什麼是工業 4.0?

工業 4.0 是一系列技術改革,旨在建立一個協調框架,並將其引進製造過程中。當然,工業 4.0 的骨幹與產品製造方法有關,這種現象很可能會影響世界每個角落,並影響各類型企業。工業 4.0 的簡單定義是「物聯網、雲端運算、網宇實體系統 (CPS) 和認知運算在製造業和服務業環境中的應用」。製造業的自動化和連線能力現在引入了全新技術,實體到數位(採取實際行動,並將其轉化為數位記錄)和數位到數位(使用人工智慧來分享見解)長久以來都是製造過程的一部分,但是隨著上述推動因素和機器人的引入,製造業現在可以達到全面連網的程度,並可在工廠內和整個供應鍊中靈活地創造更大價值。工業 4.0 的根本重點是從數位到實體的轉變(應用演算法來轉化數位世界的決策,從而影響或改變現實世界)。

工業 4.0 圖解

之所以被歸類為工業 4.0,是因為它發生在第三次工業革命、也就是電腦時代之後,可是比第三次工業革命更加進步,現在的電腦改由數據和機器學習驅動而能自主運行。隨著所有工廠系統引進從數據中學習的技術,工廠將變得更具智慧、提高效率並減少浪費。「工業 4.0」最初是由德國政府於 2013 年提出,是德國高科技策略的一部分,旨在保持和避免喪失與其他國家相比的工業優勢。

工業 4.0 不只是感測和學習,它更提供交互串聯且自動化的全球工作流程,藉此將所有程序自動化,能夠提高品質,並增加機器可用性。它是現實世界和數位世界的結合,能夠促成部門、合作夥伴和人員之間的合作。它是工廠利用自動化、數據虛擬化、無線連接和物聯網感測器,而達到自我修復和自動運行生態系統的進化成果。工業 4.0 透過分析大量生產數據,並應用機器學習和人工智慧。使製造過程比過去更快速、更高效。

自從低成本的感測器出現後,製造商現在可以升級改造舊機器、並利用數據儲存、大數據分析、智慧型裝置和雲端技術,而能即時且細緻地監測各個設備、人員、供應商、加工線和製造廠。當遇上危急情況時,如果欠缺大量數據分析,以致未能及時反應,就難以繼續改良產品。

許多工業專家一致認為,工廠此時只利用了大約 5% 的可用數據來源,而大多數公司收集製程數據,通常僅作記錄之用,而非當作改善營運的基礎。可是,製造商正面臨許多挑戰且需要改變。首先,產品種類繁多,消費者有更多選擇,這使各家生產者難以創造差異化優勢。產品生命週期變短,製造過程因此需要不斷變化和更新。產品進入市場的途徑變得越來越複雜,並需要多方企業共同努力才能成功。此外,如今更難將具有競爭力的產品推出市場。因為現在產品進入市場的速度比以往快很多,所以市場上的選擇比以往多很多,市場競爭也比以往激烈。

另一個趨勢是客戶對高度個人化產品的需求日漸高漲,將大量生產轉為大量客製化。眼鏡和鞋履製造商、以及許多其他製造商,都允許客戶完全客製化他們想要的產品。客戶可以直接在他們的網站上進行選擇,完成客製化設定之後,隨即僅針對該單一商品建立新的生產訂單。

工業 4.0 科技推動者

全新高科技策略的建議原則具有以下主要特色:

互通性:網宇實體系統(在感測器、處理器和通訊技術等硬體中嵌入軟體),讓人類和工廠互相連接和溝通。

虛擬化:將感測器數據與虛擬工廠模型和模擬模型串聯起來,以建立工廠的虛擬副本,這也稱為工廠的數位分身。

去中心化:有賴3D 列印等技術,網宇實體系統可以自行作出決策,然後在當地生產。

即時能力:隨時收集和分析數據,並立即提供衍生見解。

服務導向:透過服務聯網(IoS)提供各項服務,並且可讓其他參與者使用。我們將服務聯網(IoS)當作在企業對消費者(B2C)和企業對企業(B2B)之間交換資料的程式介面(APIs)。

