應用圖形識別於大量客製化生產流程之研究-以工業電腦業者G公司為例

國

立

交

通

大

學

管理學院碩士在職專班管理科學組

碩

士

論

文

應用圖形識別於大量客製化生產流程之研究-以工業

電腦業者

G 公司為例

A Study of Applying Pattern Recognition into Mass Customization

Manufacturing Process- A Case of an Industrial PC Company

研 究 生：游世豪

指導教授：林君信 教授

應用圖形識別於大量客製化生產流程之研究-以工業電腦業

者

G 公司為例

A Study of Applying Pattern Recognition into Mass Customization

Manufacturing Process- A Case of an Industrial PC Company

研 究 生：游世豪 Student：Shih-Hao Yu 指導教授：林君信 Advisor：Chiun-Sin Lin 國 立 交 通 大 學 管理學院碩士在職專班管理科學組 碩 士 論 文 A Thesis

Submitted to Department of Management Science College of Management

National Chiao Tung University in Partial Fulfillment of the Requirements

for the Degree of Master

in

Management Science June 2010

Hsinchu, Taiwan, Republic of China

應用圖形識別於大量客製化製造流程之研究-以工業

電腦業者

G 公司為例

學生：游世豪 指導教授：林君信 國立交通大學管理學院碩士在職專班管理科學組

摘要

由於消費者意識的抬頭，以及數位網路帶來的各種商機，導致生產模式的改 變，使得「大量客製化」這個新名詞最近廣受全球產業矚目，它是以顧客為導向 的生產模式；要成功的達成大量客製化，需要選擇適當的供應鏈策略，同時搭配 其它相關的輔助工具，如模組化設計、產線自動化管理等。 本論文提出以形態學為基礎的方法來定位條碼標籤，條碼標籤辨識系統由三 部分構成，首先，利用形態學基礎的方法來抽取具高對比特徵的標籤；接著，如 果標籤被切割幾個部分，再利用校正演算法予以校正；最後將字元切割並使用樣 板比對與結構分析法來辨識字元。 本論文由工業型電腦生產製造管理開始了解，由於其少量多樣化的特性，在 生產流程的控管極為重要。本研究藉由圖形識別技術來建構一個生產流程系統， 利用原本的條碼標籤，提出圖形識別系統的設置與運作概念架構，及其導入模 式，並加上中介層和應用層的資訊系統架構，使得每項生產中的元件或半成品均 可以成為資訊系統可以追蹤控管的物件，以增加自動化生產的效率。 關鍵字：圖形辨識、客製化生產、工業電腦

A Study of

Applying Pattern Recognition into Mass

Customization Manufacturing Process- A Case of an

Industrial PC Company

Student : Shih-Hao Yu Advisor : Dr. Chiun-Sin Lin Institute of Management Science

National Chiao Tung University

Abstract

Since the rise of consumer awareness, and digital network society for a variety of opportunities, lead to the production patterns change, making the new term "mass customization" got global industry attention. It is a customer-oriented production model. In order to successfully achieve mass customization, it needs to select the appropriate supply chain strategy, and with other relevant instruments, such as modular design, production line automation and management.

This thesis presents a morphology-based method for extracting barcode labels from cluttered images. The recognition system consists of three major components. At the first, a morphology-based method is proposed to extract important contrast features as guides to search the desired barcode labels. A recovery algorithm is then applied for reconstructing a barcode label if the label is fragmented into several parts. The last step of the proposed method performs character division and use template matching and structural analysis method to recognize the alphanumeric codes.

This thesis by the industry-based computer manufacturing management began to understand, because of its small amount of diversity, production process control is extremely important. This research apply pattern recognition technology to construct a production workflow system, using the original bar code label, propose pattern recognition system setup and operation concept of architecture, its implementation model, and with middleware and application layer information system architecture. In order to increase the efficiency of automated production, it makes each component or semi-finished products in the production can be controlled and tracked by information systems.

誌謝

本論文得以順利付梓，首先學生由衷地感謝我的恩師林君信教授的費心指 導，在論文寫作期間，不斷地給予建議與方向，也不時給我打氣與鼓勵，使得論 文得以順利完成。其次要感謝口試委員姜齊、陳台霖及張巧真教授於百忙中撥冗 費心審閱，並提供許多精闢的見解，使學生受惠良多。 兩年在管科所的生活，感謝老師們的指導，使我學習到管理方面豐富的知 識，也感謝這兩年來一起學習的同學們，修課時的點點滴滴，都是非常美好的回 憶，兩年的求學時光因你們而增色不少，尤其是與俊毓、春盛等同學一起打拼、 鼓勵的珍貴回憶，由衷地感謝這裡美好的一切。 最後，感謝我的父母多年來的栽培養育之恩與無怨無悔的付出。另外，也是 最重要地，感謝老婆凱茹的大力支持，替我大大的分擔家務，和照顧小孩，使我 無後顧之憂，可以專心致力於論文上。 游世豪 謹誌 中華民國九十九年六月

目錄

摘要 ... I  ABSTRACT ... II  誌謝 ... III  目錄 ... IV  圖目錄 ... VII  表目錄 ... IX  一、緒論 ... 1  1.1  研究背景與動機 ... 1  1.2  研究目的 ... 2  1.3  研究方法 ... 3  1.4  研究流程 ... 4  二、文獻探討 ... 6  2.1 條碼 ... 6  2.1.1 識別碼為何產生... 6  2.1.2 何謂條碼... 6  2.1.3 條碼的歷史... 6  2.1.4 條碼的種類與標準... 7  2.2 圖形識別的相關論文 ... 10  2.2.1 形態學... 10  2.2.2 字元辨識... 11  2.3 RFID ... 13  2.3.1 RFID 歷史演進 ... 13  2.3.2 RFID 的組成元件 ... 13  2.3.3 RFID 運作原理 ... 14  2.3.4 RFID 的文獻探討 ... 15  三、辨識系統 ... 17  3.1 系統預覽 ... 17  3.2 字元辨視系統架構 ... 18 

3.3.1 前處理... 20  3.3.2 形態學運算... 20  3.3.3 編號演算法... 24  3.4 字元切割 ... 27  3.4.1 候選區域抽取... 27  3.4.2 字元集合候選區域校正... 28  3.4.3 字元集合區塊傾斜矯正... 32  3.5 字元辨識 ... 33  四、個案分析探討與系統架構 ... 35  4.1 工業電腦 ... 35  4.1.1 工業電腦定義... 35  4.1.2 工業電腦的產品分類... 35  4.1.3 工業電腦的主要特性... 36  4.1.4 工業電腦與個人電腦的比較... 37  4.2 個案公司簡介 ... 39  4.2.1 大事記... 39  4.2.2 個案公司之事業群... 39  4.2.3 三次轉型... 40  4.2.4 垂直整合策略... 40  4.3 個案公司現況與軍工規筆記型電腦 ... 43  4.3.1 營收... 43  4.3.2 軍工規筆記型電腦... 44  4.4 營運模式 ... 47  4.4.1 價值訴求... 47  4.4.2 核心能力... 48  4.4.3 價值配置... 49  4.4.4 通路... 49  4.5 實境情況分析 ... 51  4.5.1 板廠流程... 52  4.5.2 系統廠流程... 54  4.6 問題分析 ... 57 

4.8 系統設計 ... 60  4.8.1 產線辨識系統基礎架構... 60  4.9 系統架構 ... 66  4.9.1 板廠系統架構... 66  4.9.3 系統組裝廠架構... 67  4.10  資訊系統設計 ... 70  4.10.1 識別系統的資料結構... 70  4.10.2 中介層與事件處理... 72  4.10.3 應用層與 Shop Floor 系統 ... 73  五、效益分析與比較... 75  5.1 效益分析 ... 75  5.2 現行系統與結合圖形識別系統之比較 ... 77  5.3 與RFID 系統比較 ... 79  六、結論與建議 ... 81  6.1 研究結論 ... 81  6.2 後續研究建議 ... 83  參考文獻 ... 84  中文部分 ... 84  英文部分 ... 84  網路部分 ... 85 

圖目錄

圖1.1 論文流程 ... 5  圖2.1 最早的條碼 ... 7  圖2.2 各種SYMBOLOGY的條碼 ... 9  圖2.3 形態學運算：(A)侵蝕運算與(B)擴張運算 ... 10  圖2.4 形態學運算：(A)斷開運算與(B)閉合運算 ... 11  圖2.5 RFID 組成元件 ... 13  圖2.6 RFID 工作原理：電磁感應式 ... 14  圖2.7 RFID 工作原理：微波式 ... 15 

