��4.0

RICHARD PEI

1

裴有恆 BNIMaUJ�2

�!��d4.pG|¬��M o�!&®]!��M o�D©�+}¤¬��*�_�M o�D©�+�¤9�_*�_�M! �!I�,�`��7qr[n9(8!Wk.p!n9(8,;|(8,H�(8)f: Mio A501,A702 &H�, Mercedes Map Pilotn9ODMH�, Sagem My-S7 ¨>.pH�(8: XG-3D &H� o����P)^: Mail]���, WAP]���,v�S�, MMS]���H�!!�������!J{5±;|��±n9��±Lx��±!yM�j��±��f8±H�f8

目 錄 �3

一% 生產研發與作業管理現狀�u% 智慧工業-工業4%0�k% 生產良率提升�

hd生產研發與作業管理現狀�4

• 生產研發概論�• 現有技術�(%接單及生產規劃b� EB@�)%計畫性生產應用� D@C豐田管理搭配:9D�3%製程管制� 產線自動化� 產線9D協助�

生產研發�

 利用 佳的生產流程規劃及先進技術, 讓產線效率增加, 良率提高�

EB@�6

D@C豐田管理搭配:9D�7

 豐田管理b�(% 無間斷流程d視覺控管（看板）d立即暫停解決問題�)% 持續改善�  :9D �

:9D 5KPPuPaU 8aIWSUy LaySuW�

產線自動化�

 所有按設定程序按表操課� 大量生產速度快� 機台彼此s間幾t無通訊功能�

電腦輔助產線�

 使用baU-ISJK及BuR 5aUJ協助產線流程管理�

現代生產特色�

 高度人工設定� 少樣多量�  4aWIM 生產�

ud智慧工業-工業4%0�11

為什麼要工業4%0�13

 影響品質的 大原因b人為(.4%) 資料來源03JUNaR iKRRNRLs, 5D?, EbNsKRsK, )0(4&(0� 老年化及少子化（會� 工人越來越難找d工資越來越貴� 個性化造成少量d多樣生產需求取代大量生產� 高效率利用資源� 靠近市場製造� 更短的產品生命週期� 多樣的市場� l市沒多r就有降價壓力� 價值鏈網路動態發展�

智慧工業-工業4%0�14

• 以智慧製造為主導的第四次工業革命, 由集p式控制向分散式增強控制的基本模式轉變, 目標是建立一個高度個性化與數位化的產品與服務的生產模式�• 工業4%0旨在通過充分利用資訊通信技術和網路空間虛擬系統相結合的手段, 將製造業向智慧化轉型�

工業4%0好處�15

 製造融入人工智慧技術 讓生產流程更適應多變生產需求� 部署大量感測器結合自我學習機制 提升智慧化生產效益� 製程可視化d製程監管與綠色製造� 即時掌握生產資訊 精準掌握製成加工處理細節� 結合350 5SQTuWNRLd5SQQuRNIaWNSRd5SRWUSP的工業4%0可提高良率� 利用影像辨識d大數據d回授控制及演算法提高精確度�成本d能源降低�

智慧工業�16

 流程b接單!採購!製造!包裝!倉儲!運送�

 整體產線一體規劃全&半自動� lm游訊息v相傳遞,製造d執行d管理d分析系統合一 �

�mª~± �B�±Y3�u!!

B��m�#Z±B��#<ª!

B����#Z±t¦�n!!

�9TR±:Y<ª\XQ!

TR��91g«ª!!

c«ª�2XQ1gel«ª!

全球製造業智動化研發狀況�17

E²G��!���¯�uM&���#ZK�wb°!

製造業大趨勢�18

 大量客製化� 以人為p心的製造環境� 客戶高度參與製造� 製程可視化�

智慧工廠到智慧生產�20

%OC!?F�$!t¦G§!

���n!aV�n!

智慧工廠的核心技術�21

 製程可視化b監看品質與流程� 數位製造與設計技術b536d53Md53@@整合� 產品主導製程� 製造業標準化的通訊協定b讓機台與機台彼此可以溝通� 預兆式設備健康監測與判斷b透過感測系統與大數據� 分散式控制的虛實整合系統5@C� 工業輔助學習與作業系統�

資料來源b工研院鐘裕y�

智慧工廠關鍵領域�22

r���²MIC!2014�10@!