模組化:透過更換或擴充單個模組,工廠即可靈活因應不斷變化的需求。

為了獲致成功,過去建立的孤立資料需要被拆解,並連接多個不同的數據來源,整合底層數據,並避免冗餘資料,如此一來製造商便可將多個部門和業務相互連接起來,並操作整個工廠層級的數據。

資訊科技在製造過程中變得越來越重要,資訊科技過去的職責是支援製造過程,現在則發生了變化。資訊科技不僅支援整個製程,而且在整個製程中擔當主要且廣泛的角色。

工業 4.0 的主要使用案例

預測分析

麥肯錫公司研究證實了這項承諾:「大數據/進階分析方法可以將產量增加 20% 到 25%,停機時間減少多達 45%。」停機的代價十分高昂,並且會降低您整體設備效率的關鍵績效指標( OEE KPI)。從被動轉為主動,將是在激烈競爭中致勝的關鍵。

機器學習

機器學習的進步,增加了精實製造和六標準差實務的採用。而機器學習技術所採用的一種新興演算法,實際上是透過眼前的數據進行學習,並自動為每個數據集建立最佳可用模型。因此,非統計和模擬專業的分析者也可以透過機器學習來解決他們無法處理的複雜問題。這些發展直接提高了產品品質,並減少浪費或產品重做的機率。將數據分析應用於大量生產參數時,有助於了解特定訂單的最佳機器設定,或避免可能真的生產出不良品而造成浪費的機器設定。

互通性和人工智慧

網宇實體系統的成熟,使人類、產品本身和智慧工廠機器之間能夠相互連接和溝通,並即時獲得見解。這不僅是因為人機互動,也因為去中心化的網宇實體系統可以讓機器自行做出決策。汽車業是人機互動的一個很好。高度專業化的工人佩戴著手環,以便追蹤他們的移動軌跡,當工人朝向錯誤方向移動時,它會發出警告,或在組裝時提示所施加的扭力是否足夠。這不僅增加了安全性,還能避免可能導致工作傷害或會隨時間惡化的不良做法。

工業 4.0 原則的關鍵應用領域包括:

  • 製造業的運作
  • OEE 和工廠生產力
  • 預測性維護
  • 即時設備和過程監測
  • 流程最佳化
  • 即時品質監測
  • 產品良率和根本原因分析
  • 可靠性和保固

引入數據分析、機器學習和人工智慧(AI)等功能之後,支持工業 4.0 的工廠通常被定義為智慧工廠,或稱為智慧製造。在智慧工廠中,設備「學習」預測異常,並即時針對事件做出獨立決策來應對。許多製造商已經開始採用智慧工廠的組成元素,像是擴增實境,來幫助維修機器,但真正的智慧工廠是一項更整體的工作。

使用智慧工廠系統時,可以匯總和分析所有的相關數據,然後據此採取行動。在模組結構的智慧工廠中,網宇實體系統會監控實際過程,建立現實世界的虛擬副本,並允許分權決策。而透過物聯網,網宇實體系統可經由服務聯網(IoS),在彼此之間並與人類相互溝通。相連的生態系統包括感測器、設備、人員和過程幾個部分,並提供:

  • 減少停機時間
  • 減少生產過剩和瑕疵品
  • 深層見解
  • 端對端的即時可見度
  • 工廠的數位分身

能夠持續監控所有過程、設備、人員、供應商,並做出自動化預測決策的製造商,將能大幅提高生產力,遠比採用孤立方法的製造商較具競爭優勢。對「智慧」機器的需求只會日益增長,機構需要實施一套涵蓋下列優點的解決方案:運用數據分析來支持營運、進行預測或搶先分析、與多個大數據來源進行大數據整合、即時分析和行動,以及物聯網即時整合。

智慧製造、製造資源(機器、設備、人員和工廠)、以及所有過程的自動化、整合、監控和持續評估,其目標都是為了讓人們以更聰明的方法工作,及時做出明智決策,以更高效率來執行各項作業。

