智能制造不仅是制造效率的提升,更是制造管理思维的转型,既然是思维转型,那过程就不会只是单纯硬件的革新,软件的升级亦是重点,例如利用边际运算技术来提升硬件的效能与处理能力,再利用数据处理、AI分析软件工具来进行数据的筛选、萃取与优化,软硬整合在制造领域中更显重要。
因此,投入智能制造的厂商分布更是贯穿整个产业链,包括国际大厂英特尔(Intel)、赛灵思(Xilinx)、微软(Microsoft),台厂中的研华、上银、泓格等也都积极投入这项领域,不仅显示出软硬整合的重要性,也带动智能制造2017年至2020年产值年复合成长率达12.5%。
智能制造集成导入方案成发展趋势
事实上,智能制造兴起之际,许多厂商便希望透过智慧化来解决自家问题,但却发现很难从市场挖掘出适合自己的解决方案导入,甚至必须寻求智能制造架构中各环节的解决方案厂商,自行整合成一套适合自己的导入方案,结果产生整合难度高、成本快速垫高的现象,导致厂商对于相关投入的疑虑。
拓墣指出,市场上已有西门子(Siemens)、通用(GE)、施耐德(Schneider)等解决方案厂商积极推出整合型工业物联网平台,试图解决大架构中整合难度高的问题;目前亦有较偏向设备端的厂商推出一站式到位或兼容性高的解决方案,让客户能够顺利的串接软硬件与更上层的云端服务。
在过去几年,智能制造的愿景似乎难以达成,主因在于技术、架构的分散与整合不易;但随着通讯技术(如Time Sensitive Networking技术)、软硬件演进、边缘运算、云端服务(如Hybrid Cloud)以及整体框架(如IIC的IIRA架构)在这两三年逐渐成熟,智能制造开始有较稳健的发展轨迹。
上层的云端厂商开始将服务往底层设备端渗入,来强化对于硬设备的掌控力;而设备端则是试图完善底层的硬件部署环境,进一步提升信息的统整程度,有助于接入云端时的便利性与管理能力。整个发展过程将会让云端与设备端逐步串接,衍伸出的整合型管理模式则会是往后智能制造的重要目标。
由于整体架构复杂,转型的过程必须循序渐进,投入亦不会只有短期投入,而是长达数年的持续推进,因此投入成本往往高达数百甚至数千万,企业必须很清楚地了解自身的核心问题为何,才能逐步落实数据整合、升级革新既有制造流程,甚至是商业模式的变革。