物聯網k階層架構�23

物聯網感測層運用應用�

 廠務系統的水d空氣排放d能源輸出入點設置感測器, 負責監測各點的能源狀況 "各端點的感測器在訊號傳回後端系統儲存, 累，為歷史資料, 供其分析制定出能源使用策略� B896生產產品標籤&BuR 5aUJ生產協助d倉儲協助� 機器視覺的應用b 利用機器視覺檢測及動作��

虛實整合系統5@C�25

 製造企業在未來將以「虛實整合系統g為框架建立包含其設備d倉儲系統和工業產品的全球性網路e� 5@C包含獨力x換資訊的小型智慧機械d存儲系統和高效的產品設備, o能獨立完成運作和v相控制e� 隨著5@C的設備基＆改進到涉及製造d工程d材料使用和供應鏈以及生命週期管理的工業流程, 智慧工廠開始用一種全新的途徑來生產產品e�

5@C在製造領域的技術�26

  9?DbwNUKPKss ＆ sKRsSU� 軟體b536&53M&53@@dMECd3TTs� 大數據b數據蒐集d雲端儲存d雲端運算�

5@C在製造領域的要求�27

 AuaPNWyb良率學習曲線短, 生產履歷無？化� 5SsWb提供生管d品管即時資料庫給客戶, 已提供價格競爭力�  8uRIWNSRb遠端監控, 內建預兆診斷功能�  DNQK WS MaUOKWb熱插拔生產（@PuL @USJuIW), MNxKJ-MSJKP 生產�

感知-機器視覺�32

# 機器視覺a 便是透過機器來取代人眼a 進而大幅縮短測量時間與減少人為判斷誤差e�

# 功能�(% 辨識�)% 檢測�3% 比對�4% 導引�

工業4%0製造智能系統架構�37

BIG!DATA!

工業4%0MEC功用以台塑網系統為例�

39

# 隨時掌控訂單處理進度a掌握即時生產資訊e�

# 降低在製品F9@庫存量e�# 協助控管及追蹤製程資料a提升良率e�

# 避免因品質異常而造失大量損失e�# 有效掌握機台的異動與生產狀態e�# 降低生產過程的資料收集成本a提升良率e�

# 突破生產前置時間的瓶頸e�

C5363 與行動裝置即時監控 �40

SCADA �]�N�£�

GM­"5=!

GM­"5=!

!!!!!!!!!

�nr�!U�/h!-iPad!

機器人在智慧工廠的應用�41

工業機器人應用�43

 lm供料� 加工� 組裝bBSuWNRKd精密d超t人類力量� 檢測� 包裝�

利用機器視覺及測試程式百百檢�46

 減少人為錯誤風險� 機器檢驗效率較人快� 機器檢驗)4小時n休息�

彈性製造�47

 機動調整機器設備, 做多樣生產（期望bl千樣）�  未來將達成即時機動規劃o轉換生產�

  36•印�

 NNOK參觀工研院時透露想以後製造左右腳n一樣大小但合穿的鞋子��

kd生產良率提升�48

# 利用機器精準視覺替代人為作用提升良率�# 利用機器人n會被情緒影響提升良率�# 利用大數據提升良率�

C@5現有的缺陷�49

 運作方式b抽樣看趨勢與異常�

 缺陷b� 抽樣錯誤� 發現缺陷晚�

大數據�50

 一般用在資料很多（@KUa等級量）的系統� 作法b�

  針對全體, 而非抽樣� 重關聯, n重因果�

 大數據的原理是用很多台伺服器分散式協同運算, 來達成用很多機器來分擔數據運算量�

大數據資料來源�51

(%  空氣d水排放資料�)%  廠務能源資料�3%  生管d品管d製程資料等�

�

工業4%0大數據用途-目標導向�52

# 異常判別�#  系統健康指數�#  設備失效程度�#  智慧化故障診斷�#  能源異常�

# 趨勢判斷分析 �# 主動預估產線各節點可能會遇到狀況�

# 預測�#  系統健康狀態預測�#  預先防：, 避免異常�

工業4%0大數據用途-資料導向�53

# 這w資料顯示出什麼可以改善的方向c�# 這w資料這w資料顯示什麼新商機c