下一步將引入 5G 蜂窩技術,因為連線速度提高和延遲降低,將會有越來越多製造商改用以雲端為中心的技術。減少延遲等同於提供更高的數據容量,讓機器和系統能夠即時快速應變。 5G 網路可確保連線穩定,讓操作員可以在工廠任何地方控制機器,並自信連線不會中斷。5G 的數據速度和可靠度,是第一個能與有線通訊媲美的無線通訊技術。

資訊接收方式從傳統的線性模式轉變成即時分析和人工智慧,可能會改變整個產品製造方法。工業 4.0 不但是以上所有技術的總和,更攸關機構如何利用及整合數據來改善營運和成長。因此,機構必須了解如何善用這些新技術,以保持競爭力。

工業 4.0 和物聯網時代的製造智慧
工業 4.0 和物聯網時代的製造智慧
以合作和即時情境感知,加速創新步伐。

工業 4.0 不只是感測和學習,它更提供交互串聯且自動化的全球工作流程,藉此將所有程序自動化,能夠提高品質,並增加機器可用性。它是現實世界和數位世界的結合,能夠促成部門、合作夥伴和人員之間的合作。它是工廠利用自動化、數據虛擬化、無線連接和物聯網感測器,而達到自我修復和自動運行生態系統的進化成果。工業 4.0 透過分析大量生產數據,並應用機器學習和人工智慧。使製造過程比過去更快速、更高效。

自從低成本的感測器出現後,製造商現在可以升級改造舊機器、並利用數據儲存、大數據分析、智慧型裝置和雲端技術,而能即時且細緻地監測各個設備、人員、供應商、加工線和製造廠。當遇上危急情況時,如果欠缺大量數據分析,以致未能及時反應,就難以繼續改良產品。

許多工業專家一致認為,工廠現時只利用大約 5% 的可用數據來源,而大多數公司只收集製程數據,且通常僅作為記錄之用,而非當作改善營運的基礎。可是,製造商正在面臨許多挑戰,他們需要改變。首先,產品種類繁多,消費者有更多選擇,這使得各家生產者難以顯現差異化優勢。產品生命週期變短,因此製程也需要不斷變化和更新。產品進入市場的途徑變得越來越複雜,並需要多方企業共同努力才能成功。此外,如今更難將具有競爭力的產品推出市場,因為現在產品進入市場的速度比以往快很多,所以市場上的選擇也比以往多很多,使得市場競爭比以往更加激烈。

另一個趨勢是客戶對高度個人化產品的需求日漸高漲,將大量生產轉為大量客製化。眼鏡和鞋履製造商、以及許多其他製造商,都允許客戶完全客製化他們想要的產品。客戶可以直接在他們的網站上進行多種選擇,完成客製化設定之後,隨即僅針對該單一商品建立生產訂單。

工業 4.0 科技推動者

全新高科技策略的建議原則具有以下主要特色:

互通性:網宇實體系統(在感測器、處理器和通訊技術等硬體中嵌入軟體),讓人類和工廠相互連接和溝通。

虛擬化:將感測器數據與虛擬工廠模型和模擬模型串聯起來,以建立工廠的虛擬副本,這也稱為工廠的數位分身。

去中心化:有賴3D 列印等技術,網宇實體系統可以自行作出決策,並在當地生產。

即時能力:隨時收集和分析數據,並立即提供衍生見解。

服務導向:透過服務聯網(IoS)提供服務,並且可讓其他參與者使用這些服務。我們將服務聯網(IoS)當作在企業對消費者(B2C)和企業對企業(B2B)之間交換資料的應用程式介面(API)。

模組化:透過更換或擴充單個模組,工廠即可靈活因應不斷變化的需求。

為了獲致成功,過去建立的孤立資料需要被拆解,並應連接多個不同的數據來源,整合底層數據,並避免冗餘資料,使製造商可以多個部門和業務相互連接起來,操作整個工廠層級的數據。

資訊科技在製造過程中變得越來越重要,資訊科技過去的職責是支援製程,現在則有所不同。資訊科技不僅在整個製程中提供支援,更在整個製程中擔當主要且廣泛的角色。

工業 4.0 的主要使用案例

預測分析

麥肯錫公司研究證實了這項承諾:「大數據/進階分析方法可以增加 20% 到 25%的產量,停機時間減少達 45%之多。」停機的代價十分高昂,並且會降低您整體設備效率的關鍵績效指標(OEE KPI)。從被動轉為主動,將是在激烈競爭中致勝的關鍵。