圖3.1 THE BLOCK STRUCTURE OF SYSTEM ... 17 

圖3.2 辨識系統流程圖 ... 19  圖3.3 形態學運算後之結果 ... 23  圖3.4 區塊鑑定的遮罩：(A)4 連接結構(B)8 連接結構(C)標號衝突 ... 25  圖3.5 4 連接的區塊鑑定：(A)輸入影像(B)第一次掃完結果(C)輸出結果 ... 26  圖3.6 阿拉伯數字與英文字母樣板 ... 33  圖3.7 相似字元的特徵差異 ... 34  圖4.1 個案公司發展大事記 ... 39  圖4.2 2009 年 8 月個案公司各部門營收百分比 ... 43  圖4.3 軍工規筆記型電腦─各公司市占率 ... 46  圖4.4 個案公司營運模式-軍工規產品 ... 47  圖4.5 個案公司八大產品線 ... 48  圖4.6 價值配置 ... 49  圖4.7 通路 ... 50  圖4.8 工業電腦生產簡化示意圖 ... 51  圖4.9 板廠的製造流程 ... 53  圖4.10 系統廠製造流程 ... 55  圖4.11 企業資訊系統架構 ... 60  圖4.12 圖形識別系統架構 ... 61 

圖4.14 條碼標籤實體(範例二) ... 62  圖4.15 攝影機/照像機實體(範例一) ... 62  圖4.16 攝影機/照像機實體(範例二) ... 63  圖4.17 產線辨識系統 ... 64  圖4.18 製造生產運作示意圖 ... 65  圖4.19 板廠辨識系統佈局示意圖 ... 67  圖4.20 系統廠辨識系統佈局示意圖 ... 69  圖4.21 物件標籤的資料結構 ... 71  圖4.22 產線控制系統單元 ... 73 

表目錄

表2.1 工業標準與條碼種類 ... 8  表3.1 利用圖3.5(B)所建立的等價對表 ... 26  表4.1 工業電腦與個人電腦之比較 ... 38  表4.2 個案公司垂直整合策略與期望為公司所提供之效益 ... 41  表4.3 軍工規筆記型電腦─產品特性 ... 44  表4.4 軍工規筆記型電腦─服務領域 ... 45  表4.5 軍工規筆記型電腦─產業特性 ... 46  表4.6 產品配置選項 ... 59  表4.7 人工管理與圖形識別系統管理之比較表 ... 78  表4.8 人工管理、圖形識別系統與RFID 系統之比較表 ... 79 

一、緒論

1.1 研究背景與動機

對於製造業，如何掌握生產進度，以迅速的調度，達到有效的生產流程管理， 一直是製造業不斷尋求的解答。雖然科技日趨進步，但是由於全球化的結果，製 造業發掘更多潛在的商機，卻也面臨更嚴峻的競爭環境，要如何從強敵環伺的叢 林中勝出，研發、製造、銷售就必須要環環相扣，而當中的製造更是最重要的一 環。

在生產製造上，現行的生產執行系統(Manufacturing Execution System, MES) 都已經使用條碼(barcode)來執行物料的控管、來加快產線的處理時效、但是都還 是使用讀碼器人工輸入。雖然現行環境有不少的製造商或倉儲管理使用RFID 來 辨識、追蹤商品，但由於建置成本高、沒有統一的規格、需要上下游廠商配合、 隱私權問題等， RFID 的普及性並不如預期中多。 條碼的歷史最遠可以回溯到1949 年，也就是喬．伍德德(Joe Woodland)與伯 尼．西爾沃提出條碼的專利。而商品條碼的出現，是為了整體商業的自動化，在 條碼得統一化、單一化與標準化系統中，可以降低資源的重複浪費，並加以提昇 效率。條碼標籤無論在製造生產工廠、零售、批發、倉儲等各行各業，均已經運 作多年，其應用可使資料輸入快速、簡單且正確。 拜當今科技發達所賜，電腦的處理速度一日千里，因此以往需耗費大量電腦 資源的影像處理，在處理器效能大幅增加的情況下，應用面也愈來愈多元化。因 此本篇論文思考如何在現行條碼標籤的架構下，利用圖形識別技術自動辨識標 籤，來達到生產流程自動化，並應用於具備大量客製化特性的工業電腦製造商G 公司。

1.2 研究目的

本研究希望將圖形識別技術應用到具備大量客製化特性的軍工規筆記型電 腦的生產流程，結合原本條碼標籤，達成下列目的： 1. 提出一個可將現行條碼標籤的圖像，透過圖形識別系統，經過定位、雜 訊濾除、字元候選區域、字元切割、字元辨識等步驟，將商品識別碼截 取出來。 2. 探討工業型電腦的產業特性，並分析 G 公司的現況。 3. 依據圖形識別技術的特性，設計圖形識別技術在具大量客製化屬性的 G 公司生產流程之應用方式。 4. 藉由圖形識別系統在生產流程的實行，改善生產製造流程的效率。

1.3 研究方法

本研究的核心在於瞭解工業電腦的大量客製化的生產流程特性，設計以 圖形識別為基礎之生產流程應用方式，再加以探討實行圖形識別技術為生產 製造流程所帶來的影響，在此採用的研究方法包含文獻回顧法與雛形法： 1. 文獻回顧法 本研究將文獻回顧分成條碼、圖形識別與RFID，首先蒐集條碼的由來、 定義、歷史與種類；再來針對本研究辨識系統所使用形態學(Morphology) 與字元辨識加以介紹並整理國內外相關的文獻；最後由於當前有許多其 他研究使用RFID 來加強物件的控管，也是本研究的借鏡，故加以介紹 RFID 的歷史、組成、運作原理與文獻探討。 2. 雛形法 本論文主要採用雛形法(Prototyping)，其中系統分析與系統設計過程採 用雛形法，藉由深入訪談及了解使用者之作業流程後，根據實際需求分 析與設計系統雛形。首先針對處於工業電腦產業的個案 G 公司進行深 入的剖析，瞭解其少量多樣等產業特性，接著藉由與生產管理部的資深 員工與主管訪談，而對於生產製造作業流程作全盤通透的了解，進而發 掘問題並進一步做需求分析，以此來設計以圖形識別為核心的系統雛 形。

1.4 研究流程

本研究之流程如圖1. 1，茲說明如下： 1. 界定研究主題：確定探討圖形識別於大量客製化生產的應用，並依圖形 識別的特性分析如何於生產製造中應用，與其對生產流程及資訊系統之 影響。 2. 文獻探討：蒐集了解國外內條碼、圖形識別與 RFID 之相關文獻與應用 資料。 3. 辨識系統：提出一個可以辨識出條碼標籤的系統，從圖像輸入、特徵抽 取、侯選區域抽取、字元傾斜矯正到字元辨識。 4. 個案分析探討與系統架構：介紹工業電腦產業和個案公司背景，並將研 究辨識系統與工業電腦生產流程結合。 5. 效益分析與比較：針對應用圖形識別技術於具大量客製化生產特性的個 案公司後，其效益分析與比較結果。 6. 結論與建議：依研究的結果進行總結，並提出後續研究之建議。

二、文獻探討

本章依據前述之研究背景與目的來針對相關背景作介紹，並蒐集相關文獻， 分為條碼、圖形識別和RFID 三個小節。

2.1 條碼

條碼又稱識別碼，也就是將不同物品的種類編碼，而辨識出物品的次訊，本 節介紹條碼的由來、構成、歷史與種類。 2.1.1 識別碼為何產生 從工業化的來臨，在大量生產銷售模式下，產品的多樣化與繁瑣，從前端的 製造生產，與後端的物流、配銷量販與維修服務，產品的相關資訊如何快速且有 效的取得，成為一個基本的要求。 為了與上下游廠商之間可以分享資訊，統一的識別碼是必然的結果，廠商可 以在識別碼中儲存物品的相關資訊，加上條碼讀取器，可大大降低原本人工讀取 數字碼的錯誤。 2.1.2 何謂條碼 基於一定的編碼規則，將一連串長度固定，粗細寬度不等的平行黑白線條編 排起來，用以表達一組資訊的圖形單元，即為條碼(陳昱仁，廖耕億，許建隆， 林仲志，2009)。一般的條碼是由光學上反射率差很大的黑條（簡稱條）和白條 （簡稱空）所交互排成的平行線圖案，目的是為了使用讀取裝置掃描條碼，輸入 電腦，以簡少人力的花費，降低錯誤的發生，並加快流程的進行。而條碼一般使 用在「商品條碼」，也就是用來做商品的身份證，將商品所代表的號碼文字，改 以條碼來代替，以便讓掃描器閱讀，經過電腦的解碼運算，將此條碼轉換為「數 字號碼」，其主要的目的，是作為商品從研發、生產、銷售到維修，這一串過程 的統一中介符號。 2.1.3 條碼的歷史 條碼最早是由美國開始研究。而關於條碼最早的專利是由喬．伍德德(Joe Woodland)與伯尼．西爾沃(Bernard Silver)於 1949 年所提出，在 1952 年得到美國 專利證號2,612,994。 當時的條碼就已經具備現在條碼的雛形，利用“條”和“空”，並為了不管條碼

