Skip to main content

人工智慧

徹底改變廠房的工業運作方式

工業運營

有潛力讓廠房工業製程加速,並且更安全也更永續的新工具很多,其中包括邊緣運算和數位分身。然而,伴隨著這些效益而來的難題包括,弭平 IT/OT 落差,以及用先進的技術搭配舊式基礎架構。

工業製造解決方案供應商西門子的工廠自動化執行長 Rainer Brehm,討論了這些工業趨勢與轉型。他談及標準化、自主 AI,以及包含西門子本身的使用案例。他從 1999 年就效力於該公司,持續親眼見證了這個領域的演變,以及接下來可能的發展。

工業領域在 2023 年及往後的趨勢走向如何?

在我們看來,結合數位(亦即模擬模組、數位分身)與真實世界是未來的趨勢。基本上,只要事先模擬一切,然後執行就可以了。備妥回饋迴路。先從作業取得即時資料,然後將它回饋至數位分身,接著就可以進一步將資料最佳化。善用資料極為重要,因為雖然 AI 尚未在廠房蔚為風潮,但是由於資料越來越唾手可得,AI 將會在廠房逐漸風行。

另外,我們還注意到軟體定義的控制方式,或是軟體定義的自動化。目前,幾乎每樣東西都與硬體搭售,但是日後分開銷售和虛擬化的比例將越來越高。

最後一個重點則是,回顧廠房時我們發現,使用這些複雜技術的人,依舊是機器的操作者。這些人雖然不是 IT 專家,但依舊必須能夠操作與維護生產線、機器和基礎架構的機器設備。因此,我們必須面對以人為本的自動化這個議題:我們怎麼做才能讓過程儘可能簡單?

達成工業 4.0 的目標必須克服哪些難關?

我認為過程必須動用多項技術。然而,他們並未擴充的原因在於,OT 與 IT 人員的溝通方式截然不同。即使是在我們公司,身為 OT 人員的我也能感同身受。談及連線能力時,我想到的連線對象是真實世界、設備、感應器與硬碟等。IT 人員談及連線能力時,腦中浮現的連線對象則是資料庫、雲端與資料湖。客戶的體驗,我們在公司也感同身受。IT 部門與 OT 人員之間的落差仍未消弭。OT 人員負責定義如何自動化、如何架設設備、如何設置生產線,以及如何如何透過維護的方式最佳化。

那麼您如何整合溝通方式?雖然重點可能在於用字遣詞,但是舉例來說,可能與如何為 OT 整體環境制定計畫有關。我們引進了全新的程式設計環境,名為 SIMATIC AX (Automation Xpansion) 擴充套件。之所以稱為擴充套件的原因在於,它為 IT 人員拉近了與 OT 界的距離。

整體環境的異質程度也非常高。很多機器使用的語言都不一樣,因為機器是出自不同的廠商之手。由於沒有標準,因此其實無法擴充。標準是擴充的必要條件。這項必要條件甚至適用於新機器、新廠擴建,不過就連既有廠房擴建也需要有標準可循。工廠一般至少運作 10 年,多半運作 20 年或 30 年。如果是能源產業或化學產業,工廠或許會運轉 40 年。

邊緣與 AI 問世,如何使得工廠自動化的過程複雜化?

論及廠房的邊緣運算時,條件更多。所謂的即時,可能只有微秒之差。請試想,在速度飛快的流程中,一微秒可能發生很多事情。如果回應速度不夠快,那麼可能會懷疑機器有問題,或是可能得出不同的結果。因此,即時是非常重要的議題。

其次,如果想在廠房部署 AI 工作負載,並且希望它以極快的速度回應,那麼關鍵則在於這個 AI 工作負載必須有緊鄰機器的推論,而原因則單純在於光速。另一方面,AI 最好能與實際過程頻繁互動。基本上,您必須干涉這個過程,因此最好採用緊鄰機器或生產線的近距離配置方式。此外,您還必須從過程中擷取資料,然後回饋至 AI。

我可以舉個例子說明。我們在漢堡市的工廠,每天約產生 10 TB 的資料。儘量不要將那 10 TB 的資料傳送至雲端,讓資料留在資料來源才是明智之舉。這個作法或許有別於傳統的 IT 現況。但是除了新增即時功能,我們還必須加入安全措施。

這一點與自動駕駛有點類似,因為安全措施對兩者而言都是極為重要的一環。請試想,在汽車業推行自動駕駛時,將看到小朋友跑到街上時是否該停車的決定,交給雲端並非是明智的選擇。直接在車上儘快執行那個反應才是上策。機器也同理可證。如果印刷機故障,而且有人的手指夾住了,應該立刻停機才對。您需要的是那種光速反應。

