前言
德國工業4.0的概念從2011年開始擴散後,各國政府紛紛仿效,甚至提出各式「點零」政策,如南韓的製造業創新3.0戰略,還有台灣的生產力4.0發展方案;但追求流行不可能是各國政府一頭熱的主因,而是現實層面的「需求」讓人類不得不踏上第4次工業革命的道路。從供需的角度來看,就不難理解第4次工業革命早在2000年左右就已在美國生根:當時整個世界全球化的腳步開始加速,中國改革開放後興起的低廉製造業對美國本土產生很大衝擊,美國政府需要以「智慧製造」技術的發展作為因應對策。
智慧製造 (或工業4.0概念下的製造)所代表的是一種電腦主導下自主性永續獲利的製造流程;能用來執行這個流程的系統當時在美國概念近似網路基礎設施(cyberinfrastructure),如今更常見的名字則是虛實整合系統(cyber physical system, CPS);CPS不只能用在製造,例如,用在教育時便是一種使教學品質自主性進化的系統。CPS是軟、硬體、支援技術與人類專家合作形成的集合體,它將這些相關但分散的資源整合,以形成易於取得、有用、可用、可運算的數據架構,以達成持續性的系統進化;在CPS中,人類的角色會從現在的球員(實際執行者)變為教練(從旁協助的專家)。現今自動化製造與未來智慧製造模式的不同如表 1所示 (J. Lee, B. Bagheri, and H.-A. Kao, 2015)。
表 1、現今自動化製造與未來智慧製造模式對照
現今自動化製造 (工業3.0) | 智慧製造 (工業4.0) | |||
層次 | 規格 | 實現技術 | 規格 | 實現技術 |
感測器 | 精確 | 錯誤感知 | 自我意識 自行預測 | 老化監控與壽命預測 |
控制器 | 高性能 | 監控與診斷 | 自我意識 自行預測 自行比較 | 預測性健康監控 |
聯網工廠 | 高效率 | 精實運作 | 自我組織 自行建構 自營運 | 無慮製造 |
如同當年美國的遭遇,近期台灣面臨紅色供應鏈、勞動力老化、廢核後能源吃緊等威脅,開始對智慧製造有了需求,促使行政院跟隨德國腳步,提出生產力4.0發展方案。本文為呼應行政院生產力4.0發展方案,提出智慧製造技術的專利佈局分析,以期對國內產學研相關讀者之研發規劃有所助益。
一、 研究方法
圖 1揭示本研究專利分析流程:首先以智慧製造最上位的概念(如automation、smart manufacturing、industry 4.0等)作為關鍵字開始檢索、閱讀專利,了解智慧製造內涵;當找到用於實現智慧製造的子技術相關的新關鍵字時,則定義新的子技術分枝,並重新進行該項子技術的專利檢索、閱讀,多次遞迴,一層層深入,最後架構出整個智慧製造技術的專利佈局。
對智慧製造技術的發展而言,美國專利不論在內容或數量皆具有指標性意義,故本研究針對美國專利進行分析。比較各國在智慧製造相關演算法的研發佈局部分,則是透過Web of Science「主題」檢索欄位進行相關學術論文的檢索。
研究限制方面,專利或論文中的關鍵字可能有隱諱或以其他字詞表示的情況,上述情況對統計結果的影響在本研究中並無法完全排除。
圖 1、本研究專利分析流程圖
二、 結果與討論
專利閱讀與分析結果顯示,如同在前言所述,智慧製造是自主性永續獲利的製造流程,看到的相關專利不僅僅侷限於「狹義」的製造,而有關整個供應鏈的智慧化。智慧化的步驟包括:(1)在電腦的虛擬世界中進行供應鏈模擬。(2)將模擬的最佳參數導入真實世界供應鏈後,以電腦對真實供應鏈運作的結果進行運作分析;在虛擬世界的模擬往往基於對真實世界某種程度的認知,所以上述步驟(1)與(2)會依據情境而互換。(3)對將來(如產線維修時程或產品在市場上的時效等)進行預測並將供應鏈最佳化。
