您当前位置：群基首页 >> 专业技术文章 >> 群基火花机|电火花机|放电机
群基火花机|电火花机|放电机
日前金属工业研究中心的同仁对我做了一个专访，主题是工业智慧自动化预定刊登在该中心网站MII大师专访；
很多人都解释说工业智慧自动化就是大量使用机器人，这是个明显错误的观念。如果要从形式上看工业智慧自动化，工业智慧自动化确实应用机器人，但是机器人只是一个必要条件，而非充分条件，例如当某家工厂使用了机器人，并不代表这家工厂已经进入工业智慧自动化；
机器人自动化如果还是在原来生产线上面，只能称为工业3.0；而工业智慧自动化必须要有智能化做为要件，智能化意指机器设备设计可随着不同订单、不同需求让生产线运作。反过来说，如果一个自动化设备必须在生产线暂时下线并重新调整才能够改变工作内容，那就不是工业智慧自动化；
现在的机器人都是较简易、可取代劳工的机器人，基本上不具备智能化，因此，现在不管是移动、安装或者任何固定动作的机器人都不是工业智慧自动化的内涵。真正工业智慧自动化指在一个生产线持续运作的当中，以软体控制改变这些机器设备的动作，在不同的订单跟任务底下，让机器设备动作可变可调整。工业智慧自动化以程式软体或用其他操作设计，自动分配给每一个自动化设备做不一样的工作，这些自动化设备动作内容随之改变，而且不用暂停生产线。这样的智能化以一个球队举例来说，不可能让九个人站在固定的位置然后开始踢球，而是可以随着球的移动，每个人随着球的移动作互动式的改变，而且球赛一直持续没有谁停止脚步，使机器智能化才是工业智慧自动化的真正意涵。
工业智慧自动化涵盖的层面很多，其中一个是刚刚讲说可以用软体来控制不同的工作分配的内容，当然它还有涵盖其他，譬如说供应链连结，不仅一个工厂内，而是工厂跟工厂之间要有能自动的连结。
举例来说订单进来后，最终组装的工厂可以进行数据解析，然后通知上游零组件工厂备料，在供应链上中下游之间的自动调整分配工作内容亦属于工业智慧自动化一环。包括说，日本一直很强调生产自动化的过程里，要做到所谓的「维修最小」，也就是零停机状态，在调整各式各样的生产线时，不需要停机待料。
这种零待料状态，丰田的管理可以做到，也就是众所皆知的 JIT，该生产某产品时，材料可预先准备完毕，整个供应链上可以做到零待料，不会因为一个零件没到，让生产停摆。
可是因为以前的汽车生产相对简单，毕竟汽车零件种类有限，顶多保险杆、车灯等，不是无限多种，那以后工业智慧自动化想做到的零待料状态是说，根据产业客户的不同，解析材料零件需求，可能超过五百万种至一千万种，然后供应链的上游厂商也可以据此数据解析，及时调整生产内容来搭配中下游厂商。
以做鞋子举例，理想的工业智慧自动化状态是能够做出符合每一个人脚的鞋子，所以当客户脚量测出来的资料交给工厂后，工厂根据该客户脚的大小宽度以及各式各样承受环境测试，进而要求在鞋垫的皮还有缝线因应客户需要。所以，鞋垫、皮革、切割、缝纫、颜色涂料等各部门的人，会根据客户的订单去准备，且供应链之间沟通速度非常快，生产几乎是在很短时间内完成，客户便可拿到客制化的产品。
这样的客制化不是只在最终生产线强调工业智慧自动化整合，而是真正能够到上游甚至更上游都可以客制化，也就是说要能够做到最大客制化底下的零待料，比现在的丰田管理所要求的有限型态零件的零待料会更困难。
除了零待料外，理想的工业智慧自动化还希望零停机。零停机的意思就是说，不管在切割不管在冲压、喷漆等任何制程中，生产线上的机械设备可预先侦测估算使用期限，不须等到完全损坏再停机更换设备。
以切削刀具举例，先搜集刀具普遍要磨损到十万次会坏掉这样的数据，到了使用进入九万次的时候，新的刀具就准备好，不必等到旧刀具真的坏了，才去订下一个新刀具。制程中的零组件毁损需要更新的时候，由于掌握数据预先准备新的零组件，不须停下生产线，整体生产力就可以提高，如果24小时没有停机，24小时不用待料，生产力就是进入工业智慧自动化前原有的好几倍。
以上所述也就是大数据概念的应用，将过去毁损状态、过去消耗的配料数目等进行准确的预估，损坏可能性到达设定比例时就通知系统预备新机或新零件。其实对工厂来说，提早备料的成本相对较高，在这种考虑过这种缺货或存货的过程中，完全是由工厂的管理者来决定，管理者掌握数据并决定调整生产策略。
其实工业智慧自动化从来没有宣称人的工作都可以由机器来替代，这并不是工业智慧自动化追逐的目标，说是为了降低人力成本或因应少子化等等。相对的，其实是为了要提高生产力。为什么我们要用机器代替部分的人工，主要是因为那一部份的人工，如果用机器来代替的时候不会发生疲劳，不会出现误差，品质可以维持稳定，不会因为人的疏忽而影响生产。
可是事实上工厂里的工作不能用这么简单的情况来看，工业智慧自动化的时代里，人的管理更加重要。因为人可做判断，人可以做紧急处置，人可以根据这个过去不曾出现的经验来做比较新的决定，甚至有些人为操作比机器更为有弹性和灵敏，老师傅比机器还要精准，所以这些人不可能也不会在工业智慧自动化时代被机器所取代。