的工業標準－北美地區零售業的UPC(Universal Product Code)，才開始大規模的 應用。 圖2. 1 最早的條碼 2.1.4 條碼的種類與標準 條碼的種類又稱Symbology，當條碼的使用逐漸普及，而跨行業間又有互相 統一的標準，可降低在不同行業間必須轉換或無法讀取的問題，最後出現了「工 業標準」(Industrial Standard)，如表 2. 1，如果你是處於特定的行業而應該符合工 業標準時，你就必需遵守。不同種類有不同的編碼原則，而且可以編寫的內容也 不盡相同，圖2. 2 列出數種不同種類條碼的圖例。

表 2. 1 工業標準與條碼種類

工業標準 用途 條碼種類

UPC-A or UPC-E 北美地區零售 UPC/EAN EAN-8 or EAN-13 全球零售 UPC/EAN ISBN,ISSN & Booklan 書籍與雜誌 EAN-13 with

UPC/EAN UCC-128, EAN-128 or SSCC-18 運輸用紙箱 Code 128 SCC-14 運輸用紙箱 Interleaved 2 of 5 or Code 128 EAN-14 運輸用紙箱 Code 128 SSCC-18 運輸用紙箱與棧板 Code 128 SISAC 期刊用的序號 Code 128

SICI Code 期刊用的序號 POSTNET

POSTNET 美國郵政所用的地址

編碼與掛號信地址編 碼

Interleaved 2 of 5 or Code 128

USPS special Services 支票 MICR E-13B or CMC-7

LOGMARS 美國國防部標準 Code 39 資料來源：鄭同伯, 2004

2.2 圖形識別的相關論文

由於此篇論文使用形態學 (Morphology)的運算來定位標籤所在的位置，再 將侯選區域內的字元就辨識，故此節針對形態學與字元辨識作探討。 2.2.1 形態學 引用維基百科的定義，數學形態學(Mathematical morphology)是一門建立在 格論和拓撲學基礎之上的圖像分析學科，是數學形態學圖像處理的基本理論。其 基本的運算包括：二值侵蝕和擴張、二值斷開和閉合運算、骨架抽取、極限腐蝕、 擊中擊不中變換、形態學梯度、Top-hat 變換、顆粒分析、流域變換、灰值腐蝕 和膨脹、灰值開閉運算、灰值形態學梯度等。 在此介紹形態學的二值基本運算：侵蝕、擴張、閉合、斷開運算如下： 考 慮 兩 幅 二 值 圖 像 A ， B ， 定 義 侵 蝕 運 算 為 ：

(

)

{

}

( , ) , , erosion A B = a a+ ∈b A a∈a b∈B = A B，如圖2. 3(a)，深藍色方形與圓 形侵蝕運算後，得到淺藍色方形。 考 慮 兩 幅 二 值 圖 像 A ， B ， 定 義 擴 張 運 算 為 ：

(

A,

)

{

,

}

dialation B = a+b a∈A b∈B = ⊕A B，如圖2. 3(b)，深藍色方形與圓形擴 張運算後，得到彎曲角的淺藍色方形。 (a) (b) 圖2. 3 形態學運算：(a)侵蝕運算與(b)擴張運算

斷 開 運 算 就 是 先 進 行 侵 蝕 運 算 ， 再 進 行 擴 張 運 算 ， 定 義 為 ：

(

)

A B= A B ⊕B，如圖2. 4(a)，深藍色方形與圓形作斷開運算，得到淺藍色的 彎角方形。 閉 合 運 算 就 是 先 進 行 擴 張 運 算 ， 再 進 行 閉 合 運 算 ， 定 義 為 ：

(

)

A B• = A⊕B B，如圖 2. 4(a)，深藍色的形狀與圓形做閉合運算，得到深藍 色和淺藍色區域的聯集。 (a) (b) 圖2. 4 形態學運算：(a)斷開運算與(b)閉合運算 由上述的基本形態學運算，再加以延伸，可應用在許多領域。在醫學領域中， Albu, Beugeling and Laurendeau(2008)提出一個新形態學運算方法在處理解剖切 片。另外，Huang, Gu and Chao(2008)與 Tseng, Lai and Yu(2008)此兩篇車牌定位 的論文均使用到形態學運算將車牌定位，或局部定位。 2.2.2 字元辨識 目前字元辨識較常用的方法有樣板比對法、結構分析法、類神經網路法，在 此簡介這三種方法。 1. 樣板比對法 以辨識的圖樣特徵與預先儲存好的樣板特徵間的相似度來決定辨別的 結果。因此如果要辨識出字元，就需要將不同字元的標準樣板建檔，一 一與輸入的圖樣相比對，找出最相似的樣板。 2. 結構分析法 利用不同字形之間結構上的基本差異性，來加以判斷圖樣的結果。可利

異加以辨識出來。 3. 類神經網路法 類神經網路主要是嘗試去模仿人類的神經系統，它使用大量簡單的非線 性的運算單元(稱之神經元 neuron)，和位於這些運算單元間的許多連結 所組成，這些運算單元通常是以平行分散的方式來進行運算，每一個神 經元只負責一小部分簡單的運算，而整體就可以同時處理大量的資料。 在訓練的過程中調整神經元節點的加權值，經由不斷的調整和學習，使 得最終的網路輸出與目標值能達到相同值，此算訓練完成。

2.3 RFID

RFID 的全文是 Radio Frequency Identification，中文稱之為「無線射頻辨識 技術」，是由貨品中的晶片、標籤(Tag)、接收器(Reader)、後端中介軟體與應用 系統等組合合成的辨識技術。以下將RFID 分為歷史演進、組成元件、運作原理 與相關文獻探討的章節。 2.3.1 RFID 歷史演進 RFID 的歷史可以追溯至二次大戰(1940 年)時，英國空軍用以辨識敵機或是 我機，以免誤擊己方戰機。 千禧年後，RFID 不再只是運用在軍事領域上，也開始在學術界、產業界發 展，慢慢進入了民生產業。而其實背後主要的原因之一，就是全世界最大的百貨 零售業者威名(Wal-Mart)賣力的推行，它要求它的前 100 大供應商需在 2005 年初 時，需將所有運往Wal-Mart 的紙箱與棧板都要貼上支援 EPC 的 RFID 標籤。由 於 Wal-Mart 掌握相關業者的獲利，供應商相繼導入相關的技術。也因此其他的 零售業、物流業等也都受到了不少衝擊，紛紛開始了解或實行此技術。 2.3.2 RFID 的組成元件 在了解RFID 如何運作之前，首先要先知道 RFID 如何組成，一般來說，它 分為標籤、讀取器、中介軟體與應用程式(陳昱仁，廖耕億，許建隆，林仲志， 2009)，如圖 2. 5。 圖2. 5 RFID 組成元件

1. 電子標籤(Tags)： 電子標籤內含極小的晶片和天線。晶片可提供運算功能和儲存數位資料 的裝置，而天線則是向讀取器接收或是發送訊號。在台灣較常見的電子 標籤有悠遊卡和校園卡等。 2. 讀取器(Reader)： 讀取器可利用其天線對電子標籤進行讀取或寫入的動作，不同的 RFID 系統所需要天線種類就不同。讀取器可分為固定式與手持式兩類，固定 式的放置於如賣場、倉庫、機場等的出入口;而手持式則較輕巧，通常 具方向性且感應距離不長。 3. 中介軟體與應用程式： 中介軟體可經由有線或無線的方式，控制讀取器的運作，擷取或覆寫電 子標籤內的數位資訊，將這些資訊根據不同的需求，做進一步的加值處 理。而應用系統可結合資料庫管理系統等技術，提供全自動的即時監控 功能。 2.3.3 RFID 運作原理 RFID 的運作原理分成電磁感式和微波式，分別如下：(陳瑞順，2009) 1. 電磁感應式： 利用磁場的產生來引起電統，此現象稱之為電磁感應。電流通過讀寫器 的線圈時，產生磁場，接著透過此磁場，會使電子標籤內的圈狀天線產 生電流，此電流能啟動電子標籤內的IC 晶片。如圖 2. 6。 圖2. 6 RFID 工作原理：電磁感應式

2. 微波式： 微波式是使用電波來交換信號，讀寫器讓天線產生電波，在電子標籤的 天線內部產生共振，而產生電流，此電流能啟動電子標籤內的IC 晶片， 如圖2. 7。 圖2. 7 RFID 工作原理：微波式 2.3.4 RFID 的文獻探討 RFID 是個使用電磁波來自動辨識物體和資料收集的技術，現今不論對生產 製造、教育界、醫療保健、零售業、學術界、運輸業，甚至軍事均有很大的影響 力，世界各國包括美國、英國、台灣、中國等，都在對RFID 的技術與運用進行 開發或實測。