機器學習

機器學習的進步,增加了精實製造和六標準差實務的採用。而機器學習技術所採用的一種新演算法,實際上是會學習自己所見的數據,並自動為每個數據集建立最佳可用模型。因此,非統計和模擬專業的分析者,也可以透過機器學習來解決他們無法處理的複雜問題。這些發展直接提高了產品品質,並減少浪費或產品重做的機率。將數據分析應用於大量生產參數時,有助於了解特定訂單的最佳機器設定,或避免可能真的會產出不良品而造成浪費的機器設定。

互通性和人工智慧

網宇實體系統的成熟,使人類、產品本身和智慧工廠機器之間能夠相互連接和溝通,並即時獲得見解。這不僅來自於人機互動,而且去中心化的網宇實體系統可以讓機器自行做出決策。汽車業是人機互動的一個很好例子。高度專業化的工人佩戴著手環,以便追蹤他們的移動軌跡,當工人朝向錯誤方向移動時,就會發出警告,或在組裝時提示所施加的扭力是否足夠。這不僅增加了安全性,還避免導致工作傷害,或因長期工作而造成的諸多不良影響。

工業 4.0 原則的關鍵應用領域包括:

  • 製造業的運作
  • OEE 和工廠生產力
  • 預測性維護
  • 即時設備和過程監測
  • 流程最佳化
  • 即時品質監測
  • 產品良率和根本原因分析
  • 可靠性和保固

引入數據分析、機器學習和人工智慧(AI)等功能之後,支持工業 4.0 的工廠通常被定義為智慧工廠,或稱為智慧製造。在智慧工廠內,設備會「學習」預測異常,並即時針對事件做出獨立決策來處理。許多製造商已經開始採用智慧工廠的組成元素,像是擴增實境,來幫助維修機器,但真正的智慧工廠是一項更整體的工作。

使用智慧工廠系統時,可以匯總和分析所有的相關數據,並據此採取行動。在模組結構的智慧工廠中,網宇實體系統會監控實際過程,建立現實世界的虛擬副本,並做出分權決策。而透過物聯網,網宇實體系統則經由服務聯網(IoS),在彼此之間並與人類互相溝通。相連生態系統包括感測器、設備、人員和過程等部分,並提供:

  • 減少停機時間
  • 減少生產過剩和瑕疵品
  • 深層見解
  • 端對端的即時可見度
  • 工廠的數位分身

能夠持續監控過程、設備、人員、供應商,並做出自動化預測決策的製造商,將大幅提高生產力,比採用孤立方法的製造商更具競爭優勢。對「智慧」機器的需求只會日益增長,機構需要實施一套涵蓋下列優點的解決方案:運用數據分析來支持營運、進行預測或搶先分析、與多個大數據來源進行大數據結合、即時分析和行動,以及物聯網即時整合。

智慧製造、製造資源(機器、設備、人員和工廠)、以及所有過程的自動化、整合、監控和持續評估,目標是為了讓人們以更聰明的方式工作,及時做出明智的決策,以更高效率執行各項作業。

下一步將引入 5G 蜂窩技術,因為連線速度提高和延遲降低,將會有越來越多製造商改用以雲端為中心的技術。減少延遲等同於提供更高的數據容量,讓機器和系統能夠即時快速應變。 5G 網路可確保連線穩定,讓操作員可以在工廠任何地方控制機器,並自信連線不會中斷。5G 的數據速度和可靠度,是第一個能與有線通訊媲美的無線通訊技術。

資訊接收方式從傳統的線性模式轉成即時分析和人工智慧,可能會改變整個產品製造方法。工業 4.0 不但是以上所有技術的總和,更攸關機構如何利用及整合資料來改善營運和成長。因此,機構必須了解如何善用這些新技術,以保持競爭力。

控制生產過程!
控制生產過程!
實現智慧工廠的驅動因素、方法、技術和能力。