您當前位置:群基首頁 >> 專業技術文章 >> 群基火花機|電火花機|放電機
群基火花機|電火花機|放電機
日前金屬工業研究中心的同仁對我做了一個專訪,主題是工業智慧自動化預定刊登在該中心網站MII大師專訪;
很多人都解釋說工業智慧自動化就是大量使用機器人,這是個明顯錯誤的觀念。如果要從形式上看工業智慧自動化,工業智慧自動化確實應用機器人,但是機器人只是一個必要條件,而非充分條件,例如當某家工廠使用了機器人,并不代表這家工廠已經進入工業智慧自動化;
機器人自動化如果還是在原來生產線上面,只能稱為工業3.0;而工業智慧自動化必須要有智能化做為要件,智能化意指機器設備設計可隨著不同訂單、不同需求讓生產線運作。反過來說,如果一個自動化設備必須在生產線暫時下線并重新調整才能夠改變工作內容,那就不是工業智慧自動化;
現在的機器人都是較簡易、可取代勞工的機器人,基本上不具備智能化,因此,現在不管是移動、安裝或者任何固定動作的機器人都不是工業智慧自動化的內涵。真正工業智慧自動化指在一個生產線持續運作的當中,以軟體控制改變這些機器設備的動作,在不同的訂單跟任務底下,讓機器設備動作可變可調整。工業智慧自動化以程式軟體或用其他操作設計,自動分配給每一個自動化設備做不一樣的工作,這些自動化設備動作內容隨之改變,而且不用暫停生產線。這樣的智能化以一個球隊舉例來說,不可能讓九個人站在固定的位置然后開始踢球,而是可以隨著球的移動,每個人隨著球的移動作互動式的改變,而且球賽一直持續沒有誰停止腳步,使機器智能化才是工業智慧自動化的真正意涵。
工業智慧自動化涵蓋的層面很多,其中一個是剛剛講說可以用軟體來控制不同的工作分配的內容,當然它還有涵蓋其他,譬如說供應鏈連結,不僅一個工廠內,而是工廠跟工廠之間要有能自動的連結。
舉例來說訂單進來后,最終組裝的工廠可以進行數據解析,然后通知上游零組件工廠備料,在供應鏈上中下游之間的自動調整分配工作內容亦屬于工業智慧自動化一環。包括說,日本一直很強調生產自動化的過程里,要做到所謂的「維修最小」,也就是零停機狀態,在調整各式各樣的生產線時,不需要停機待料。
這種零待料狀態,豐田的管理可以做到,也就是眾所皆知的 JIT,該生產某產品時,材料可預先準備完畢,整個供應鏈上可以做到零待料,不會因為一個零件沒到,讓生產停擺。
可是因為以前的汽車生產相對簡單,畢竟汽車零件種類有限,頂多保險桿、車燈等,不是無限多種,那以后工業智慧自動化想做到的零待料狀態是說,根據產業客戶的不同,解析材料零件需求,可能超過五百萬種至一千萬種,然后供應鏈的上游廠商也可以據此數據解析,及時調整生產內容來搭配中下游廠商。
以做鞋子舉例,理想的工業智慧自動化狀態是能夠做出符合每一個人腳的鞋子,所以當客戶腳量測出來的資料交給工廠后,工廠根據該客戶腳的大小寬度以及各式各樣承受環境測試,進而要求在鞋墊的皮還有縫線因應客戶需要。所以,鞋墊、皮革、切割、縫紉、顏色涂料等各部門的人,會根據客戶的訂單去準備,且供應鏈之間溝通速度非常快,生產幾乎是在很短時間內完成,客戶便可拿到客制化的產品。
這樣的客制化不是只在最終生產線強調工業智慧自動化整合,而是真正能夠到上游甚至更上游都可以客制化,也就是說要能夠做到最大客制化底下的零待料,比現在的豐田管理所要求的有限型態零件的零待料會更困難。
除了零待料外,理想的工業智慧自動化還希望零停機。零停機的意思就是說,不管在切割不管在沖壓、噴漆等任何制程中,生產線上的機械設備可預先偵測估算使用期限,不須等到完全損壞再停機更換設備。
以切削刀具舉例,先搜集刀具普遍要磨損到十萬次會壞掉這樣的數據,到了使用進入九萬次的時候,新的刀具就準備好,不必等到舊刀具真的壞了,才去訂下一個新刀具。制程中的零組件毀損需要更新的時候,由于掌握數據預先準備新的零組件,不須停下生產線,整體生產力就可以提高,如果24小時沒有停機,24小時不用待料,生產力就是進入工業智慧自動化前原有的好幾倍。
以上所述也就是大數據概念的應用,將過去毀損狀態、過去消耗的配料數目等進行準確的預估,損壞可能性到達設定比例時就通知系統預備新機或新零件。其實對工廠來說,提早備料的成本相對較高,在這種考慮過這種缺貨或存貨的過程中,完全是由工廠的管理者來決定,管理者掌握數據并決定調整生產策略。
其實工業智慧自動化從來沒有宣稱人的工作都可以由機器來替代,這并不是工業智慧自動化追逐的目標,說是為了降低人力成本或因應少子化等等。相對的,其實是為了要提高生產力。為什么我們要用機器代替部分的人工,主要是因為那一部份的人工,如果用機器來代替的時候不會發生疲勞,不會出現誤差,品質可以維持穩定,不會因為人的疏忽而影響生產。
可是事實上工廠里的工作不能用這么簡單的情況來看,工業智慧自動化的時代里,人的管理更加重要。因為人可做判斷,人可以做緊急處置,人可以根據這個過去不曾出現的經驗來做比較新的決定,甚至有些人為操作比機器更為有彈性和靈敏,老師傅比機器還要精準,所以這些人不可能也不會在工業智慧自動化時代被機器所取代。