而整個供應鏈的分析、模擬、預測、最佳化所考量的是一個非常龐大的體系,從專利可以看到執行上必須仰賴各種演算法(圖 2),其中可分為3大類:(1)整體供應鏈所用的數學性最佳化(mathematical optimization),(2)狹義製造系統所用的分群演算法(clustering),(3)虛實互通所用到的有限狀態機(finite state machine)演算法。以下分別討論此3類專利。
圖 2、本研究專利分析結果所示之智慧製造核心技術架構;括號內為專利數。
1. 數學性最佳化
數學性最佳化是一種利用數學模型在數個選項中選出符合限制條件最佳方案的方法,相關專利包括分支定界法(branch and bound)207件、分支分割法(branch and cut)14件、列生成法(column generation)35件、拆解法(decomposition)116件、拉氏鬆弛法(Lagrangian relaxation)31件、巨集啟發式演算法(meta-heuristics)38件。如7212976號專利揭示一種利用分支定界法在供應鏈中從多個製造途徑中選擇適當途徑以符合規範的方法,規範條件如製造成本、訂單毛利分析、客戶價格容忍度等。9135581號專利則揭示一種利用線性規劃依任務優先度進行即時任務排序的方法。其將一組電腦運算任務轉化成一線性模型;該組任務具有一線性表達的目標、多個線性電腦運算資源限制、多個任務相依性。該線性模型被用於以分支分割等方法計算每個資源限制的未來情況所造成的預期價格,再以該預期價格找出任務優先度並進行任務排序;當一電腦運算資源空閒時,則將最優先的任務派發給該運算資源。8738417號專利則揭示一種在獲利比例(revenue coverage)隨產品組合變化的二維作圖上,以拉氏鬆弛法正確描述獲利比例與產品組合關係的方法。
2. 分群
對狹義的製造系統而言,實驗室裡可以不受時間、空間限制地把一台機器人的參數調整到最佳狀態,但實際把「調好」的參數「放大量」到多個機器人時,在工廠裡不同角落,甚至是全世界各洲不同地區去運作同一機器人做同樣的一連串動作時,就要因溫度、振動、溼度等因素微調參數。如何有效率的調整世界各個角落的數百台相同機器人,以產出相同產品(典範移轉)?從專利看到的主要解決方法就是利用統計、演算法,去進行分群。典範移轉的過程中,首先會在單一機器人上找到最佳(典範)的參數;零件會老化,所以典範參數會隨時間軸變化,包括同一台機器人從出生到老化、更換零件時機等資料。開始進行產品的生產時,要無時不刻去統計性地「分群比較」整個工廠的機器人。在看到的專利裡,相關演算法就集中在如何快速、節省軟硬體資源地進行分群比較。例如,某群機器人的參數統計值接近某個歲數的典範值,就歸入特定時點的典範,正常的就持續追蹤,老化的就排入保養名單;典範裡找不到的就累積資訊建立新典範(圖 3)。
分群方法相關專利包括匹配矩陣法(match matrix)17件、路徑相似法(trajectory similarity method)3件、各種隨機法(stochastic method)687件、自組織構圖法(self-organizing map)262件、高斯混合模型(Gaussian mixture model)689件。以8924162號專利為例,其揭露一種預測風力發電場中個別風力發電機壽命的方法,其中,考量參數包括外在環境參數、風機零件參數。可以想像自然環境中,同一風力發電場裡,每支風力發電機的外在環境參數變異很大;此專利將風力發電場中各風力發電機平均劃分入數個風力發電群,使得每個風力發電群間的外在環境參數平均值相近。如此可追蹤風機的老化到底是起因於自然環境或內部零件,並找出影響風機壽命的關鍵零件。此種矩陣式分析方法亦可用於工廠內的機台群,值得作為開發智慧製造技術時的參考。如20150324694號專利申請案有關利用路徑相似法分析使用者行為;其實,能用來找使用者行為模式的方法,就能用尋找工廠中機台的行為模式。該方法將收集的數據分群並以不規則多邊形的形式呈現,最後分析這些多邊形的幾何性質就能找出使用者行為模式。20150309492號專利申請案揭示一種自動化控制方法,其首先取得操作環境中工作單元的資料流,接著由取得的資料流判斷操作環境狀態,接著比較資料流判斷工作單元狀態,接著按照操作環境與工作單元狀態調整工作單元參數與整個控制系統;其流程中包括透過高斯混合模型找出正常工作單元工作模式作為典範,以預測環境與工作單元變化。
