因应在连接性、安全性方面越来越多的要求，将成为主要课题。ST技术营销经理Daniel Wang表示，边缘端系统因为性能与內存容量有限，必须执行更精确的分工，以确保横跨各个处理单元的智能运算资源的正确分配;例如在必须针对传感器产生的数据先进行微观层次分析的端点设备，可能会先进行初级的检测或数据分类，产生的信息再传送至网关进行中级决策，这使得AI神经网络运算在分析异质资料时可充分发挥作用，当需要更大算力进行最终宏观决策时，才将数据送至云端。ST具备广泛选择的ST32系列微控制器与ST32 Cube开发套件，就能支持此类应用需求。

图4：能为安全智慧制造提供广泛支持的ST生态系统

Daniel Wang举例指出，针对工业物联网端点设备应用，诉求超低功耗、高安全性的STM32U5能满足需求;此外，采用Cortex-M4核心的STM32G4，则能在数字电源与电机控制方面发挥长处。而在网关的应用上，整合了Cortex-M7及Cortex-M4双核心的STM32H7，以及整合两颗Cortex-A7核心、1颗Cortex-M4核心的更高级别STM32MP1系列MPU，能用于人机界面及图形语音识别等AI神经网络，以及为电脑视觉方面提供支持。搭配ST的AI生态系统STM32Cube扩充套件STM32Cube.AI，还有NanoEdgeAIStudio自动化机器学习工具，能为客户打造先进、安全的智能制造环境。

低功耗蓝牙的多样化应用

除了微控制器/微处理器，无线连接技术在智能制造、工业物联网等应用上的重要性同样显著，具备各种优势的低功耗蓝牙(BLE)是其中之一。德州仪器(TI)资深应用工程师郭锦诚表示，在2010年与蓝牙4.0规格一起诞生的低功耗蓝牙，虽与经典蓝牙同样使用2.4GHz频率，但在调变模式、信道与跳频机制等方面都有所不同，并采用为低功耗设计的同步协议，目标市场是低功耗、低延迟与低传输量的应用。

图5：TI的新一代低功耗蓝牙芯片

低功耗蓝牙主机(通常是手机)与周边设备的联机，是通过后者发送广播信号、前者进行扫描配对而建立;在联机之后，主机与周边会定期进行联机事件以交换数据/确认彼此的存在，其余时间都维持睡眠状态，因此能维持相当低的耗电。低功耗蓝牙支持四种拓扑──点对点、一对多(星状)、信标(beacon)与网状网络(Mesh);最新的Mesh模式主要应用在连网照明。郭锦诚指出，TI自2010年已经推出四代的低功耗蓝牙芯片，最新的CC2340x除了实现硬件上的成本、功能与质量最佳化，也提供易用软件工具以加速产品开发;在工业相关领域可支持如货架电子纸标签的自动化更新、智能电表读取、个人化医疗设备(血糖/体温监测)等应用。

融合OT与IT防护阻断安全威胁

因应生产领域或所谓“营运技术”(OT)关键基础设施中发生的安全攻击事件逐渐频繁且日益严重，业界安全设备或方案商提供各种不同见解与解决方案，将安全概念以及防范手法套用在关键的OT/生产场所。

然而，传统信息技术(IT)网络环境并不同于OT网络环境。Fortinet中国台湾区OT安全技术顾问徐嘉鸿指出，二者的最大差异在于OT/生产网络对于“可用性”(availability)的要求重于一切，必须以稳定、持续工作为优先，而这也是为OT领域提供安全解决方案的入门级门坎。

为了更有效地控制OT环境或企业的基础信息安全，徐嘉鸿指出，首先必须通过防火墙隔离OT网络和IT或办公室网络(OA)，以利于控管、加密与身份认证。其次，在符合IEC规范与认证的基础上，还必须搭配一个易于管理各种不同事件的平台，进行关联与分析，才能确保OT/IT环境的安全。特别是当环境中有多样化的安全解决方案或不兼容的系统，可能支持不同程度的可信度以及各种类型的加密保护与身份认证，成为OT环境部署与规划安全方案的挑战。

