製造業正面臨轉型浪潮，受個性化需求、供應鏈回流及碳排放法規影響。新一代數位化工廠透過資源感知型製造、邊緣人工智慧、分散式控制及感測器融合等技術，提升生產效率、彈性與可擴展性，協助企業應對熟練工人短缺與多樣化產品挑戰。
本文將審視現今製造業面臨的核心挑戰，探索正快速影響產業的變革浪潮。這場變革源自於對資源敏感型製造的全新關注，而人工智慧、分散式控制、混合網路架構及軟體定義自動化等新技術與能力協同驅動，共同為未來數位化工廠的崛起建構了穩固的根基。
製造業面臨的挑戰
製造業正處於一場轉型浪潮之中，消費者對個性化產品需求的成長，加上疫情後供應鏈危機催生的產業回流趨勢等，都成為推動此一變革的主要驅動力。而這些僅是眾多挑戰中的冰山一角。與此同時，全球各國政府也紛紛祭出相關法規以減少製造業的碳排放，進而實現溫室氣體淨零排放目標。因應這些挑戰將為工業製造企業開闢全新的發展賽道，企業可借此契機引入先進技術，在降低碳排放的同時，還能提高製造業的生產效率、可擴展性和彈性。
在既有的製造工廠內，製造設備與自動化設備歷經多年反覆部署與擴展，互通性問題日益突顯。設備間不僅難以順暢協同運作，相互之間的連接也極為有限，導致工廠內部普遍缺乏能貫通所有自動化設備的統一網路。
隨著新產品庫存單位(Stock Keeping Unit, SKU)數量持續攀升，生產線的設定與驗證時間不得不相應增加。在醫療器械製造領域，驗證流程不僅耗時漫長，成本也十分高昂。此外，新產品庫存單位的增多還會拉低設備綜合效率(Overall Equipment Effectiveness, OEE)，原因在於額外投入的設定和驗證會造成生產時間的浪費，進而導致生產效率下滑。製造業面臨的挑戰不止於此，熟練工人短缺問題同樣嚴峻。據預測，截至2030年，製造業熟練工人缺口將高達約210萬人。當下，多數製造活動集中於既有工廠；在此背景下，企業試圖在現有廠房空間內提升產能時，勞動力不足的問題便成為產能提升的關鍵制約因素。未來數位化工廠正是為攻克上述重重挑戰而生，致力於推動製造業邁入新一階段發展(如圖1)。
工業製造業的轉型
從技術角度來看，製造業已取得重大進步。例如，透過在製造資產和設備上增加感測器部署並進行融合，可生成豐富的資料集，用於優化機器並提高設備綜合效率。軟體定義自動化的部署提升了製造業的生產效率、彈性和可擴展性，大幅縮短了設定與驗證時間。此外，人工智慧正逐步向邊緣發展，更加靠近感測器或執行器等生成資料的終端。邊緣人工智慧將借助資料驅動的決策方式，把製造資料轉化為切實可行的見解，助力自主製造實現製造業生產效率與競爭力的躍升(如圖2)。
資源感知型製造
下一代製造業需要更全面地審視資源消耗的各個層面。製造業所需的四大關鍵資源分別是資金、電力、材料和人力。在資源感知型製造的背景下，未來數位化工廠亟待提升對這些資源的利用效率。在資金效率方面，所有製造領域的資本支出都應注重實現投資報酬率(Return on Investment, ROI)，其週期可能為一年、三年或五年不等。未來數位化工廠的關鍵目標之一，便是以有限的資本支出提升整體投資報酬率。在電力效率方面，下一代製造業必須以更低能耗實現更高產出，以支援全球碳排放減量目標。降低電力消耗的關鍵舉措包括：部署高效率馬達驅動器，以機電驅動取代氣動驅動，以及運用自適應閉迴路控制技術提升製造效率等。