圖 3、利用分群演算法實現智慧製造系統之流程
3. 虛實互通
時至今日,絕大部分的情境中,人類可以輕易分辨電腦營造的虛擬世界與真實世界的不同;可想而知,虛擬製造至今無法確切描述真實製造的所有參數。如何將虛擬與真實世界的數據在彼此間快速轉換是智慧製造中的重要課題;例如,以電腦依照模擬結果自主性地向適當供應商採購、調整設備流程順序與參數等,又如,以電腦自主性地在虛擬世界正確描述真實生產線。專利分析的結果顯示,用於轉換虛實資料的演算法專利包括有限狀態機(finite state machine)1355件、抽象狀態機器(abstract state machine)15件、裴氏圖網路(Petri nets)859件、馬可夫鏈(Markov chains)812件等。以20140173546號專利申請案為例,其揭示一種用於半導體設備的狀態模型變化分析系統,該系統可以即時驗證有限狀態機,模擬在設備上發生的真實事件,並提供操作者分析結果。8010475號專利則揭示一種分散式工廠控制系統中,利用裴氏圖網路執行線上偵錯與迴避的方法,該方法能夠診斷錯誤並形成在將來能迴避該錯誤的控制規則。8510254號專利揭示一種用於製造分析的本體論模型式分析工具,其分析工具內含用於選擇可重覆利用分析計劃的馬可夫鏈分析計劃產生器;該分析工具更包含一將圖像化失效症狀擷取器,用來描述分析結果中所看到的失效症狀。
圖 4總結了本研究所觀察到的智慧製造技術發展趨勢:首先在供應鏈這個維度上,智慧供應鏈所運用的數學性最佳化演算法,使得每個層次的上游供應者能夠考量甚至預測下游客戶的需求與價格容忍度,以及自身成本,將訂價最佳化。在工廠從少量試產到大量生產的典範轉移這個維度上,智慧工廠所運用的分群演算法,使得不同外在環境中的相同設備能生產品質一致的相同產品。最後,在虛擬製造與真實製造轉換的維度上,透過狀態機等演算法在虛擬空間的模擬演練,大幅減低過去只能在真實世界透過試誤(trial and error)尋找製程參數所造成的物料、能源等資源的浪費。
圖 4、智慧製造核心技術發展示意圖
表 2就台灣、南韓、美國專利申請人(或論文發表者)的智慧製造相關美國專利及學術論文數量進行比較。比較理由:美國是科技發展最具指標性的國家;而過去同為亞洲四小龍的南韓,長期被台灣視為競爭對手,其表現備受關注,故將上述兩國作為技術發展的參考點進行比較。從表 2可發現,台灣在大部分領域的專利數量雖不多,但論文數約與南韓相當,甚至有更高的發表量,顯見台灣對發展智慧製造所要應用到的相關技術並不陌生而具有發展優勢。然而台灣的專利數與論文數兩者間比例,明顯低於韓國、美國甚至是世界平均(見表 2括號內數字的比較),暗示台灣的智慧製造相關學術研究成果較不值得透過專利保護,這引出幾個值得討論的議題:我國之產學研合作度是否比世界平均值來得低?我國學術研究布局的應用領域是否切合國家發展的需要?筆者在未來的研究中會嘗試尋找更多證據,進一步探討上述議題。
表 2、智慧製造技術佈局比較
美國專利數* | 全球論文數 | ||||||||
應用場合 | 演算法 | 台灣 | 南韓 | 美國 | 各國加總 | 台灣 | 南韓 | 美國 | 各國加總 |
智慧供應鏈 | Branch&bound | 5 (1.7) | 0 | 140 (9.4) | 207 (3.9) | 286 | 168 | 1492 | 5249 |
Branch&cut | 0 | 0 | 7 (2.9) | 14 (1.6) | 3 | 11 | 238 | 866 | |
