Please enable JS

MII產業焦點評析 2020.02.07

2020-02-07/產業情報站
MII產業焦點評析 2020.02.07
傳統產業發展智慧製造建議作法
摘要:
        邁向智慧製造主要核心,即是要讓產業在傳統的生產製造的過程中,運用 AI相關技術將產線導入智慧化方案,使廠商能達到大量客製化彈性生產的目標。
AI技術導入是影響傳統產業發展智慧製造的核心之一,故此,本文主要 針對工具機、橡塑膠機、航太、手工具、表面處理與鋼鐵等6項傳統產業,探討透過AI導入發展智慧製造,建議各產業應優先發展的智慧化模組。
一、 前言:
        全球具備高度國際競爭力的工業大國,例如德國、日本、美國等,均具備了精密機械製造技術的基礎及發展智慧化機械設備之能量。因此,能夠支持國內汽機車、航太、運輸、資訊、光電、通訊、國防武器與能源等產業的發展。
        智慧製造已是全球產業發展的大趨勢, 製造產業都需要逐步朝向智慧製造發展,且方向要正確、速度要夠快,才能在國際的競爭上,佔有較佳的競爭位置。
 
二、 傳統產業發展智慧製造的建議作法:
        邁向智慧製造主要核心,即是要讓產業在傳統的生產製造的過程中,運用AI 相關技術將產線導入智慧化方案,使廠商能達到大量客製化彈性生產的目標。一般而言,傳統產業發展智慧製造有3 個階段需進行,第1 階段需打好產業數位化的基礎,導入智慧自動化、製造執行系統(MES)、企業資源規劃(ERP)等系統。第2 階段須建立雲端聯網服務平台,讓企業可以擴大導入與使用。第3 階段需在雲端聯網平台上, 建立應用服務的智慧化模組(AIon SaaS),各智慧化模組可彈性組合,建立智慧製造能量。
        因AI 技術導入是影響傳統產業發展智慧製造的核心之一,此以下針對工具機、橡塑膠機、航太、手工具、表面處理與鋼鐵等6項產業,探討透過AI導入發展智慧製造,建議各產業應優先發展導入發展智慧製造,建議各產業應優先發展的智慧化模組的智慧化模組。
(一) 工具機產業:
        台灣工具機出口面臨嚴峻的國際競爭,例如中美貿易戰影響、大廠廠牌效應、技術落後國家的價格戰等。
 因此須建立工具機應用情境資料庫與分析技術,導入AI服務技術發展智慧製造以提升競爭力可發展智慧化模組如下:
1. 智能調機:根據加工應用情境調整機電參數,以無人服務降低售服成本。
2. 加工助手:學習使用者習慣與反應,加工AI助手協助看顧機台,降低人力需求。
3. 異常診斷:以感測與維護紀錄建立異常診斷智能,自我診斷各元件健康並提供解決手段。
(二) 橡塑膠機產業:
          IEK統計我國橡塑膠機生產製品,以汽機車組件佔過半比例,2018年產值已達新台幣 2,148億元水準。但產業大多仰賴現場人員經驗進行生產排程與參數設定,將難以因應市場快速高質生產之挑戰。未來亟需以產線智機化導入機器人、感測器及機聯網之成果,進階結合人工智慧深度學習等演算法,將製程專家經驗與產業累積數據轉化為可運用之AI應用服務模組,提供產業AI 動態排程與參數建議等智慧製造解決方案。建立以AI 動態排程與參數建議快速回應市場,包括:
1. AI 動態排程:運用產線建模及決策樹技術,透過滾動式需量預測與排程優化演算,依據訂單條件與產線狀態等因子進行決策,動態更新工單排程達成彈性製造。
2. AI 參數建議:將製程數據透過深度學習掌握參數與品質關聯性,可依產品別及品質需求條件演算建議製程參數,減少經驗倚賴、參數試模時程與成本,可快速回應市場訂單產品變化。
(三) 航太產業:
        航太產業在勞動力持續短缺的情形下,須建立彈性自動化生產系統才能面對國際競爭,但目前業界欠缺少量多樣生產的製程規劃與排程系統能力。
藉由AI 服務模組輔助提升良率與產能:
1. 導入AI 智慧排程系統由演算法進行自動排程優化,減少人工排程的工時以及過多的換線時間,並提升機台稼動率與製令達交率。
2. 導入後節省人工排程時間、節省換線時間與提升訂單達交率。
3. 協助業者評估新訂單的風險,分析對應的成本,交期和可能罰鍰,確保接單風險可管控。
 