資源感知型製造的第三個層面是材料效率。在提升製造業永續性方面，減少材料浪費與降低能源消耗同等重要，並發揮著不可或缺的作用。透過大幅減少原材料的使用，再結合加強生產品質控制，能夠顯著減少整個製造流程中的材料浪費，最終朝著零廢棄生產的目標邁進。最後一個層面是人力效率，亦是首要之務。目前製造業在招聘熟練工人方面存在諸多挑戰。製造業必須盡可能地減少人工介入，可採取的方式包括：推廣自主製造模式，應用先進機器人技術，部署具備即時感知能力、能快速回應操作環境與製造需求變化的自動化解決方案(如圖3)。
未來數位化工廠
部份業者如ADI提出，未來數位化工廠可聚焦於連接、控制和解讀三個層面加以建構。連接策略目的在透過提升製造業生產效率、可擴展性和彈性，同時降低碳排放，來達成未來工廠的發展藍圖。確保所有制造資產和機器連接到統一網路，實現製造資料的透明存取，並利用這些資料推動整個製造現場的製程持續改進。製造環境須借助有線和無線混合網路，實現從邊緣到雲端的即時無縫連接。對於有線控制連接，10億位元(Gigabit)工業乙太網路正導入於工廠網路以提供更高的頻寬，同時搭配時間敏感型網路(Time-Sensitive Networking, TSN)來確保流量控制的即時性與可預測性。對於諸如自主移動機器人(Autonomous Mobile Robot, AMR)等移動應用，彈性的專用5G網路作為補充，並且專用5G網路還可連接難以輕鬆接入有線工業乙太網路的遠端感測器和執行器。
第二項關鍵策略聚焦於控制領域。分散式自主控制依託全新的模組化自動化解決方案，帶來更高的彈性，既能縮短設定和驗證時間，又能支援日益成長的新品庫存單位。從傳統生產線的集中式可編程邏輯控制器(Programmable Logic Controller, PLC)轉向分散式控制，先進的邊緣運算將被直接整合到機器之中。基於邊緣的自主控制讓生產線更具可重構性，顯著提升製造彈性。每一台機器都成為一個完整獨立的模組化製造單元，可在極少人工介入的情況下，輕鬆完成配置與重新部署。透過部署更多彈性、模組化的製造解決方案，並由分散式自主控制予以支援，使我們更能實現未來數位化工廠的目標。
最後一項策略聚焦於解讀。解讀策略目的在將生產資料轉化為可付諸實踐的洞察資訊，進而助力實現未來工廠的各項目標。據估算，製造業每年產生的資料量約達1812PB(Petabyte)。策略關鍵在於在資料產生的邊緣端部署人工智慧。邊緣人工智慧將透過主動決策，結合感測器資料融合(包含工業視覺、溫度、壓力/力、測斜儀、位置、振動、濕度等測量方式)，實現製造業的自主優化。邊緣人工智慧將透過自動執行常規任務，減少對熟練勞動力的依賴，並以盡可能高的良品率實現更具個性化和複雜性的製造。關鍵應用包括導引控制(移動式機器人)、缺陷或異常檢測(機器健康狀況)、持續的製程改進、模式識別(品質控制)，最終還將融入自動化控制迴圈，成為其中重要一環(如圖4)。
製造業正在經歷一場變革，並朝著更智慧、更互聯、以軟體定義為主的方向發展。即時無縫的邊緣到雲端連接，將實現對新型製造資料集的透明存取。分散式控制借助邊緣運算，將控制功能從可編程邏輯控制器遷移至機器本身。感測器融合技術的應用提升了機器的設備綜合效率，並產生豐富的資料集，為人工智慧模型的訓練與部署提供支援。邊緣人工智慧將使自動化機器完全實現自主化。新技術的融合將對未來的數位化工廠帶來深遠影響，在顯著降低能源消耗和材料浪費的同時，還要能提高製造業的生產效率、彈性和可擴展性。對製造商而言，成功的關鍵在於如何與生態系內的其他公司展開合作，因為豐富多樣的經驗和能力，是加速實現未來數位化工廠的關鍵因素之一。
(本文作者Maurice O’Brien為ADI策略行銷總監)