为此，Fortinet推出去中心化的安全解决方案——安全织网(Security Fabric)，为解决威胁，让针对特定环境及其特性的多样化解决方案得以互连、共享信息。“其概念如同在一张网上的点对点通信与信息分享，”徐嘉鸿介绍道，在Security Fabric上的不同解决方案或每个角色都能独立工作、接收来自不同角色或方案的信息，实现共享、连动或自动化设定。

在部署Security Fabric时，只需依序进行网络分割、微分割(隔离与限制受损区域)、网页服务安全、安全远程登录、安全威胁防护、应用程序/事件控管等一层一层进行，并可因应客户的需求绕开特定系统，协助规划既均衡又安全的OT/IT保护方案。

图6：整合OT与IT的安全使用情境(图片来源：Fortinet)

摆脱智能制造的热问题

随着电子零件的尺寸持续缩小，为了支持更多功能，所需处理的能量密度相对提升，具体表现就是产生更多的热。尤其是因应工业4.0导入云端、物联网、大数据管理、智能设备等技术进行智能制造，对于服务器、网通、绿能、农业、电动车(EV)与医疗等各行业应用都带来了热议题。

高柏科技(T-Global)项目及FAD项目经理朱怡静，以几种主要的行业应用为例，说明散热机制在工业4.0时代的重要性及其处理方法。例如在机房中24小时工作的服务器，当热累积到一定程度或超过其工作负载时可能会宕机。其热处理方式是在芯片上贴散热片，将热传到外壳后由空气散发出去。当今的5G手机既要求网速与处理能力，还得维持高续航力，使得芯片处理功率高达10W(峰值甚至15W)，加上手机的结构和镜头颗数越来越多，用于散热的空间更少，必须使用热管或均温板进行热处理。

电动车则可能面对机组过热的问题。针对电池模块可以使用导热胶泥或封胶填缝于电池之间，将产生的废热传导到电池模块外壳进行热交换，同时维持良好的电池温控。至于车用面板(OLED或Mini LED)则使用不同软硬度的导热硅胶导热至金属散热器，保护LED晶粒不受高温影响造成短路或故障光衰。而无论是太阳能、风力或水力发电等绿能，都因为无法持续产出，必须以电池进行储能，因此同样采用电池填充法，并在机柜外使用空调系统强制散热。

朱怡静并强调，“所有散热都必须从导热开始。要将热带走，一定要从发热源开始就有良好的传导功能。”为了顺利地将热传导至特定区域后再通过元件散热，一般采用由导热和散热组成的散热模块。高柏科技提供整合的散热模块，并为客户应用进行各种热传导系数/热阻等测试，确保符合工业级散热需求。

图7：工业4.0热问题解决方案相关产业与应用(数据源：T-Global)

自动化AI平台落实“智”造转型

从系统中的基础传感器，到先进的智能生态系统，基于数据的各种行业应用正重新自行定义并变得更智能化。智能工厂或企业连网融合能源、物流、平台、特定产品和售后零件等众多数据源，这一切都与智能化、网络化和自动化有关——关键就在于信息和平台思维。

中国台湾戴尔科技(Dell)集团技术副总经理梁汇华指出，探讨智能制造议题不可或缺的两件事，首先是在导入过程中产生庞大的数据，并对自动化或智能制造带来影响。为了实现智能制造或智能工厂，必须更深入了解与掌握整个数据平台，尤其是当整个生态链串联后，更显著影响工厂之间或是企业之间的完整供应链及其透明度。其次，为了让数据更透明以及善用平台即时串接，AI在此发挥作用。

因此，为了实现“智”造转型，首先必须以基于大数据的平台做后盾，其次是打造成为自动化或更有弹性的平台，协助客户从元素端到数据事件进行整合，并根据其需求导入应用系统，建立稳定的基础设施。最后，还必须导入AI，通过AI从生产参数检视良率与产能等分析，协助提升客户体验、加速创新与自动化调控，才能创造成本优势与差异化，为企业挹注竞争力。

然而，企业在利用AI时还面临着复杂度、庞大数据量以及AI与机器学习(ML)专业等方面的挑战，为此，Dell联手Infinities提供协助让AI加速落地的AI Stack解决方案。据Infinities数字无限软件营运长吴宣仪介绍，AI Stack提供有助于GPU更有效管理并加速资源部署的开发工具，让AI开发人员与IT管理者能在此平台协作，加速项目开发以及有效分配资源。

