真正的“工业智能”该如何实现？

实现“真”智能第二步：无缝沟通

数字化信息是实现智能工厂的基础，亦为“工业智能”的重要关键之一，但是，收集不同来源的异质信息时，这些信息人类如何能懂？机器与作业员之间如何无缝沟通？工厂设备与AI/机器学习系统如何“交心”？随即衍生新挑战。

该如何让工厂内部的人机与系统无缝沟通，着实是个“大哉问”。起因在于，各家厂商皆想“独霸一方”，导致各家产品说着自己的语言；另外，AI模型的开发者必定都是IT背景，因此在告知机器该做什么事，例如怎么告诉摄影机取得所需的影像，供AI模型进行分析，若无共通的语言，得花许多心思弄懂该如何和机器沟通，否则很难成功“使唤”机器，何况是有点年纪的老设备。

从新到旧来看目前机器设备内置的通讯接口，林昌翰说明，现今最新的工厂机台多内置以太网络，以及明年将可看到支持时效性网络(TSN)的设备；中期或是近期较新的设备采用串行接口为主，以RS232/485占多数，但目前有业者计划从RS485转为以太网络，扩展数据传输距离；至于最老旧的机器则是透过Remote IO与数字IO(DIO)作为接口，有些甚至没有建置通讯接口，因此需另加传感器将利用三色灯显示状态的机台，转为数字化的信息。

为达成智能制造，工厂信息得先一切透明化、数字化，然而，面对这么多种的通讯接口，萧世杰指出，可透过工业计算机(IPC)统整不同的“语言”。他进一步解释，导入智能工厂常会面临的问题是兼容性问题，因为不同的硬件可能使用不同的平台或数据库，必需透过工业计算机内置的软件整并机器间与人类共享信息的协作。如此一来，工厂数字化所产生的大量数据，透过AI数据分析，及时诊断产线状态，即可提供优化的产品制程路径；最后，管理者透过这些信息进行改善制程环节，提高质量产能。

瀚达认为，要建构工业4.0环境，实现人机无缝沟通的工业智能，势必要有智能物联网网关(IoT Gateway)，成为厂在地(OT)跟云在天(IT)之间的桥梁。由于制造现场的设备种类非常多样，有些传感器所产生的数据非常复杂，但也有传感器只会产生电流输出之类的简单数据，加上还要考虑不同的通讯方式，因此可透过智能IoT网关作为沟通桥梁。

艾讯则提出，应制定一个以网络为架构或以因特网为基础，让跨产业、跨厂牌、不同的装置之间，可以通讯与控制的标准。现阶段这种“各自为政”的复杂沟通情况，才有可能解决，进而协助企业顺利打造智能工厂，目前也有一些企业或是组织在推动工业统一性标准。

艾讯并表示，现阶段机器间的通讯有可能会成为未来统一性标准的是OPC UA。另外，诺基亚(Nokia)制定 Future X for industries的策略架构，尝试让跨产业的机器、设备等之间互连。萧世杰认为，智能工厂势必会透过行动装置控制，因此整合行动装置，如平板、手机、笔电等可以直接控制前端动作，达到端到端(end-to-end)应用；而机器间的通讯协议主要有MTConnect及OPC UA两项开放性标准。

林昌翰指出，除上述机器间的通讯协议外，连接云端、并基于ISO标准协议的MQTT，近期在工业市场上也相当火热；但若是考虑到成本，亦负责机器间通讯的M-Bus，也因成本较低，仍获得许多厂商青睐。

另外，传感器与微控制器(MCU)组件的沟通，目前也有出现新的接口。意法半导体(STMicroelectronics；ST)亚太区资深营销经理陈建成表示，现阶段传感器与微控制器或处理器间传输数据的接口是SPI或是I2C，但随着数据量越来越大，SPI和I2C的传输速度逐渐捉襟见肘。因此在智能型手机处理器已内置的I3C，其高于SPI速度的特性，可望在手机处理器供货商如高通(Qualcomm)、联发科(MTK)等开发出针对工业应用的处理器，并待I3C接口价格更加合理后，有机会将应用领域延伸到智能工业市场。

不仅如此，意法半导体也与其他合作伙伴携手推动传感器和致动器标准化输入输出通讯技术IO-Link(IEC 61131-9)，该接口并非现场总线(Fieldbus)技术，对于线材亦无额外要求，因此可能被选为工业4.0标准通讯接口。陈建成透露，IO-Link为传感器与PLC控制器间数据传输的接口，在欧洲的接受度已很高，但由于成本较高，在亚太区仍未广泛被采用。

