AI物聯網智慧自動化生產系統

自動化生產科技演變

隨著工業4.0及近年人工智慧的興起，精密工業與系統自動控制之複雜度上升，為滿足減少人力成本和提升產品質量，因此需要導入機器學習來使機器智慧化。而伴隨著科技日新月異的發展與人工智慧、雲端計算、大數據分析、物聯網的興起，人工智慧在機械加工與自動控制領域中皆佔有一席之地，其中不乏有對於改善生產零件之精度、準度、表面粗度與自動控制補償等相關研究之應用。由於機器學習的建模與影像處理需求日漸增加，相關軟體也都開發出更多元的套件提供使用者自行選用，大大提升使用者的便利性。 而本實驗室在原有研究基礎下整合了機器學習（ML）、技術AI物聯網（AI Internet of things, AIoT）、雲計算（Cloud computing），網絡物理系統（Cyber-physical system, CPS）的技術發展推進了智慧製造的關鍵技術。生產製造過程中的數據透過機台傳感器並藉由網絡傳輸資料至後端部署的機器學習（ML）技術進行智慧監控，同時預測其組件的可靠性和剩餘使用壽命（RUL），此模式為診斷和預防系統故障的健康管理系統(Prognostic and health management, PHM)。在過去的幾十年中隨著工業4.0與人工智慧（AI）技術不斷發展壯大，在故障診斷和預防系統故障方面，已有各種異常診斷和預測技術的廣泛研究指出AI在機械與數據科學之間跨領域的應用、相互進步與重要性。不過大多數的方法仍需要觸發機制，而觸發機制必須足夠智慧的辨析數據特徵，以利收集有關故障資訊、故障性質及其徵兆嚴重性，進而評估系統階段性能。這是本實驗研究重點: 診斷和預防系統故障的健康管理系統(Prognostic and health management, PHM)，其中也在國外知名期刊上發表不少文章。 另外，由於眾多感測器為基礎構成的物聯網以及大數據分析趨動了智慧工廠的發展，透過物聯網基礎架構的各種類別感測器接收操作環境的大量資料透過5G做資料大量傳送與即時分析，並對此大量資料進行分析，必要時引入人工智慧（AI）之深度學習來提高對資料判斷的準確性，進而對智慧工廠做更人性化的控制，這是未來本實驗之研究重點。 目前已有許多工業4.0智慧生產暨分析系統，其主要透過感測技術及物聯網相關技術來設計，如圖一。設備猶如是一條小型生產線，經由調整的分配/輸送帶、接合和分揀這些標準工作站組成。整個設備是聯網的，並且配備了多個 RFID 讀寫頭。設備會處理由 MES 系統所建立的訂單。在第一個工作站中，會對工件進行分離與進料，然後通過一個 RFID 感測器進行寫入操作。接下來的接合工作站會讀取這個 RFID 標籤，並且根據訂單決定如何處理該工件，並且將處理結果進行回寫。在最後的分揀工作站，工件將會根據保存在其上的資訊被分配到三條滑槽上，最後這三個工作站能夠獨立分開來支援我們自控系教學任務之安排。 

智慧製造課程安排

我們以相關感測技術、物聯網技術及RFID技術為基礎，來進行智動化生產系統之建置及智慧製造課程之開發，如圖二所示。 利用物聯網相關技術就能將資料獲取和追蹤這樣一來，就可以隨時瞭解產品的位置和狀態。現有的工作站可以通過 RFID 模組在專案作業中進行擴充。這樣就可以增加更多的教學內容，並且可以為滿足上課目的，擴充出更大的生產設備，如圖三所示。 最後這些未來皆能產生各式各樣自動化生產系統，使用物聯網相關技術就能獲取資料和追蹤產品。這樣就可以隨時瞭解生產之產品的即時位置和狀態，如圖四所示。

工業4.0智慧製造網路架構與角色。