在營建業方面，Goodrum, McLaren and Durfee(2006)認為對建築工人的生產 率來說，工具的可得性是一個重要因素，為了增進追蹤工具的效率和可得性，它 開發了一個使用商業的主動式RFID 來追蹤工具和存貨系統，也可儲存營運和維 修資料。

在醫療保健方面，Oztekin, Pajouh, Delen and Swim(2010)提供給決策者在有 限數目的RFID 讀取器時，一個最佳化放置設計，以追蹤醫院資產。

在食品業方面，Ngai, Suk and Lo(2008)此論文設計開發 RFID 管理系統於迴 轉壽司店，以增加營運效率，它可達到較佳的庫存控制、補充反應速度、食物安 全控制和服務品質。另外，Regattieri, Gamberi and Manzini(2007)為了分析食品追 蹤性在法規方面的議題，提出了一個有效追蹤系統的一般性架構，它採用起司這 個商品為對象，整合原本的字元碼和RFID 技術，且在生產者和消費者之間都有 良好的結果。

在製造業方面，Chen, Tsai and Tu(2008)、Tu, Lin, Chen, Chen and Jwo(2009) 與Chen and Tu(2009)利用 RFID 在腳踏車生產管理，建構一個大量客製化製造流 程的生產場所(shop floor)控管，此架構開發了 RFID 中介軟體，也整合了資訊系 統以追蹤控管製造流程，以增進大量客製化生產流程的追蹤性和可視性。

三、辨識系統

在此章節，我們提出一個新的方法在複雜背影中抽取字元集合或barcode 區 塊，利用字元或條碼部分有明顯的亮度變化，以形態學(morphology)運算來分離 出來，無論在任何背影、亮度均有非常好的表現，定位成功率達95%以上，再接 以字元區塊的復原，最後再辨識。

3.1 系統預覽

此系統主要由三模組所組成：前處理、字元集合定位、字元辨識，如圖3. 1， 由於所提的方法是採用morphology 運算，有一定的 mask 大小，所以一開始所設 定的mask 大小是符合較小的字元集合影像，另外需將影像縮小以使較大字元的 影像中，也能定位出字元集合的位置。每一模組將會在下面詳細描述出來。

3.2 字元辨視系統架構

此系統提出一個從複雜影像中自動偵測字元(包含字元與數字)與 barcode 區 域的技術。圖3. 2 即是其系統流程圖，此系統由四個主要的部份組成：圖片擷取、 特徵抽取、區域的選取與校正、區域確認，和字元辨視，每一部分概述如下： 圖片擷取：此系統的輸入是在一般工廠內的生產線上，或倉儲物料管理，用 一般的照像機或攝影機所拍攝的單張圖片或連續的影像序列。 特徵抽取：在 packing 上的字元在原本的設計，與 barcode 的區域，就是要 與其背景有相當大的亮度差別，而字元和其背景的高對比就是一個可用來字元區 域的主要關鍵。在此論文中我們以形態學基礎（morphology-based）的方法，藉 由高對比的特徵將想要的字元區域抽取出來。 候選區域的選取與校正：在特徵抽取時會產生候選區域，然而由於雜訊或光 源的變化，數字字元區域可能分成幾個小區塊，因此，在確定區域前，我們採用 補償演算法將小區塊恢復成一個完整的區塊。 區域確認：一但候選區域選取出來，我們利用一些幾何特性與此候選區域內 的字元個數，來決定此候選區域是否為真正的字元區域。這些幾何特性包括密 度、高度、寬度、和區域面積，而字元區域內的字元個數則採用分類的方法來計 算。 字元辨視：接著最後一步，就是辨視出在區塊內的所有字元是哪一個數字或 字母，並將之輸出。

原始圖片 使用形態學運算的特 徵抽取 候選區域的選取 區域確認 字元辦視 輸出結果 圖3. 2 辨識系統流程圖

3.3 特徵抽取

由上所提及，字元區域是一塊有亮度高變化的區塊，過去常用顏色、垂直的 邊緣(Yu and Kim, 2000)等一般的特徵去偵測字元所在位置，然而在不同的光源情 況會導致字元在圖片中有不同的呈現，因而使過去那些方法失敗。大家都知道： 一般packing 上的字元為了視別清楚，會做加黑加粗的處理，而跟其背景間有非 常明顯的亮度對比，而此高對比的特性即可用來當作偵測想要字元的重要關鍵， 以下我們描述一以形態學為基礎（morphology-based）的方法將此高對比的區域 抽取出來，來達成偵測字元的目的。 3.3.1 前處理 一般來說，圖像的亮度很容易受光源強弱的影響，不同光源強度下的同一物 體，卻呈現出差異度很大的彩色值或灰階值，因此在特徵抽取前，先將每張圖像 做直方圖等化處理（histogram equalization process）將光源變化的影響降至最小。 在此子系統中所用到的直方圖等化處理參考書籍為(Sonka, Hlavac and Boyle, 1999)。 3.3.2 形態學運算 在此子系統中，我們使用許多形態學（morphology）運算將高對比的區域找 出以偵測字元或barcode 所在，在介紹我們所提出的方法之前，先將一些形態學 運算列出。 將S_{m n,} 代表為一個大小為m n× 的結構單位，其中 m 與 n 均為大於零的奇數， 圖3. 1 為兩種不同的結構單位。I(x,y)表示為灰階的輸入影像，根據S_{m n,} 的定義， 平滑（smoothing）、擴張（dilation）、侵蝕（erosion）、閉合（closing）、斷開 （opening），和其他形態學運算的定義如下： 平滑運算： /2 /2 /2 /2 1 ( ( , )) ( , ) ( , ) m n n m S m n i n j m E I x y I x i y j S i j mn × × =− =− =

∑ ∑

+ + ， (3.1) 擴張運算： _, | | /2,| | /2 ( , ) max ( , ) ( , ) m n m n i m j n I⊕S × x y = _{≤ ≤} I x i y− − j S i j ， (3.2) 侵蝕運算： _, | | /2,| | /2 ( , ) min ( , ) ( , ) m n m n i m j n I S × x y = _{≤ ≤} I x i y− − j S i j ， (3.3) 閉合運算：I•S_{m n,} =(I⊕S_{m n,} ) S_{m n,} ， (3.4) 斷開運算：I S _, =(I S _, )⊕S _, ， (3.5)

臨界運算： ( ( , )) 255, ( , ) ; 0, . if I x y T T I x y otherwise > ⎧ = ⎨ ⎩ 。 (3.7) 圖 3. 1 兩種結構單位 文前提及字元區塊是一塊高對比的區域，而在此論文中，我們提出一個以形 態學為基礎的技術去偵測此高對比的面積，這個以形態學為基礎的特徵抽取技 術，其全部步驟顯示於圖 3. 2 中。為了消除雜訊，首先用一個結構單位S_7,7的平 滑運算，然後將平滑運算後的圖像分別作結構單位S_7,1的斷開運算和閉合運算， 而得到圖像I 和_c I ；為了偵測垂直邊緣，將圖像_o I 與_c I 作差值運算；接著在臨界_o 運算後，全部可能的垂直邊緣會被抽取出來。由於字元中的垂直邊緣很接近且互 相鄰近，因此相鄰邊緣在經過閉合運算之後會相連起來，且形成一個較大的相連 區塊，故在臨界運算之前，先運用閉合運算使得全部鄰近的垂直邊緣形成一個相 連的區塊。然後執行編號處理（labeling process）去抽取類似區塊的部分，如此 就可以從混亂的環境中獲得可能字元位置的集合。圖3. 3 為使用形態學運算的範 例，顯示出類似字元區塊的切割。 1,5

S

=

1 1 1 1 1

S

3,7

=

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 (a) (b)

(a) Input image

(b) Convert gray-scale images

(c) Results after applying morphological operations

(d) Result after noise filter 圖3. 3 形態學運算後之結果

3.3.3 編號演算法 在上一節套用所謂的編號演算法，將每一個影像畫面的各個相連區塊標成不 同的編號，建立各物件在各別影像畫面間的關係，以便後續利用物件編號法來達 成追蹤物件的目的。 對於區塊關係的描述，區塊鑑定（region identification）是一個必要的工作， 而將每一個區塊標成相同且唯一的整數則是區塊鑑定的其中一個方法，而此方稱 作 相 鄰 成 分 編 號 法 （connected component R_b labeling ） 或 簡 稱 編 號 演 算 法