所以很多人誤解工業智慧自動化是全面機械化是不對的,德國的工業智慧自動化便強調虛實整合系統(Cyber-Physical Systems,CPS),從某個角度來講 cyber 就是軟體跟人,physical 就是機器,所以德國的工業智慧自動化談的就是人機協作,全部是機械,不會達到工業的最高峰,人機協作才是工業生產力達到高峰的必要條件;。
當然,人機協作中人與機器占的百分比視行業而定。有些行業非常容易用機器取代,所以有所謂的關燈生產,工廠可以不用點燈,因為里面沒有人,全部是機器在做。那這種關燈生產確實存在,而且過去沒有工業智慧自動化時代就已經存在,舉例來講,Swatch 的手表在十年前就已經做到關燈生產,在設計的時候將零件單純化,一旦零件生產出來了,組裝的時候就不需要人,全部機械化即可,Swatch 在十年前就做到關燈生產,那如果現在我們還認為所謂的關燈生產就是工業智慧自動化,誤會就大了。
工業智慧自動化不是一種技術,也不是一套方法,而是一個時代。工業智慧自動化的時代我們要走向智能化,走向人機合作,走向虛擬實體整合,走向零停機零待料,走向大數據分析消費者的需求,要走向最大客制化。
最早的汽車開始是客制化的,直到 1930 年代,福特汽車才把它改成生產線制造,在那之前汽車就像個藝術品般,是一群工匠一起打造的,而且可以根據客戶的需求來改變規格。有點像反璞歸真,工業智慧自動化的時代我們要回到最大客制化,最大客制化指的就算經濟生產規模只有一件,也有人做,譬如說哈雷機車,哈雷機車號稱全球銷售幾十萬輛哈雷機車,沒有兩部是完全一模一樣的,是因為它的配件種類非常的多,可讓客戶去做不同的選擇,加上它允許在顏色形狀大小粗細等外觀按照騎士喜好改變,組合起來幾乎沒有一臺一樣的哈雷機車,所以它基本上是做到幾乎是客制化,只是說,以前客制化比較貴,以后當工業 4.0 做到最大客制化的時候,生產效率跟現在的大量制造可維持一樣,只是改變生產線上智能程度,讓生產線能夠及時調整,所以和原有生產線可生產一樣多的東西,只是生產出來的是客制化產品。
工業智慧自動化的最大客制化要求機器智能化,但是人更要智能,處理一些未知的情況。因此,工業智慧自動化的工作人員應該知識淵博且有操作現場經驗,并了解系統軟體的操作,現在看到教育兩者都教,但是沒有教同一個人兩者都會的,比如做系統的寫軟體,但是不會操作也不會檢修設備;以后就是兩者都需要,所以建議改變教育內容,學生不能只學會車床或沖壓的操作,同時又熟悉系統的設定與緊急處置等軟性知識,工藝與軟性知識兩者坦白講,以現有臺灣的技職教育兩個都教得不好。
所以臺灣要推動工業智慧自動化,不只是企業要努力,教育也要一起努力,應該要請有遠見、對工業智慧自動化未來狀況有做研究的學者專家訂定未來所需相關知識的范疇和培訓的方法。我們擁有的技職大軍遠遠超過印度、越南,甚至遠遠超過中國大陸,所以大家就比速度,這就是美國為什么要搞再工業化,德國要搞工業智慧自動化,他們的目的不是要用機器來取代現在中國大陸或越南的工作,而是重新把工廠線上的工作方法全部改變,改成人機協作,然后提升三倍五倍的生產力。做出來東西的成本就比傳統工廠做出來的便宜而且更客制化,單價當然就比較高,所以變得更具有競爭力,讓傳統只靠勞動力充沛競爭的國家就失去了立足點;這是一個假設,不知道是否如此發生,因為不曉得工業智慧自動化的發展速度有沒有那么快,不過至少德國、日本、美國是用這樣的思想重新奪回制造業主導權。
有兩條路可選,一條路是先布置大量簡易型機器人,但我擔心七八年后也是種浪費;另一條路前期先投資成本進行更高階的智能化。我初期建議,其實可以讓一個工廠使用簡單機器人,另一個工廠拿來進行智能化,做三年以后看看哪一個比較有機會,然后再決定另外一個工廠要怎么蓋。當然這不是每一個公司都可以這么做,所以應該由大公司出來號召供應鏈伙伴一起來做,像 4.0 聯盟或是研發聯盟就可以進行對照,會比較知道哪一條路是該走的。
另外我不主張什么東西都在本土做,應該跟國際合作。有些技術一開始就沒辦法從本土做起,第一個就是會拖累進步速度,什么東西都要從地下室開始挖起,建構速度就是慢;而且在別人的架構技術之上去做開發,本身不是錯誤。臺灣就是臺灣,GDP 來說,就是不如美國,別人可以做的事情,我們也要從頭到尾做起,成功機率很低,所以應該要放開自我設限,盡可能的站在別人的肩膀上才能夠去跟巨人競爭,這是很簡單的道理。
更不要把發展工業智慧自動化產業與現有產業如何運用工業智慧自動化這兩件事情搞混了,臺灣若要強調發展培養工業智慧自動化的技術跟設備,一般來講這是個論述的謬論,因為臺灣市場就這么大,要靠臺灣市場培養一個產業是不可能的,然后臺灣產業想應用工業智慧自動化卻因此被延誤,我認為過去臺灣在電信業、汽車產業等發展上都是犯完完全全一樣的論述謬誤。