所以很多人误解工业智慧自动化是全面机械化是不对的，德国的工业智慧自动化便强调虚实整合系统（Cyber-Physical Systems，CPS），从某个角度来讲 cyber 就是软体跟人，physical 就是机器，所以德国的工业智慧自动化谈的就是人机协作，全部是机械，不会达到工业的最高峰，人机协作才是工业生产力达到高峰的必要条件；。
当然，人机协作中人与机器占的百分比视行业而定。有些行业非常容易用机器取代，所以有所谓的关灯生产，工厂可以不用点灯，因为里面没有人，全部是机器在做。那这种关灯生产确实存在，而且过去没有工业智慧自动化时代就已经存在，举例来讲，Swatch 的手表在十年前就已经做到关灯生产，在设计的时候将零件单纯化，一旦零件生产出来了，组装的时候就不需要人，全部机械化即可，Swatch 在十年前就做到关灯生产，那如果现在我们还认为所谓的关灯生产就是工业智慧自动化，误会就大了。
工业智慧自动化不是一种技术，也不是一套方法，而是一个时代。工业智慧自动化的时代我们要走向智能化，走向人机合作，走向虚拟实体整合，走向零停机零待料，走向大数据分析消费者的需求，要走向最大客制化。
最早的汽车开始是客制化的，直到 1930 年代，福特汽车才把它改成生产线制造，在那之前汽车就像个艺术品般，是一群工匠一起打造的，而且可以根据客户的需求来改变规格。有点像反璞归真，工业智慧自动化的时代我们要回到最大客制化，最大客制化指的就算经济生产规模只有一件，也有人做，譬如说哈雷机车，哈雷机车号称全球销售几十万辆哈雷机车，没有两部是完全一模一样的，是因为它的配件种类非常的多，可让客户去做不同的选择，加上它允许在颜色形状大小粗细等外观按照骑士喜好改变，组合起来几乎没有一台一样的哈雷机车，所以它基本上是做到几乎是客制化，只是说，以前客制化比较贵，以后当工业 4.0 做到最大客制化的时候，生产效率跟现在的大量制造可维持一样，只是改变生产线上智能程度，让生产线能够及时调整，所以和原有生产线可生产一样多的东西，只是生产出来的是客制化产品。
工业智慧自动化的最大客制化要求机器智能化，但是人更要智能，处理一些未知的情况。因此，工业智慧自动化的工作人员应该知识渊博且有操作现场经验，并了解系统软体的操作，现在看到教育两者都教，但是没有教同一个人两者都会的，比如做系统的写软体，但是不会操作也不会检修设备；以后就是两者都需要，所以建议改变教育内容，学生不能只学会车床或冲压的操作，同时又熟悉系统的设定与紧急处置等软性知识，工艺与软性知识两者坦白讲，以现有台湾的技职教育两个都教得不好。
所以台湾要推动工业智慧自动化，不只是企业要努力，教育也要一起努力，应该要请有远见、对工业智慧自动化未来状况有做研究的学者专家订定未来所需相关知识的范畴和培训的方法。我们拥有的技职大军远远超过印度、越南，甚至远远超过中国大陆，所以大家就比速度，这就是美国为什么要搞再工业化，德国要搞工业智慧自动化，他们的目的不是要用机器来取代现在中国大陆或越南的工作，而是重新把工厂线上的工作方法全部改变，改成人机协作，然后提升三倍五倍的生产力。做出来东西的成本就比传统工厂做出来的便宜而且更客制化，单价当然就比较高，所以变得更具有竞争力，让传统只靠劳动力充沛竞争的国家就失去了立足点；这是一个假设，不知道是否如此发生，因为不晓得工业智慧自动化的发展速度有没有那么快，不过至少德国、日本、美国是用这样的思想重新夺回制造业主导权。
有两条路可选，一条路是先布置大量简易型机器人，但我担心七八年后也是种浪费；另一条路前期先投资成本进行更高阶的智能化。我初期建议，其实可以让一个工厂使用简单机器人，另一个工厂拿来进行智能化，做三年以后看看哪一个比较有机会，然后再决定另外一个工厂要怎么盖。当然这不是每一个公司都可以这么做，所以应该由大公司出来号召供应链伙伴一起来做，像 4.0 联盟或是研发联盟就可以进行对照，会比较知道哪一条路是该走的。
另外我不主张什么东西都在本土做，应该跟国际合作。有些技术一开始就没办法从本土做起，第一个就是会拖累进步速度，什么东西都要从地下室开始挖起，建构速度就是慢；而且在别人的架构技术之上去做开发，本身不是错误。台湾就是台湾，GDP 来说，就是不如美国，别人可以做的事情，我们也要从头到尾做起，成功机率很低，所以应该要放开自我设限，尽可能的站在别人的肩膀上才能够去跟巨人竞争，这是很简单的道理。
更不要把发展工业智慧自动化产业与现有产业如何运用工业智慧自动化这两件事情搞混了，台湾若要强调发展培养工业智慧自动化的技术跟设备，一般来讲这是个论述的谬论，因为台湾市场就这么大，要靠台湾市场培养一个产业是不可能的，然后台湾产业想应用工业智慧自动化却因此被延误，我认为过去台湾在电信业、汽车产业等发展上都是犯完完全全一样的论述谬误。