（labeling），而通常最大的整數標號即代表圖片所有區塊的個數。以下是參考 (Sonka, Hlavac and Boyle, 1999)的編號演算法。

假設已處理過的影像 R 由 m 個不相鄰的區塊R 組成，而此影像通常分為背_i 景與前景： 1, m C b i i i b R R = ≠ =

_∪

， (3.8) 其中代表背景，其他區塊則代表物體， C R 代表補集合。編號演算法的輸入通常 為二值影像，其中背景的值為零，物體的值為壹或非零值；而輸出為多值影像， 零代表背景，非零值代表不相鄰區塊的各個標號。下面概述本系統中所採用的標 號演算法： 步驟1．第一次掃影像：一列一列地搜尋全部影像 R，將每一個非零的的點R_{x y,} 標 成新的非零值 k，此 k 值由此點相鄰的點來決定，且因為相鄰連接的定 義不同，而分為 4 連接（4-connectivity）與 8 連接（8-connectivity）， 其圖示如圖3. 4 並解說如下： A． 如果相鄰的點皆為背景，即零值，則將此點Rx y, _{標為新的非零值。} B． 如相鄰的點有一個非零值，將此點Rx y, 標號為相鄰的非零值。 C． 如相鄰的點超過一個非零值，將此點R_{x y,} 標號為任一相鄰的非零 值，且如有任何相鄰的標號不同，稱為標號衝突，儲存此標號號對 為等價，最後並儲存全部的標號對為等價表。 步驟二．第二次掃影像：全部的區塊點已在第一次處理時被標號，但由於標號衝 突，有些區塊內有不同的標號，因此利用等價表的資訊對全影像再重新 標號。

1, x y R− , 1 x y R − Rx y, (a) 1, 1 x y R− − Rx−1,y Rx−1,y+1 , 1 x y R − Rx y, (b) 1 1 2 2 ? (c) 圖3. 4 區塊鑑定的遮罩：(a)4 連接結構(b)8 連接結構(c)標號衝突 標號衝突常常發生，例如U 字形、反 L 字形等（如圖 3. 4 (c)），而解決的 方法是利用第一次掃影像所建立的等價表，將所有等價對標號標示為同一個標 號。等價表是影像中全部的等價對，但在處理影像前無法預知標號衝突的次數， 而又必需有足夠的記憶體將所有的等價對儲存起來，所以我們採用動態記憶體配 置來儲存等價對。另外編號演算法因為連接的定義不同而分為4 連接與 8 連接兩 種，它們的不同只在鄰居連接遮罩形狀（如圖3. 4(a)(b)）的差別而已。下面的圖 3. 5 為 4 連接編號演算法的過程範例，在圖 3. 4(b)執行完之後，就可知 3-4、2-5、 2-4 為等價對，如表 3. 1，再利用遞迴的方式知 2-3-4-5 為相同的等價關係，所以 可得輸出結果為圖3. 5 (c)。

1 1 1 1 1 1 1 1 1 1 1 1 1 1 (a) 1 2 2 3 1 2 4 3 5 2 2 4 6 4 (b) 1 2 2 2 1 2 2 2 2 2 2 2 3 2 (c) 圖3. 5 4 連接的區塊鑑定：(a)輸入影像(b)第一次掃完結果(c)輸出結果 表3. 1 利用圖 3. 5 (b)所建立的等價對表 等價對 POINTER（2）= 4 POINTER（2）= 5 POINTER（3）= 4

3.4 字元切割

在編號處理之後，可從圖片中抽取出可能字元區塊的集合。由於雜訊，許多 不正確的字元可能從混亂環境中抽取出來，經常被分割為類似字元的區域，因此 先用一些幾何與組織（textural）的資訊去移除不可能的區塊。又因為抽取的字元 集合區域可能被切成幾部份，因此應用補償演算法將整個字元集合區域復原。之 後根據候選區域中字元個數，利用群組演算法（clustering）來認確此候選區域。 最後再利用幾何特性，將此區域作字元區塊傾斜矯正。 3.4.1 候選區域抽取 以 R 表尺寸為w h× 字元集合區塊的抽取區域，其中 w、h 各別為其寬度與高 度，為了減少不可能的字元集合區域，這裡應用許多的判斷準則。第一個判斷準 則為 R 區域的密度：den A hw = ，其中 A 為 R 的面積；第二個判斷準則是 R 的寬 度與高度的比值 r，也就是r=w h/ ；第三個判斷準則是字元集合區塊的尺寸應 大於一固定大小，例如60 25× 。根據上述的定義，區域 R 必須滿足下列規定， 才被認定為候選區域。 準則一：w>60且h>25； 準則二：密度 den 應介於 0.25 和 0.85 之間； 準則三：寬度 w 與高度 h 的比值 r 應大於 1 且小於 3.5。 這些簡單的規定將會大大減少字元集合候選區域的數目，而這些規定是根據 一般產口編碼的特徵所訂立的，因此這些臨界值（thresholds）可根據不同公司的 不同編碼特性來變化。一旦將可能字元集合候選區域抽取出來，每一個區域接著 作二值化運算以便做後續的確認及辨識，在此採用「群組內部變異數極小化 （minimum within-group variance）演算法」(Sahoo, Soltani, Wong and Chen, 1988) 來自動求得每一個候選區域的臨界值，在二值化運算後，從候選區域中利用傳統 的編號處理來定位出每一個類似字元區塊。

3.4.2 字元集合候選區域校正 由於雜訊或不同光源情況，抽取的字元集合候選區域可能不完整，例如：圖 3. 3 中(a)為(b)的一部分。一般較直覺的方法是使用垂直投影，來計算此區域中每 一個字元的平均高度和寬度，之後根據字元資訊復原回整個字元集合區塊，然而 此方法卻容易受大小、視角、雜訊的影響。因此我們提出一個以群組為基礎 （cluster-based）的方法計算出字元的幾何特性，並利用此資訊將整個字元集合 區塊復原，這方法對字元集合區塊的大小、視角、雜訊有強健性。 (a) _(b) (c) _(d) 圖 3. 3 字元集合區塊復原的結果，(b)、(d)為(a)、(c)結果 我們利用字元集合區塊中字元的數目作為確認字元集合區塊的主要特徵。字 元集合區塊中的字元應滿足下列幾何特性： 特性一：所有字元高度相似。 特性二：所有字元寬度相似。 特性三：字元中心概略在水平方向成一直線。 基於上述幾何特性，我們發展出一套字元分析演算法（character analysis algorithm）來計算字元集合區塊中字元的個數；但在計算前，可以根據下列四個 限制將一些錯誤的字元移除： 限制一：每一個字元的面積應大於25 點（pixels）。 限制二：每一個字元寬度應大於3 點。 限制三：每一個字元高度應大於所抽取字元集合區域高度的一半。 限制四：每一個字元寬度應小於所抽取字元集合區域寬度的一半。

的字元；因此在R 中以此四個限制檢查每一個字元以找出一組候選字元集合S ，_c

接著用集合S 利用分群組（_c clustering）方法計算字元的幾何特性以便做接下來的

字元集合區域確認。在S 中每一個真正的字元形成同一個群組的假設下，c d 表i

示為每一個字元到第 i 群的距離和，而s 則記錄第 i 群的字元個數，根據這些定_i

義和上述的三個幾何特性，計算S 中的字元特性演算法表示如下：_c

字元分析演算法（CHARACTER ANALYSIS ALGORITHM）：

步驟1：N表S 中的候選字元個數，將全部的_c N個d 和_i s 設為零。_i 步驟2：c 代表_i i i c c h ×w 尺寸單位，對於每一對(ci,cj)，重複下列步驟： 步驟2.1：計算c 與_i c_j間的距離d ：_i

(

) (

2

)

2 1₂ i j i j ij c c c c d =⎛⎜ h −h + w −w ⎞⎟ ⎝ ⎠ 。 (3.9) 步驟2.2：如果d_ij ≤T_d，依如下方式計算d 和_i s ：_i 1 i i s = + 且s d_i =d_i+d_ij (3.10) 其中T 是用來決定圖形d c 與i cj是否相似的臨界值。 步驟3：因為包含字元的那一個群個數s 較多且距離_i d 較小，藉此找出包含字元_i 的群組，在此假定為第 k 個群組： 1 0.5 arg max ( ) 1 i i N i k s d ≤ ≤ = + + 。 (3.11) 步驟4：將w 與_k h 分別定義為接近第_k k 個群組的每一個候選字元的寬度和與高度 和。假如d_kj ≤T_d，對於每個候選字元單元cj計算w 與k h ：k j k k c w =w +w 且 j k k c h =h +h ， (3.12) 其中分別將w 和_k h 的初始值設為零。_k 步驟5：分別計算w 與_k h 的平均_k w 、_c h_c： / c k k w =w s 且h_c =h_k/s_k， (3.13) 步驟 6：對於每個候選字元單元c_j，假如它的寬度、高度跟w 、c hc夠接近，則 此字元就被視為一個真正的字元。根據相似性（similarity），我們可估測

