工業 4.0 核心技術

橋樑，讓產業製造生產高度智慧化，成為全球製造主流(SEMI，2020)。

工業革命的發展歷程，主要係以動力或關鍵技術對工業生產有巨大深遠影響為區隔，簡

虛實整合系統(CPS)功能有 5C 架構，由下而上分別：I.智慧連接層(Smart Connection Level) 是設施硬體連結；II.數據資料轉換層(Data-to-Information Conversion Level)應用於多維度數據

6

修正、效能預測及智慧分析; III.網路層(Cyber Level)用於機械元件之雙模組及資料探勘相似群 等; IV.認知層用於整合模擬、遠端視覺化、自我診斷與決策; V.結構層(Configuration Level)用 於干擾時自我最佳化、變化時自我調整，5C 架構圖如圖 2-1。

圖 2-1 5C Architecture of CPS

資料來源： Lee, Vogel-Heuser, & Leitao, 2015

虛實整合系統(CPS)是具有感測、計算、控制、並有網路傳輸通訊功能，能與外界連結通 訊 且 可 利 用 網 路 之 資 料 存 取 及 處 理 ( 黃 士 嘉 等 ， 2016) ， 類 似 製 程 之 比 例 積 分 微 分 (Proportional-Integral-Derivative ,PID)控制模組崁入智慧化功能。簡單來說，現場儀表感知流 體之溫度將信號傳送到控制器做 PID 運算後，傳送輸出信號去控制溫度閥門之開度，藉以控 制流體想要控制溫度，這個智慧模組可收集現場所有之相關資訊及數據，如設計時間內之溫 度、PID 值、閥開度值、閥移動區間範圍及開關頻率等資料，經由高速網路傳輸到控制系統，

並連結到大數據(BD)分析進行人工智慧(AI)機器學習模擬，預測出關鍵資料回饋工廠端最佳 控制及預期保養追蹤，同時傳送相關資料到企業資源規劃(ERP)系統分析並供經營管理決策參 考依據。虛實整合系統(CPS)是工業 4.0 所需具備之重要基礎系統，若無此系統則無法達到工 業 4.0 智慧工廠架構及功能。

7

二、 物聯網

物聯網(IoT)係指將眾多崁入不同功能需求感測器之實體裝置或元件，透過物物相連之網 際網路的應用程式開發介面((Application Program Interface, API)，將彼此偵測到的資訊及數據 相互傳送，達到物與物、物與人、人與人等建立相互溝通與控制的環境(SAP, 2020)。

物聯網(IoT)層級架構分為感知層、網路層及應用層。感知層即是感知資料讀取，包括 RFID、感測器、IP camera 等，透過感測器節點及閘道將數據傳輸到網路層如 internet。網路 層即是各種通訊技術如 3G/4G、Wifi、Zigbee、Bluetooth 等，將感知層獲得數據經由雲端計 算平台處理後傳輸到應用層。應用層即是各種應用領域如智慧遠端醫療、智慧保全、智慧交 通、物流管控、智能居家、汙染管控及智能電網等(李連生、翁仲銘、彭永新，2012)。

圖 2-2 物聯網架構圖

資料來源： https://pure374.wixsite.com/mysite/blank-14

物聯網(IoT)的具體實現，為工業 4.0 技術之智慧網路及感測資訊及數據傳輸供智慧工廠 之基礎運用，可使工廠各生產設備獨立自主，相互溝通協調以達到生產線自由自主彈性調配 生產流程，因應客戶少量多變需求。

三、 大數據及人工智慧

隨著網際網路及行動通訊技術發展，無時無刻產生巨量資料或大數據(BD)，因此資料探 勘相關研究於資料密集應用技術(Han, Pei, & Yin, 2000)，以獲取大數據演算技術，是未來五年 重要技術發展趨勢(Savitz, 2012)。大數據的定義以 5V 模型說明，即是資料量(Volume)、資料

8

產生速度(Velocity)、資料準確性(Veracity)、資料價值(Value)及資料多樣性(Laney, 2001)。大數 據會隨著企業尋求更多更好的方式，來利用現有數據並收集新的數據類型以做出關鍵決策，