除了数据、AI、平台与应用，梁汇华还强调安全的重要性，“如果安全防护不足，无法百分之百保证不会被攻破，更重要的是必须要保留最后的命脉。”

图8：Dell联手Infinities AI Stack协助AI加速落地(数据源：Dell、Infinities)

无代码数据分析平台加速数字转型

“数据驱动”正成为智能制造的核心议题。然而，目前大多数企业中的不同部门，各自以方便检视的形式管理数据，造成“数据孤岛”;这不仅导致各部门之间协调困难，而且经常重复繁琐流程。为了让庞大的数据形成一个类似“数据中台”的概念且有效串联，美商讯能集思智能科技(Synergies Intelligent Systems)介绍无代码(No Code)增强分析平台，期望让传统的工业在短期内转型升级至下一代工业。

为了真正大规模提升营运效率，Synergies推出数据分析驱动的全新营运管理模式——JarviX，导入AI与最佳实践(best practice)模板，包含精管、AI排程、库存/良率优化、库存/动态自动报价以及预测性维护等，还可以转化成数字转型的策略蓝图，协助企业找到核心应用的切入点。

据Synergies首席执行官张宗尧介绍，这套完整的数据分析平台使用对话框，并堆叠一系列分析、趋势预测、异数洞察、异常侦测、关联分析、差异分析等超过数十种演算模型，因此能根据不同的行业背景推荐关联问题，迅速找出隐藏问题进行分析，协助进行决策。

张宗尧说，“JarviX结合了《钢铁人》(Iron Man)电影中最聪明的AI和最聪明的人(X教授)，期望让未来的工业拥有超强的大脑，展现人机的最佳结合。”因此，该平台特点在于搭载AI、自然语言处理、大数据分析与深度学习等技术，并重新定义数据分析的运作，让各层级人员只需打几个字或用口说的方式，就能分析数据导出报表，得到比以往更快速、更全面的决策依据。

此外，Synergies还推出AI分析精进循环方法论，摆脱过去以人为治，或AI仰赖专家/数据科学家的低效现状，从而为未来智能工厂打造一个自适应、自学习长期循环。

图9：解决AI分析无标准解决方案的JarviX(数据源：Synergies)

3D体验平台协同共进智能制造时代

随着产品的功能更复杂、法规和质量要求日益严苛，加上越来越多样化的软硬件和机电整合，使得从原本的制造前推到设计整个过程都更具挑战，电子系统也逐渐在数字转型过程中扮演各行业转型的核心。

从汽车行业的角度来看，达梭系统(Dassault Systemes)中国台湾资深技术顾问林汉镔指出，预计到2030年，电子系统将占汽车整体价格的50%。因此，电子行业如今在做IC或PCB设计时，更重要的是如何设计电子系统，使其与电动车实现更好的互动，而这还涉及结构、系统、设计与分析工具、可持续性与合规性等方面。

此外，在数字转型过程中，除了制造流程的数字化、自动化，智能管理与维运带来的“弹性制造”以及产品的良率、质量与服务的优化更是竞争力的关键。通过数字协同平台，以3D模型的方式串联不同部门与信息，建立以数据驱动的AI模式进行预测与模拟，可望协助制造业加速数字转型。

为此，达梭系统推出数字连接、数据驱动、基于模型以及模拟现实的“3D体验平台”核心技术——3D EXPERIENCE，能够协助建构弹性化、自动化的调度能力，让各部门协同工作并串联整个制造核心的数字化，以因应智慧制造时代的需求。

林汉镔介绍，3D EXPERIENCE是协同的3D虚实整合平台，能根据各行业的不同应用需求进行项目的设计、模拟、沟通与协同合作，持续推进数字化转型与数字孪生技术，从而降低成本、增进营运效益、提高良率与生产力。例如，通过此平台，协助汽车电子行业从数字化的研发、工艺到制造过程，提供单一数据源且基于模型的跨领域/学科方案，即时在线协同并打通端对端，执行自动化与数字连续、智能化设计与分析，实现高品质的生产制造与创新服务。

图10：包含数字连接、基于模型、数据驱动等核心技术的智慧制造”3D体验平台”(数据源：Dassault Systemes)

编辑：黄飞