富士康工業互聯網公司首席執行官鄭弘孟指出,要邁向工業4.0,必須透過工業物聯網整合產線數據、朝數位化轉型,才能推動產業升級。(圖片來源/鼎新電腦)

「未來更要從代工走向帶領工業的『帶工』,」工業富聯CEO鄭弘孟強調,這位在中國打造了6座熄燈智慧工廠,部署超過6萬臺工業機器人的關鍵推手,透露了鴻海更大的戰略布局。

鴻海集團以電子代工服務聞名,旗下富士康在各國工廠的員工合計超過百萬人,但隨著工業4.0浪潮襲來,鴻海也從2013年展開了轉型之路,以工業物聯網(Industrial IoT,IIoT)為重心,在2015年設立富士康工業互聯網公司(Foxconn Industrial Internet,FII,以下簡稱工業富聯)。

鄭弘孟近日在一場活動中揭露富士康的轉型戰略,包括如何發展工業物聯網的三大技術,以及實際應用的5C架構。

他指出,工業富聯的目標不只要打造集團內智慧工廠,更要為外部企業提供自動化、網路化、平臺化,且以大數據為基礎的科技服務,包括工業物聯網、機器人、精密工具、通信網絡設備、雲服務設備等。

工業富聯以大數據為基礎,結合AI、雲、霧發展IIoT

鄭弘孟引述研究數據,2025年全球大數據將成長十倍,其中70%來自實體經濟,尤其嵌入式裝置所產生的數據,將從2016年的16ZB,大幅成長至163ZB(Zettabyte),這些爆量資料來自智慧設施、機器人、RFID讀取器、穿戴式裝置等。此外,工業物聯網的資料大多是業者長久累積的結構性資料。「擁有數據的業者更有優勢。」他強調,這正是富士康成功轉型的原因之一。

在富士康工廠內,不只有百萬員工,還有7萬多部機器人、17萬數控工具機(CNC)和上百萬支監控攝影機,以及超過1,600條執行表面黏著技術(SMT)的生產線,產線上部署了超過10萬臺感測器。「所有數據累積成龐大資料,處理後再結合AI技術,就能產生有用的資訊。」鄭弘孟表示。

工業富聯正是以這些數據為基礎,來發展三大關鍵技術,人工智慧、雲(Fii Cloud)與霧(Fog AI),鄭弘孟稱這三項正是發展工業物聯網的3輛馬車。人工智慧用於數據彙整分析、建立模型、深度學習與模擬最佳化;雲端則用來支持服務、維運管理、分析與建模,也可提供服務元件庫等。而關於第三項,工業富聯去年11月首次提出了「霧小腦」的新概念,可用霧技術來快速彈性部署、即時回饋、加速機器學習、管理介面,也可用於部署虛擬運算平臺。

「要實際推動三輛馬車,需要應用5C的架構,」鄭弘孟解釋,由下而上,可以進一步分為智慧感知層(Connection)、智慧分析層(Conversion)、智慧網路層(Cyber/Cloud)、智慧決策層(Cognition)、控制與配置層(Configuration)。

首先,智慧感知層負責採集設備數據,並傳送至智慧分析層,經由實驗設計、資料探勘、特徵提取、維度降低與建立模型的流程來進行數據分析。

而在智慧網路層,則包含了霧小腦與雲端,霧小腦可以本地部署,利用邊緣運算技術來建立數據的關聯性,結合機器學習演算法,可用於預估工業生產的性能與容量。工業富聯則自己開發了一套生態系架構的雲端平臺,對內可用於生產預測、管理與維護,相關系統也都搭配了不同的工業App與應用軟體,同時推出了114種開發工具,可支援15類通用演算法模型。

智慧決策層與控制配置層,則可依據前述分析所得的資料,找出生產過程中需改進的問題,如監控設備來進行維修預測、智能調度優化產能,或監測品質改進預判機制等。

鄭弘孟表示:「採集數據是基礎,平臺是核心,應用是關鍵。」工業富聯將工業物聯網應用於工廠中,將廠內設備連接至邊緣運算與雲端,要改善表面貼裝、數控加工等產程。

他以烙鐵頭、吸嘴與車刀為例,來說明工業富聯如何運用5C架構。烙鐵頭是電子焊接的耗材之一,可以將電子元件固定於電路板上,也連接各個電子元件以達到電子訊號互相交流的目的,但烙鐵頭也容易因氧化造成焊錫不良,導致焊接品質下降、不良率提升,過去是靠人工目檢來辨別失效的烙鐵頭。