解決以前無法解決的問題(Villanova University, 2020)。

因應物聯網(IoT)快速發展生產數據龐大，工業數據之收集及儲存架構分為三層架構，由 下而上，以數十億個設施(Device)之邊緣計算，將所有產生數據連線到數以百萬個節點(Node) 霧計算，繼而傳輸到數千個資料中心(Data center)進行雲端計算(洪哲倫，2018)，架構如圖 2-3。

圖 2-3 大數據計算架構 資料來源：洪哲倫，2018

經由萬物相連的物聯網(IoT)產生的巨量資訊及數據統稱為巨量資料或大數據(BD)，若以 目前電腦處理、運算及分析技術，將會大幅耗工耗時無法及時對智慧工廠產生應有效益。目 前大數據(BD)分析系統，可以有效透過資料結構化進行巨量資料管理(含前處理、擷取、儲存) 及探勘與分析，再依照需求運用，如工業 4.0 智慧工廠、商業機器人理財、供應鏈管理(Supply Chain Management, SCM)、顧客關係管理(Customer Relationship Management, CRM)等，達到 預測趨勢及最佳控制數據等目的。大數據(BD)的限制需透過高速網路傳輸方可實現，目前推 動之 5G 技術剛好可以與其匹配，更可提升大數據(BD)分析之功能效用。

大數據(BD)在工業界應用上，透過物聯網(IoT)持續產生相關類別數據，將各種數據分 類、整理、分析，可優化生產之效率、產品良率、隨時因應客戶需求及市場變化，及時管理 庫存及預測原物料需求，供生產決策最佳生產流程，以有效降低生產成本增加獲利。因此，

積極運用大數據(BD)可大大提升企業之營運績效及競爭力(劉益宏、柯開維、郭忠義、王正豪、

9

林顯易、陳凱瀛、蕭俊祥、汪家昌，2019)。

人工智慧(AI)係指由人工組建之智慧電腦機器，包含所有不同領域科學如數理、心理、

工程、計算、演算、神經、認知、邏輯、統計機率、神經網路等關鍵智能，能夠自我組織、

深度學習、分析、判斷、預測與解決問題的能力。人工智慧可成功解決人類複雜的問題如智 慧機器人、智慧診斷與維護、智慧排程、資料分析、圖形辨識、人臉辨識、指紋辨識、專家 系統、影像分析、智慧供應鏈管理(intelligence Supply Chain Management, iSCM)、智慧顧客關 係管理(intelligence Customer Relationship Management, iCRM)等。在工業 4.0 的智慧時代下，

人工智慧是建置智慧工廠實現智慧製造的關鍵核心技術。

人工智慧 AI 應用涵蓋，電腦視覺由圖像或 3D 數據中獲取有用資訊，模仿人類專家系統 決策解決問題，自然語言處理將人類命令轉換為電腦可執行之語言系統，進行常識推理邏輯 判斷，人工智慧語言及工具，啟發搜尋建立知識及模型等，達到前述人工智慧需求功能，其 應用核心架構如圖 2-4。

圖 2-4 人工智慧應用核心架構 資料來源：Money DJ 理財網，2020

10

四、 雲端運算

雲端運算(Cloud Computing, CC)統稱為各式電腦、主機、伺服器、行動裝置等將運算資 料利用高速網路相互無遠弗屆的溝通、合作與服務。

雲端運算主要涵蓋三大服務模式簡述如下：

 基礎設施即服務(Infrastructure as a Service, IaaS)

此為雲端運算(CC)最底層之服務，提供硬體資源供客戶在網際網路上虛擬使用，客戶 無須購置相關雲端之硬體設施，如視訊會議與移動裝置視訊通話等之運用。

 平台即服務(Platform as a Service, PaaS)

使用者可以在 PaaS 平台開發應用程式，由 PaaS 代管作業系統、運算、伺服器、網 路等基礎架構，類似企業中資訊管理單位之應用程式開發與管理者。PaaS 可提供企 業彈性運用平台資源，降低成本並可確保運用程式之最佳運行及可靠度，優化企業 經營環境。

 軟體即服務(Software as a Service, SaaS)