出 R 中的正確字元個數N 。將_c r_j定義為最接近數值 / j c c w w 的整數，對 於每個候選字元單元c_j，其寬度與高度的相似性可如下估計： | cj | j j c w p r w = − 且 1 min( , j) j c c j c c h h q h h = − (3.14) 其 中 p_j為 寬 度 相 似 性 ，qj 為 高 度 相 似 性 。 此 時 ， 假 如 pj ≤0.2 且 0.2 j q ≤ ，以N_c = N_c+r_j來更新N ，並選取候選字元單元_c c_j成為正確字 元集合Sˆ_c。在檢查所有候選字元單元後，我們可以獲得正確字元個數 c N ，和正確字元集合Sˆ_c。 在分析 R 中的字元特性後，我們將呈現一個使用上述資訊來恢復整個字元集 合區域的方法。將 R c x 、 R c

y 定義為 R 中心點的 x 軸、y 軸座標；而left 、_R right 、_R

R

top 、bottom 分別代表 R 的最左、最右、最上、最下座標；另外假設區塊中的_R

字元數目為固定值N_p。字元集合區域的復原演算法呈現如下：

字元集合區塊復原演算法（License-Plate Recovery Algorithm）：

步驟1：根據字元分析演算法，可得到候選區域 R 中正確字元的平均寬度w、平 均高度 h 、和個數N 。_c

步驟2：如果N 小於c Np，以如下方法擴大區域 R：

A． new ( )

R R p c

left =left − N −N ×w且rightRnew =rightR +(Np −Nc)×w；

B．當 R 中的任何字元碰觸到 R 的頂端，更新top 為：_R / 5 new R R top =top −h ； (3.15) C．當 R 中的位何字元碰觸到 R 的底端，更新bottom 為：_R / 5 new R R bottom =bottom +h 。 (3.16) 步驟3：將 new R 定義為擴張後的區域，假設將區域 R 二值化的臨界值為T ，將新_b 區域 new R 以同樣的臨界值T 二值化。再經過編號（_b labeling）處理且以四

集合 new c S 。 步驟4：將新候選字元集合 new c S 經過字元分析法運算後，可得到新的正確字元集 合 ˆnew c S 與新的正確字元數目Ncnew。

步驟 5：將x_left、xright、ytop、ybottom分別定義為字元集合 ˆ new c S 裡的最左、最右、 最上、最下座標；如果| new/ 1| 0.2 C p N N − < ，則將區域Rnew視為字元集合 區 塊 的 真 正 所 在 ； 另 外 ， new

R 的 位 置 更 改 如 下 ：leftRnew =xleft ， new

R right

right =x ，topRnew = ytop，和

new R bottom bottom = y 。 圖 3. 3 顯示使用我們所提出的字元集合區塊復原演算法的兩個範例，由圖 可知，字元集合區塊被正確且完整的復原。除此之外，取像時的視角關係會造成 所抓取的字元集合區塊傾斜；而在實際應用上，傾斜字元集合區塊將造成字元的 辨識錯誤；為了解決此問題，我們使用傾斜校正程序來補償字元集合區塊的傾斜 問題，而下一節將討論我們所提出的傾除矯正演算法。

3.4.3 字元集合區塊傾斜矯正 D_R W_R (x_c+, y_c) 圖 3. 4 傾斜字元集合區塊的幾何形狀 由於取像的視角不同，很難保證不會有傾斜字元集合區塊的圖片產生；當此 情況發生，字元集合區塊中的傾斜排列字元將會導致字元切割（segmentation） 與辨識（recognition）的錯誤；因此，需要一個字元集合區塊矯正程序來補償傾 斜的影響。將R 定義為傾斜的區塊，其他如圖_P 3. 4 所示，( , )x y_{c c} 為R 的中心，_P R w 為R 的寬度，_P D 為第一個跟最後一個字元的高度差，並假設_R R_P' 為R 傾斜校_P 正的結果；對於R 的每一點P (x, y)以如下補償產生 ' P R ： ' _{( , ) ( , ( )} R₎ p p c R D R x y R x y x x W = − − 。 (3.17) 根據式(3.17)，字元集合區塊傾斜所產生的影響將會降至最低，圖 3. 5 顯示 一個傾斜矯正的範例，其中(a)為抽取的傾斜字元集合區塊，而(b)為矯正後的結 果。 (a) (b) 圖 3. 5 字元集合區塊矯正的結果，其中(a)為傾斜的字元集合區塊，而(b)為矯 正後的字元集合區塊

3.5 字元辨識

對字元辨識來說，樣板比對(template matching)是一個很直接且可靠方法，再 加上他比類神經網路(neural networks)計算複雜度低，相對所須的前置時間也較 少。本系統以30 40× 像素的字元樣板為比較基礎，如圖3. 6。在程式初始時，將 數字與字母的樣板影像載入，並轉換為二值矩陣的影像資料，與字元比對，計算 與不同樣板的相似度，完全符合為100%，較高相似度的為候選者。 圖3. 6 阿拉伯數字與英文字母樣板 另外由於雜訊或標籤上字元的字體不同，會引起辨識率的下降，採用不同字 體的複數樣板可提高辨識成功率，但確會使辨識速度下降。另因為雜訊的關系， 在實驗分析中，發現有幾對字元由於結構相似差異小，容易造成辨識錯誤，本系 統採用結構分析法(structural analysis method)，也就是「字型特徵」為進一步輔 助確認的方式；參考先前的方法(Tseng, Shiung, Hunag, Guo and Hwang, 2008)， 有幾組易導致誤判的字元，在影像上也非常相似，但其本質上仍然有結構上的差 異，例如：(1, I)、(4, A)、(6, 8)、(6, G)、(9, S)、(B, D)、(F, P)、(H, M, N)、(O, D)、 (O, Q)、(U, V)，這幾組在相似度的分數應十分接近；如(6, 8)、(9, S)、(F, P)採用 偵測字元缺口的方式，在特定高度的水平線所能夠接觸到字元的深度，而輕易辦 別相似的字元；而(1, I)、(6, G)、(B, D)則採用固定特徵點是否有像素存在來加以 分辨，示意圖如圖3. 7。

(1,I) (6,8)

(6,G) (9,S)

(B,D) (F,P)

四、個案分析探討與系統架構

本章藉由某個案公司(也稱 G 公司)所屬的產業開始探討，再針對個案公司進 一步深入的分析，並開始了解其生產製造的現況與所面臨的問題，最後建立個案 公司的系統架構。

4.1 工業電腦

由於個案公司為國內生產強固型筆記型電腦的領導廠商，在此節針對工業電 腦的定義、產品分類、應用領域、主要特性及與個人電腦的比較來介紹。主要參 考(卓永進，2006)和亞東證券投顧等文件。 4.1.1 工業電腦定義 工業電腦(Industrial PC)簡稱 IPC，起緣起於工業機械自動化，最早應用於工 廠自動化設備的邏輯控制器(PCL)，負責生產製造流程中的控制、監視及測試等 功能，因此被稱之為工業電腦。 1980 年代隨著資訊工業的興起， Wintel PC 的標準化及低價化，個人電腦 的功能不斷的強化，且成本不斷下降，因此使用x86 系統架構以進行產業自動化 升級成為可行之道，標準PC 架構逐漸成為工業自動化的主流，也因此 IPC 產品 得以跳脫原本應用領域，多面向的針對不同產業應用而設計產品，各種IPC 產品 因而產生。換言之，相關業者使用以個人電腦為基本架構，加入特殊應用的需求 設計，在開放架構下及軟體及硬體的標準化，使得工業電腦廠商利用x86 的架構 來研究開發適用各種專業領域的電腦，並且成為主流。 隨著電腦產業的快速發展，IPC 產品也結合光電、軟體、通訊、消費性電子 等之應用，從一般民眾不可及的工業型電腦，擴大到我們的生活週遭，如自動存 提款機(ATM)、POS、彩券機、博奕機、悠遊卡讀卡機、安全監控、醫療設備、 數位看板(digital signage)，均是 IPC 的較新應用領域。

因此，工業電腦的定義就可以很清楚的定義出來，只要是應用於非家用/個 人電腦及商用電腦之外的專業特殊領域用的電腦，都稱為工業電腦。 4.1.2 工業電腦的產品分類 以產品本身，或服務的類別，可以將工業電腦分為三類： ¾ 板卡類： 包含單板電腦、基板等。其中單板電腦即具備了一般電腦基本架構的邏 輯運算單元(即 CPU)和記憶體插槽外，還具有匯流排的主機板，本身幾乎 具備了電腦所有的功能，其匯流排為產業的標準規格，包括PCI, ISA, PCI