而目前,工業富聯利用5C架構,引進故障預測與健康管理模型(Prognostics Health Management,PHM),從智慧感知層先採集關鍵有效的資料,再經過智慧分析層的品質檢測與資料清洗篩選,進行特徵值趨勢分析。在智慧網路層則利用雲端監控,以時間序列分析預測焊點特徵值的趨勢。資料進入了智慧決策層後,透過PHM模型反映烙鐵頭的生命周期與健康值,透過App讓管理人員即時監控作業流程,還能用手機直接叫修。

鄭弘孟表示,使用PHM模型對烙鐵頭進行生命周期監控預警,不僅可以提高烙鐵頭的使用壽命,從平均可焊點2萬次提升至3萬次,耗材更換時間從1.25小時縮短至0.45小時,還能提高產品質量,如良率從97%提升至99.9%,甚至平均每年降低343.5萬人民幣的成本支出。

另一個同為耗材類的應用實例是吸嘴。在組裝作業流程中,需要透過吸嘴吸附微小零件,再裝貼到電路板。但吸嘴很容易變形、破損,導致無法吸料或取料角度不正而無法使用。為了維護吸嘴的正常工作,同樣須透過人力檢視吸嘴內濾網堵塞情況來進行清洗。

後來,工業富聯利用監視器取得8K高解析影像,建立了吸嘴壽命的預測模型,吸嘴的使用已經可以從2.6萬次延長至8.6萬次再清洗,降低了保養工時、更換工時與庫存費用,吸嘴壽命延長了25天,庫存量從平均2,200減少到800支就夠,產線的良率也改善至99.96%。

另一個案例是車刀。車刀是一種工具機,通常用來削切、研磨零件,若不慎故障就會停機,造成產線的延宕。儘管刀具的磨損會影響產品品質,但更換過於頻繁會導致浪費,太晚更換又會導致不良。

對此,工業富聯開發出車刀生命週期預測的模型,利用人工智慧來預測刀具壽命與評估機器建康狀況,及時發出維護預警來避免停機,實質降低了60%意外停機造成的損失。除此之外,同樣延長了刀具生命周期,也可以預測刀具庫存量。

「要做熄燈工廠太容易,無憂才是真正目的。」鄭弘孟說明,數位轉型目的在於減少浪費、減少工作與減少憂慮(Worry Reduction),其中,達到無憂化是最重要的價值。

透過烙鐵頭智能監控系統的導入,工業富聯不僅可以延長烙鐵頭的使用壽命、提高焊接產品的質量,也能大幅降低生產成本。攝影/翁芊儒

從代工到「帶工」,富士康用IIoT實現Vaas的理念

鄭弘孟表示,中國製造業的市場龐大,而工業雲計算、邊緣運算、大數據與AI等技術,正在改變製造業遊戲規則,IIoT的建構已成趨勢。

有別於傳統物聯網專注於人與人、人與物之間的資料交換,現今的工業物聯網連接人、感測器、生產設備與機器人等數據協作,結合大數據、AI與IoT感測設備、資料處理技術(DT)、平臺接口技術(PT)、分析軟體技術(AT)以及營運技術(OT),「讓產品從製程到服務端都更具系統性、快速性與傳承性。」

「轉型過程會產生新的價值。」他解釋,大多產線問題都是可見(Visible)的問題,是利用過去處理問題的經驗,來避免問題發生,但導入AI等新方法或技術,可以開始預測未知(Invisible)的問題,將這些資訊建立資料庫,可以形成新的知識影響更多企業。

「我們要從過去的代工性質走向帶領工業的『帶工』。」鄭弘孟談到,成立工業富聯,就是要將富士康40年累積的知識、關係與訊息,透過數位轉型來提升效能,也提供其他企業轉型的服務,他稱為價值即服務(Value As a Service,VaaS)。除了技術,他建議,企業要運用長期累積的專業領域知識,以及可證明第一代產品或服務有效的「證據」,才能創造差異化。

熱門新聞

Advertisement