(四) 手工具產業:
         我國金屬手工具屬於外銷型產業, 出口比例超過八成。生產及製造方式以傳統人力工廠為主,產業朝向專業級手工具產品發展,對產品品質要求更高。因此可進一步發展手工具AI 彈性生產排程系統,
包括:
1. 彈性生產:建立生產履歷,記錄生產流程資訊。依據生產產品自主安排生產流程與製程參數。
2. 品質回饋:累積加工製程參數與不良品關聯大數據庫,線上診斷即時主動修正製程參數。
        透過AI 彈性生產排程生產系統, 可加速同類型不同規格產品彈性生產之機器設備、模夾治具以及生產流程製程規劃, 即時提供少量多樣產品生產服務。
        生產線上主動追蹤造成異常的原因, 預先進行生產流程參數調整, 大幅降低不良品機率。藉由AI自主學習協助業者評估訂單風險, 將有效提升產能,且使產線效率提升。
(五) 表面處理產業:
        根據經濟部統計處資料,我國金屬表面處理產業廠家數約 1,681家,員工數 30人以下佔 80%,其中廠商多屬支援既有產業聚落 (航太電子機械零組件衛浴五金手工具等 ) 並提供產業高值化發展基石。未來應朝彈性生產、品質高質化、低污染等方向發展。因此可以發展表面處理業AI環保生產系統並且逐步推動以下項目 :
1. 製程改善,參數大數據資料庫,以及設備自動化改善,依據處理標的自主安排最佳製程參數,AI系統提供新產品之製程參數即時生產。
2. 汙水處理方面,要建立汙水成分即時監控與建立大數據資料庫。汙水成分與製程參數鏈結關係深度學習。線上即時主動修正製程參數確保符合法規。
        表面處理業透過AI系統深度學習,快速累積符合產品品質與環保法規要求之製程參數,可達到提升表面處理製品品質、製程節電,以及污泥清運減少等綠色環保目標,也有助於突破人力不足瓶頸,提升產業競爭力與產業形象。
 

(六) 鋼鐵產業:
        根據經濟部統計處資料,台灣鋼鐵產業廠家數約 810家 2017年美國 Big River Steel公司投資130億美元打造業界首座人工智慧鋼鐵廠,通過數據化管理(人工智慧技術)實現了高效、高質量、低消耗的生產工藝,鋼廠產業導入AI技術為未來的產業發展趨勢。因此為發展高品質鋼鐵 生產須逐步掌握原料履歷建立金屬料、非金屬料 (造渣、冷卻、增碳劑 )、各種氣體 (氧、氮、氬 )管理機制。監控製程參數建立非金屬夾雜物控制、連鑄坯內部質量控制、高鋁鋼、潔淨鋼製程參數資料庫。並建立鋼料製程即時監測管理與動態補償機制。運算高品質鋼材物料、產能供需平衡,即時產能負荷狀況,產線最佳化自動排程。
1. 導入自動感測量測元件,即時掌握產能負荷以及能源消耗數據,主動改善並建立能耗最佳化生產排程,有效達成節能、減碳,避免工安事故、及提升整體生產效能。
2. 線上量測動態補償,穩定鋼品生產品質。提升能源使用效率,降低能耗。
 
三、 結 論:
          我國的傳統 產業需要持續建立符合終端產業需求的技術應用服務能量,進而以少量多樣、彈性製造、大量客製化生產等優勢搶占全球市場,提升產業競爭力 。因此各產業須逐步藉由生產管理導入數位化、聯網服務平台及產業應用服務模組,擴大導入智慧化生產能量。廠商也可透過智慧製造,翻轉產業代工形象,有效提升生產力、競爭力及薪資水準。*因產業變動快速,本篇研究報導僅供參考。
 
#看見台灣智慧變化
#傳統產業+網際網路