由此看来，为实现工厂内部无缝沟通的目标，众多标准似有渐渐收敛的状况。但最后哪项标准能成为业界唯一，则仍需时间观察。Maxim资深FAE高义达表示，智能工厂很难出现单一标准，毕竟“群雄争霸”，谁也不愿意分享自家know-how，因此短时间内，很难有最后的胜利者。

实现“真”智能第三步电子组件、软硬件配合

智能工厂或智能制造架构中，生产工具数据的收集需要传感器；数据分析处理得仰赖处理器；节能方面则需电源管理IC…等电子组件协助。艾讯表示，工业智能并不是单一存在的技术或应用，而是有预期目的性的整套系统设备，包含自动控制机器、各种传感器、运算加速装置、数据存储设备、互连网络、数据分析软件、数据库管理软件…等。因此要实现工厂智能，相关组件与接口设备的搭配、协助，也不可忽略。

·微控制器/处理器：举凡工厂前端生产机具的马达控制到网关这一段，微控制器在其中扮演不可或缺的角色。意法半导体亚太区资深产品营销经理杨正廉说明，工厂作业机台、机械手臂…等各式各样装置内部，皆需透过微控制器执行该做的动作或是整合传感器收集到的信息；不仅如此，工厂生产设备间或是与网关间的沟通，无论采用有线以太网络/CAT，或是无线技术，如Wi-Fi、LoRa、Zigbee…等或正在起飞的NB-IoT，也都需要微控制器的协助。

近期AI与机器学习技术进入工业领域，对于处理器的运算力需求高涨，但运算能力越高的处理器相对需要更多的能源，促使边缘运算概念的兴起。杨正廉表示，为分担处理器的运算负载，在边缘端的装置若可以先对数据进行筛选，势必能减轻中央控制中心或云端服务器处理器的运算负担。因此，目前微控制器内部也开始整合较为简单的AI模型，执行数据预分析、处理的工作，以及达成预防提醒的功能，使工厂设备能够提升其寿命与安全性。但微控制器内置的简单AI模型并不具备学习的能力，若要执行机器学习或是更庞大的AI模型，仍需藉由处理器的能力。

杨家玮表示，由于AI需要较高的运算能力，因此GPU、CPU及FPGA需要具备较强的处理效能，以建构满足AI运算需求的工业计算机或是云端数据中心服务器。

·传感器：负责收集信息的传感器，在构筑工业智能中，不仅只是收集、传递信息，还需要具备其他特性。陈建成指出，工业环境中的传感器需具备稳固性与低功耗特性，更重要的是高准确度。由于传感器要负责“监控”机器设备的工作状况，以免发生停机风险，因此传感器分辨率越高、可侦测范围越广，就越能巨细靡遗、更真实的感测到机器的各种样貌，协助后端分析平台更正确地判断生产设备的健康状况。

值得注意的是，受到边缘运算的影响，传感器亦开始导入简单的AI能力。陈建成认为，具备简单AI的传感器可先行过滤“垃圾”信息，以作为后端AI运算辅助，也能减轻网络传输庞大数据的负担，还能进一步节能。

·存储装置：若以人体来比喻，AI如同大脑、生产设备就像四肢、通讯接口有如神经…而存储装置就如大脑中的记忆、回忆区，需要各个时间点的信息时，就必须到存储装置中寻找；而有更新或是最新的数据时，也需存储以供AI/机器学习系统取用。

智能工厂战情室与工厂端相关设备架构图。(图片来源：Apacer)

曾元鸿表示，前端机械手臂与生产设备的状况利用传感器撷取，相关资料传送到基于PC的控制中心处理分析后的信息，再成为指令回传到微控制器让机器动作，此一循环内所产生的各种有用数据都需要被存储。因此工业用存储装置，如固态硬盘(SSD)，需要有快速写入与读取、较长的使用寿命、能在严苛的工业环境中使用、符合工规宽温范围运作需求，以及具备高存储容量。

而为配合基于PC的控制面板或工业计算机、服务器外型的限制，工业用存储装置也已走向轻薄、无风扇及模块化。甚至为了不因存储装置出问题而使工厂停工、降低不必要的成本投资，因此透过软件、韧体，用户能掌握工业应用端实时数据读写活动与系统运作状态，更精准分析使用行为与环境应用需求，协助用户优化系统资源分配，进而挑选最适合的工业级存储装置。