但何不未雨綢繆呢?1999 年我開始在西門子工作時,自動化的工作內容基本上重複性質都很高。大量生產非常適合自動化,因為量產有很多重複性質的工作。或者也可以將可預測的工作自動化。基本上,可以只將已知的部分自動化。

雖然 AI 已經用於將流程最佳化,但是難道我們不能也利用 AI 打造更自動化的工廠嗎?我們該如何利用 AI,讓機器或機器人自行決定該怎麼做嗎?也就是說,AI 不僅能將流程最佳化、將工程設計最佳化及強化,實際上還能操縱機器人、機器與生產線。將 AI 應用於那個用途令人非常雀躍,因為它開創了全新的自動化領域。

西門子有哪些使用案例能夠當成這些解決方案的實際示範?

先從我們的廠房說起;我們自己也採用了用於客戶廠房的解決方案。我們位於漢堡市的廠房,正是 IT/OT 運用 AI 的使用案例。印刷電路板生產線的產量極高,而且將零件放在電路板的過程也很複雜。我們過去通常會在最後以 X 光檢查印刷電路板,而且始終遇到瓶頸。因此,利用 AI 之後,現在我們能預測每塊印刷電路板品質是否優異,也可預測每部機器是否有極高的可能性不會發生品質問題,將印刷電路板送去 X 光機的作法已經淘汰;現在印刷電路板會略過 X 光機,直接送去進行最後組裝。

另一個例子則是基礎設施,也就是隧道自動化。開車行經阿爾卑斯山或洛基山脈的隧道時,哪些隧道極有可能是由我們的 PLC 所自動化及控制。為了偵測隧道內的緊急情況,例如是否塞車、是否發生火災,現在我們利用 AI 的情況越來越多。如果需要快速回應,該如何從隧道疏散?如何開啟或關閉通風孔或燈光?

再以工廠為例,我們目前採用即時的彈性抓取方式,將物品從盒子中取出。AI 會指示機器人抓取哪個部位,完全不必用需要抓取的物品訓練機器人,也不必為機器人編寫程式。我們會訓練機器抓取的技巧。基本上,只要夾爪允許,機器人能抓取任何需要的物品。因此,有了那項抓取技巧,我們能開始將未知或無法預測的動作自動化。

我的最後一個使用案例雖然目前尚未實現,但卻是目前投資的標的:未來是否可以將維修自動化?以汽車電池為例。未來或許可以將汽車開去保養廠;電池取出後發現有缺陷,接著系統能自動偵測問題所在,然後自動修理電池電芯。這也算是將未知的過程自動化,因為每顆電池都獨一無二。是否能利用 AI 將那個過程自動化?因此,幾個令我十分雀躍的使用案例,將會在未來產生影響。

請跟我們聊聊合作夥伴關係的價值,例如與 Intel 的夥伴關係。

我們大概與 Intel 合作了四十多年。為了實現低延遲功能的過程,尤其是針對必須在微秒內採取行動的工作負載,我們在 2012 年展開了 TAP (Technology Accelerator Program)。成果極為豐碩,並且幫助我們在控制器採用 Intel 晶片。

我們目前正就供應鏈危機與 Intel 合作。因此,多虧了 Intel,雖然我們或許無法滿足客戶的所有需求,但我們能儘量達成那項目標。

機器視覺應用是耗用大量運算能力的工作負載。為此,我們將推出採用第 4 代 Intel® Xeon® 可擴充處理器的全新產品組合。這個產品組合可望在 2023 年中上市。那個全新的產品組合完全能解決廠房的需求,非常令人興奮。

最後有任何結語跟我們分享嗎?

首先,我深信,沒有自動化、電氣化和數位化,就沒有永續發展的未來。因此,我們與 Intel 的合作對未來貢獻良多。第二,我認為,隨著我們將無法預測的個人化工作負載自動化,自動化領域的範圍將進一步擴大。第三,我們必須儘可能讓這項技術易於使用,OT 人員才有辦法操作這項複雜的技術。

相關內容

若要進一步瞭解工廠自動化,請觀賞達成工廠自動化:利用西門子的技術。若要瞭解西門子最新的創新技術,請用 @Siemens 在 Twitter 和 LinkedIn 追蹤他們。

 

本文由 Erin Noble 編審。

作者簡介

Christina Cardoza is an Editorial Director for insight.tech. Previously, she was the News Editor of the software development magazine SD Times and IT operations online publication ITOps Times. She received her bachelor’s degree in journalism from Stony Brook University, and has been writing about software development and technology throughout her entire career.

Profile Photo of Christina Cardoza