Column generation | 0 | 1 (1.9) | 15 (3.8) | 35 (2.2) | 22 | 54 | 395 | 1565 | |
Decomposition | 12 (20.0) | 3 (8.1) | 54 (9.6) | 116 (6.5) | 60 | 37 | 565 | 1779 | |
Lagrangian relaxation | 0 | 0 | 21 (3.2) | 31 (1.8) | 90 | 66 | 653 | 1762 | |
Meta heuristics | 0 | 0 | 20 (9.4) | 38 (2.2) | 90 | 51 | 213 | 1750 | |
智慧製造 | Match matrix | 0 | 0 | 11 (220.0) | 17 (130.8) | 1 | 1 | 5 | 13 |
Trajectory similarity | 0 | 0 | 2 (50.0) | 3 (10.3) | 1 | 2 | 4 | 29 | |
Stochastic | 3 (37.5) | 5 (125.0) | 373 (245.4) | 687 (127.9) | 8 | 4 | 152 | 537 | |
Self-organizing map | 5 (2.5) | 7 (3.7) | 113 (20.7) | 262 (8.0) | 197 | 191 | 546 | 3293 | |
Gaussian mixture | 15 (11.9) | 50 (29.4) | 420 (48.4) | 689 (18.2) | 126 | 170 | 868 | 3777 | |
虛實整合 | State machine | 3 (4.7) | 11 (18.3) | 965 (271.8) | 1355 (105.7) | 64 | 60 | 355 | 1282 |
Petri net | 12 (5.6) | 17 (18.9) | 260 (39.8) | 859 (22.2) | 215 | 90 | 653 | 3861 | |
Markov chains | 3 (1.0) | 10 (3.0) | 600 (12.3) | 812 (4.8) | 313 | 331 | 4864 | 17092 |
資料來源:國研院科政中心
三、 結論
本研究進行了智慧製造技術相關的專利佈局分析,以期對國內產學研相關研發規劃有所助益。結果顯示:
(1) 實現智慧製造之關鍵技術在於資料分析方法與演算法等,研究方向依應用情境可分為:應用於智慧供應鏈(廣義智慧製造)的數學性最佳化,主要應用於(狹義)智慧製造的分群演算法,以及用於實現虛實互通的有限狀態機相關演算法。
(2) 關鍵專利不一定直接與製造相關,很可能存在於類似情境的專利,例如,用於預測風力發電場中風機壽命的技術,就可用於預測工廠中設備壽命;飛機中複雜電子零件與作動元件進行協作的相關專利亦可應用於智慧工廠;全球化的帶動下,機場的排程亦衍生出先進而可利用於智慧化工廠的排程技術。閱讀相關專利有助於啟發智慧製造技術之發明。
(3) 全球已有許多論文討論到智慧製造會用到的分析方法與演算法等,但相關專利數量遠低於論文數;這暗示我國產學研單位可持續從已被發表的論文中找尋靈感,在生產力4.0發展方案的推動下,實現第4次的工業革命。
參考文獻
- J. Lee, B. Bagheri, and H.-A. Kao. (2015). A cyber-physical systems architecture for industry 4.0-based manufacturing systems. Manufactruing Letters, 18-23.