雲端運算(CC)是客戶可依照自己需求的方式取得需要的資源，不必投入大規模資金 建置，可以使企業獲取所需之大型電腦主機或伺服器之強大運算及分析能力，對提 升企業經營能力及競爭力有很大助益。全球提供雲端運算(CC)服務的知名廠商如 IBM、Google、Microsoft、AT&T、Apache、EMC、CISCO、Amozon 等公司，台灣 如中華電信、台哥大、遠傳等公司 (劉益宏等，2019) 。

雲端運算(CC)系統架構由底部基礎層包含電腦、資料儲存設施、網路介面等；平台 層提供資料庫、物件儲存、身分認證、運算執行期、等候等平台作業; 應用層提供使 用端需求之監測、合作、財務等運算服務，雲端運算(CC)系統架構如圖 2-5。

11

圖 2-5 雲端運算架構圖 資料來源：維基百科，2020

雲端運算(CC)是企業隨時隨地依需求經由網路取得資源，提供企業低成本、快速、多元 的服務介面，並能與其他企業如供應商或客戶間互相交換資訊協同合作，創造更多需求服務 機會，也是促進企業智慧化的重要憑藉。

五、 製造執行系統

製造執行系統(Manufacturing Execution System, MES)是工廠生產自動化核心，MES 依據 市場變化及客戶需求快速決定生產何種產品、生產多少產量、何種生產流程以達到高品質、

高效率、高彈性、客製化、速度快、交期短的目標，創造生產最大產值。製造執行系統(MES) 生產模式包含物料流動、生產流程、控制監視、生產規劃、品質管控、工單追蹤、人機安排 等系統以達成自動化生產之整合。

製造執行系統(MES)各項核心功能彼此相互密切關聯，以規劃系統介面為中心與各項核 心功能連結溝通，將各核心需求及被要求之資訊透過規劃系統介面傳遞，其主要核心功能及 圖 2-6 如下。

 工單管理(Work Order)：將來自客戶訂單轉為生產之工單，並將所需之生產機器及人 力需求輸入 MES 系統，以便 MES 安排生產排程及生產資源，生產過程中可隨時依

12

客戶或現場條件變更生產計畫及條件以因應變化隨時調整。

 工作站管理(Workstation Management)：機台生產規劃、流程、生產數量、生產條件 由此系統管理，並回應料單需求。

 庫存管理(Inventory Management)：生產所需之物料及存貨之管理系統，以便 MES 進 行生產計畫或排程，因應物料及存貨之變化。

 物料搬運管理(Material Movement Management)：依據 MES 生產計劃對物料及庫存之 搬運移動存放管理，以配合進出貨及生產需求。

 資料蒐集 (Data Collection Management)：經由感測器、掃描器、辨識系統、人工輸 入等取得現場及及生產製造所需之相關資料蒐集，作為 MES 規劃及執行之判斷依據。

 例外管理(Exception Management)：突然變化影響生產規劃之意外事件，由 MES 調整 因應，以達到最佳生產模式，符合變化需求(劉益宏等，2019)。

圖 2-6 MES 核心功能 資料來源：劉益宏等，2019

製造執行系統(MES)除前述主要核心功能外，尚有相關輔助功能如下說明及圖示。

 維修管理(Maintenance Management)： 維修管理可進行設備、工單、預防保養、統計 預測保養、存貨、採購、人力及分析等模組之追蹤與維修排程管理。

13

 工時管理(Time and Attendance)：蒐集及管理人員之工作及加班，連結人資之出勤薪 資系統。

 統計製程控制(Statistical Process Control)：透過生產程序中的連續監控以確保生產過 程品質。

 品質保證(Quality Assurance)：產品品質保證系統，降低產品不良率。

 績效分析(Performance Analysis)：蒐集製程及設備相關資料，以分析生產績效，作為 MES 調整產線及排程依據。

 文件管理(Documentation Management)：生產過程所蒐集及分析之相關文件，需做有 效管理，以為生產及操作參考，提升營運績效。

 系統化管理(Genealogy)：MES 對各系統及功能做完整系統化管理，提高 MES 系統 運作效能。

 系統化管理(Genealogy)：MES 對各系統及功能做完整系統化管理，提高 MES 系統 運作效能。