周邊及各種專業領域的軟體，就能在其專業領域發揮其所需要的功能。 而基板就如同一般個人電腦的擴充卡，如顯示卡、網路卡、通訊卡、擷 取卡。 ¾ 子系統類： 是指將主機板、CPU、記憶體、硬碟、機箱、電源供應器、電池等其他週 邊裝置組合成一個可運作的子系統，只要將其安裝至一個大系統中就可 以運作，如工業型筆記型電腦、工業用伺服器。 ¾ 整合解決方案： 針對某個特殊領域或特定的應用，甚至於量身定做客制化而開發出來的 一整套系統，不只包含硬體，更包含軟體及週邊，如自動提款機(ATM)。 4.1.3 工業電腦的主要特性 工業電腦相較於個人電腦的主要特性如下： ¾ 少量多樣，高度客製化 工業電腦大多數是以專案的方式進行，尤其是較大的案子；因此IPC 產 品為了符合不同廠商在不同應用上的需求，即使是相同的應用領域，也因為 不同客制化的要求，針對不同的客戶規格，幫客戶量身定做產品，也因為是 特定的應用，再加上是小眾市場，工業電腦的訂單在數量上不若個人電腦產 業，一張訂單大都以數十萬台起跳，工業電腦的訂單一般都從數十台到上千 台不等，與個人電腦有很大的差距。 ¾ 產品生命週期長 工業電腦的系統整合商針對特定應用的領域，特定的環境、目的去測 試、驗證工業電腦產品，來開發一套系統所耗用時間、金錢、人力非常多， 因為工業電腦在規格上的要求非常多，所以在設計開發的時間一般也耗費較 長，一般至少半年到一年以上，系統整合商在驗證的時間也相對拉的較長， 以符合特定的控制功能，加上系統轉換成本高，一但決定後就不會輕易更 改，以免增加成本；另外IPC 不若個人電腦一味的追求高效能、高運算速度， IPC 通常是生財的工具，穩定重於效能，效能在規格確認初期已經確認，不 會為CPU 速度而淘度，因此生命週期較一般傳統 PC 產品為長；一般說來， 桌上型電腦在半年後就退流行，不再生產了，而工業電腦的生命週期卻可長 達5 年之久，也因此顧客在採購以前，會要求長期供貨。 ¾ 高穩定性、耐嚴苛環境 工業電腦使用環境極為複雜，整個系統基本上都是提供機密、安全、監 控有關的服務，故其終端使用者對工業電腦的第一個要求就是要有高度的穩 定性，不若個人電腦常發生小問題，故障率偏高的情況，因為工業電腦一但 故障，即可能遭受巨大的損失。另外工業產品必須面對嚴苛的環境，如耐高 溫、耐潮溼、防鹽霧、耐高溫、抗低溫、防水、防塵、防震動及長時間運轉，

¾ 著重技術服務能力 一般工業電腦均為特殊的應用領域，也較牽涉到安全、機密等因素，故 系統整合商在採用前必須針對終端使用者的應用環境做詳細複雜而完整的 測試，此時如果遭遇到任何相容性或穩定性的問題，工業電腦的供應商必須 及時而有效的回應顧客，以解決客戶所遇到的問題；由於客戶所應用的環境 千奇百怪，如果無法及時複現並解決，就免不了到客戶現場分析問題並加以 克服，以獲得顧客的信賴。 4.1.4 工業電腦與個人電腦的比較 如前文所提及，工業電腦與個人電腦都是以相同的 Wintel 架構所設計出來 的產品，其差異何在呢?大體說來，其所使用的硬體，以致於軟體來說，都是大 同小異的，如 CPU、記憶體、顯示晶片、音訊晶片、硬碟、網路晶片、螢幕、 作業系統(部分)，只是工業電腦需能在高低溫、客外等嚴苛環境下長期穩定的操 作，因此在設計上及某此硬體上與個人電腦選擇不同，或採取特別的設計，例如 為了能耐震動，會在硬碟的保護上採取特殊的防震泡綿，以吸收絕大部份的震 波，或者改用固態硬碟(Solid Storage Disk, SSD)，在零件的採用及主機板的設計 都較個人電腦嚴謹；另外在軟體方面，為了增加軟體的穩定性及相容性，作業系 統便不是以Microsoft 為主流，也出現 Linux，或是 Embedded OS；而應用軟體 則由系統整合商和系統加值商根據整個系統的用途，專案開發以符合客戶的要 求。

除了本身的這些差異，工業電腦與個人電腦的差異在其他相關的差在表4. 1 列出。

表4. 1 工業電腦與個人電腦之比較 項目 工業電腦(產品) 個人電腦(產品) 使用對象 工商業或政府大型用戶 商業或個人 使用環境 處於工作環境惡劣，工作時間 長、室外、高低溫、震動、防 水、電磁波干擾 較安定的環境，工作時間較 短、室內、常溫 應用領域 工業控制設備、電信網路設 備、軍警政府單位設備 家庭、辦公室 產品生命週期 新產品更新較慢，生命週期較 長(3~5 年以上) 新產品快速推陳出新，生命週 期較短(6 月~2 年) 採用前測試 長(半年到 2 年) 短 設計模式 半標準化，客製化較多 標準化產品 產品單價 高 低 價格敏感度 較低 較高 轉換成本 轉換不同產品成本較高 轉換成本較低 供貨需求 重視長期供貨 重視依需求及時供應 生產訴求 彈性生產，小量 經濟規模，大量 採購決策 符合規格要求、耐用性、品質 性能/價格比 交貨模式 少量多樣 多量少樣 服務品質的要 求 服務品質要求高，須常與客戶 溝通 標準產品的售後服務 客戶忠誠度 較高 較低 重複購買率 高 低 產業進入障礙 較高 較低 產業報酬率 高(30%~50%以上) 低(3%~10%以下)

4.2 個案公司簡介

4.2.1 大事記 個 案 公 司 於 1989 年 成 立 於 新 竹 科 學 園 區 ， 由 美 國 奇 異 航 太 部 門 (GE Aerospace)以及國內一家電腦廠商，以 50 比 50 的方式合資創立，由於奇異航太 部門熟悉於軍方電子產品，而國內電腦廠商的專長則是電腦設計製造技術，綜合 兩方所長，一開始 G 公司是在以台研發、生產軍事專用電腦及雷達空用電子系 統為主，是國內少數具備研發生產軍規特殊規格技術的公司。後來由於外在大環 境的改變，歷經多次轉型：包含1994 年擴大生產線到工規電腦、1998 年開始加 入商規電腦的製造及2006 年又再度轉型回軍工規電腦的製造。隨著業務量的增 加，G 公司逐年成長，2002 年正式在台灣股票市場掛牌上市，現在資本額大約 是54 億元，員工人數台灣有 600 人以上，海外也有一萬七千名的員工，在轉型 的過程中，也做了許多策略性的垂直整合動作。從成立之初到迄今發生的大事如 圖4. 1 所示。 圖4. 1 個案公司發展大事記 4.2.2 個案公司之事業群 個案公司分為三個事業群，分別是電腦系統事業、機構零組件事業、轉投資 事業，其中，電腦事業包含強固型筆記型電腦、商用型筆記型電腦，及相關軟體 開發等，將持續以自有品牌打天下，以成為特殊、專業電腦之領導品牌為目標； 而機構零組件事業則為電腦、消費性電子、通訊、行動、汽車、遊戲機等相關零 件產品。

4.2.3 三次轉型 由於時代的演進、環境的變遷，為了順應潮流，找到自己的利基點，G 公司 先後做了三次的轉型，分述如下： 4.2.3.1 1994 年軍規轉軍工規 成立之初是以生產、研發軍用電腦為主，但是由於全球大和解時代來臨，軍 規電腦的出貨量銳減，相對的一些新興國家，例如中國大陸、印度、中東等地區 先後進行了許多大型建案，對工規市場有一定的帶動效用，因此在1994 年個案 公司決定擴大生產線至工規電腦。 4.2.3.2 1998 年軍工規轉商規 1998 年，G 公司電腦為了追求規模與營運績效，加上軍工規電腦市場的萎 縮，呈現虧損的情形，於是出資的母電腦公司就將旗下的攜帶型電腦部門也就是 專門從事商規筆記型電腦代工的部門獨立出來，和個案公司合併，個案公司從此 跨入一般商用以及消費型筆記型電腦生產行列，公司開始轉虧為盈，甚至還一度 成為前五大商規筆記型電腦的代工廠。 4.2.3.3 2006 年商規轉軍工規 2006 年，G 公司又再度從商規筆記型電腦代工轉回軍工規筆記型電腦製造， 因為商規筆記型電腦代工業毛利微薄且「大者恆大」的態勢明顯，訂單呈現集中 化的趨勢，前四家領導廠商，包括廣達電腦、仁寶電腦、緯創資通、英業達等幾 乎就涵括了整個消費型機種的代工，月出貨量動輒上百萬台，相較之下二線廠， 包含個案公司、藍天、倫飛等每月頂多幾十萬台出貨量相比，二線廠在零組件取 得或是成本上都無法取得優勢，價格也無法壓低，所以雖然筆記型電腦代工每年 仍有20%以上的高成長，後進者也難以分一杯羹 。 對於此不利的局勢，二線廠只好積極尋求轉型，尋找自己的利基空間 ，例 如藍天就開始加入軍規還有醫療筆記型電腦的製造，倫飛轉投資大陸賣場百腦 匯，個案公司也轉向軍工規電腦的製造，因為軍工規筆記型電腦代工毛利大概都 還有 35%~40%，相較之下一般筆記型電腦代工毛利大概只有 3%~5% ，而兩者 毛利相差甚多，原因來自於軍工規筆記型電腦代工強調客製化和軟硬體系統整 合，與傳統電腦製造業相較，進入門檻較高，且訂單也較穩定。「我們要做第一， 不要排老二！」總經理再三強調，「以後不要叫我們二線筆記型電腦代工廠」！ 除此之外，也積極發展自己的自創品牌，並且成為全球第三大強固型電腦廠，僅 次於第一名的Panasonic 和第二名的 Itronix，轉型結果營收雖然下降了，但是因 為毛利上升，所以最後獲利不降反升。 4.2.4 垂直整合策略 G 公司採取深度垂直整合模式，2005 年併購甲公司，2007 年先後入股乙公 司、丙公司，從機構設計、模具設計到製造均一手包辦，並跨足模型、真空濺鍍、

彙整如表4. 2 所示。 表4. 2 個案公司垂直整合策略與期望為公司所提供之效益 公司 甲公司 乙公司 丙公司 時間/整合方式 於2005 年併購 於2006 年入股 於2008 年入股 公司領域 模 具 、 塑 膠 成 型 品 、 金 屬 沖 壓 製 品、線材、散熱模 組製造 航 太 扣 件 及 工 業 用螺絲、螺帽、拉 帽製造 輕 金 屬 機 構 件 製 造 整合原因 提供零組件，以達 到 降 低 成 本 之 效 果 – 與甲公司在業 務上互補效應 – 協助跨足航太 產品領域 – 藉由丙公司在 輕金屬機構件 能力， 提供客 戶多樣化產品 選擇 – 策略聯盟拓展 彼此實力 4.2.4.1 2005 年併購甲公司 個案公司與甲公司於九十六正式合併，個案公司為存續公司。甲公司擁有最 先進專門的模具製造技術，提供個案公司模具、塑膠成型品、金屬沖壓製品、線 材、散熱模組等產品服務，除了幫助個案公司建立快速回應系統，降低交易成和 存貨成本之外，也增加週轉率與降低缺貨率。和併後的新公司，不但擁有原甲公 司零組件技術支援，更擁有系統廠研發能力，對兩體系拓展客戶均有加分效果。 目前甲公司除提供集團內所需零組件外，亦有外部客戶。 4.2.4.2 2006 年入股乙公司、丙公司 ¾ 2007 年入股乙公司 個案公司2007 年透過私募取得乙公司 3960 萬股，持股比率約 16.66％， 為單一最大股東，並在股東常會中取得2 席董事、1 席監察人。乙公司主要 生產航太扣件及工業用螺絲、螺帽、拉帽，個案公司之所以入股乙公司，主 要可以歸因於以下兩點: • 協助跨足航太產品領域 乙公司與全球航太公司均保持良好關係及認可，比如乙公司已通過美國 飛機引擎製造商GE 的認證，讓個案公司在目前的強固型產品及軍工規 手持式產品、高階筆記型電腦(筆記型電腦)及電源供應器等產品之外， 跨足航太產品領域。

• 協助跨足航太產品領域 乙公司從事的航太業，需要機械加工產品，甲公司剛好為此領域的專業 廠，可提供其所需。 ¾ 2008 年入股丙公司 2008 年個案公司參與丙公司的私募增資案取得 5000 萬股股份，佔私募 後總發行股份的17.67%之股權。另外，為進一步強化雙方緊密的合作關係， G 公司科技亦由其海外子公司購買丙公司在大陸轉投資公司的控股公司 80%的股權。 丙公司為國內前三大的專業輕金屬機構製造廠，擁有領先業界最新、最 大之鎂合金射出成型暨一貫作業廠，是國內少數具備半固態射出成型 (Thixomolding)與壓鑄成型(Die-Casting)雙項製程技術的鎂鋁成型廠。 丙公司憑藉模具及製程技術上領先之優勢，將鎂鋁合金產品由原先的筆 記型電腦市場拓展至高精密度的汽車工業領域，近年來獲得許多汽車原廠與 Tier one 供應商的認證與出貨，產品包含安全帶零件、方向盤骨架與方向機 柱等。 而G 公司選擇入股丙公司，主要是考慮以下兩點: • 與丙公司進行策略聯盟 個 案 公 司 的 業 務 範 疇 以 提 供 電 子 化 模 組 為 主(Design to Module Service)，近年來積極發展塑膠 RHCM 高溫成型特殊製程表面處理技 術，且耕耘有成，在鎂鋁合金製造雖也已有一定之基礎，但丙公司的鎂 鋁合金製造生產技術及規模已是數一數二的領導者，雙方可透過策略聯 盟進一步拓展彼此的實力。 • 提供客戶更多樣化的產品 個案公司可借重丙公司在輕金屬機構件的能力，提供客戶更多樣化的產 品選擇。

4.3 個案公司現況與軍工規筆記型電腦

此段落主要介紹個案公司營收現況、軍工規筆記型電腦產品介紹、軍工規筆 記型電腦服務領域、軍工規筆記型電腦產業特性以及產業中各公司市占率，詳細 介紹如下： 4.3.1 營收 參考 2009 年 8 月太平洋證券的報告，個案公司營收比重可分成兩大部分， 一為電子事業，另一部分為機械零組件(參見圖 4. 2)。 電子事業，也就是指強固型電腦，2009 年 H1 佔營收比重約為 41%；機械零 組件，2009 年 H1 佔營收比重約為 59%。電子事業主要有一般商用筆記型電腦、 軍工規筆記型電腦以及其他，分別佔營收比重30%、40%以及 30%。一般商用筆 記型電腦產品都是貼牌的，銷售市場多在德國、印度以及大陸，貼牌的毛利率會 偏低，大約5~7%；軍工規筆記型電腦就屬自有品牌，自有品牌的毛利率相對較 高的，且優於平均值的，約有20~40%。 機械零組件部分主要由子公司甲公司經營，因為甲公司擁有 RHCM 的關鍵 技術，並且個案公司會對甲公司做內部下單的動作，因此甲公司的營業比重比電 子事業部分還高，根據太平洋證券的預估，2009 年機械零組件部分下半年各項 產品營收比重百分比如圖4. 2 所示；主要有 Desktop 佔 30%，筆記型電腦佔 21%， 以及遊戲機佔 17%，其中筆記型電腦、Desktop 和手持式產品(Hand-held，例如 PDA)。 另外有一個重點是個案公司創立了自有品牌，加上軍工規筆記型電腦的產品 特性，所以才能轉型成功，相對造成的財務資訊影響。 圖4. 2 2009 年 8 月個案公司各部門營收百分比

4.3.2 軍工規筆記型電腦 4.3.2.1 產品特性 經過分析整理，列出幾點簡單的軍工規筆記型電腦的產品特性，軍工規筆記 型電腦主要多提供給軍方、警方等特殊需求使用者使用，因此軍工規筆記型電腦 可使用於惡劣環境，包括戰爭會有的各種環境像是沙漠、沼澤，甚至槍林彈雨之 中；因此軍工規電腦必須具備讓人偵測不到的電腦電磁波，也就是表4. 3 中第三 點的”微乎其微的軍用電腦電磁波”；為因應特殊需求，軍工規筆記型電腦也具有 相對較高的保密性與安全性，以及全球定位系統等；除上列產品特性，軍工規筆 記性電腦還具有許多其他特性，由於細節主要與產品賣點相關，因此此處僅列出 特別不同的大項目，項目可參見 表4. 3。 表4. 3 軍工規筆記型電腦─產品特性 軍工規筆記型電腦─產品特性 使用者：軍、警、公共工程… 適用於惡劣環境，環境適應力強 微乎其微的軍用電腦電磁波 較具保密性、安全性 具全球定位系統 4.3.2.2 服務領域 軍工規筆記型電腦的服務領域可以參考表4. 4，主要服務領域有公共事業、 政府部門、公共安全、交通運輸、軍方和警方。