雖然受到2020年延續美中貿易戰「灰犀牛」及COVID-19疫情「黑天鵝」雙重夾擊影響，卻也意外成為驅動全球製造業數位轉型動力，包含自動光學視覺（AOI）、人工智慧（AI）等非接觸科技不斷演進。過去曾一度被提及，利用工業機器人（Industrial Robot）為載台的AI.R.趨勢也可望藉此落實，帶來商業化契機。

根據工研院產科國際所於2020年「眺望2021產業發展趨勢研討會─機械業」場次上，發表對於全球製造業的看法，認為將主要受到兩大事件影響：「黑天鵝」係指出現機率極低，但一旦發生後的影響很大；「灰犀牛」發生可能性高，也有一系列徵兆，卻容易被忽略。

但兩者夾擊之下，已確實造成製造業重組全球供應鏈，必須備妥G2兩套標準分庭抗禮的時代，同時加快這波數位轉型推手並非CEO、CTO，而是COVID-19！依工研院產科國際所機械與系統研究組經理熊治民指出，因應疫情未止，製造業持續維護產線員工健康；國際旅行受限，工程支援成本增加；即時生產轉向韌性製造，供應鏈須多元布局並重新規劃需求。

圖1 : 全球工業機器人出貨量預估（2013-2022年）。（soruce：world Robotics 2019／IFR統計資料）

因此所衍生出來的多元應用，包含：導入自動化生產設備，整合工業機器人、自動導引車（AGV）、自主移動機器人等（AMR），減少不必要的人力需求；搭配AR/VR穿戴式裝置、機器視覺（AOI）、無線通訊（5G）等，持續觀測工廠人員健康狀態；透過工業物聯網（IIoT），實現機台或產線遠距監控、維運和專家支援。

進而透過數位模擬、邊緣/雲端運算、資料分析預測（AI/Big Data）、製造及營運資訊系統整合，建立貼近客戶，具競爭力的區域生產線、工廠，執行分散式製造；經由數位設計、積層製造及自動化周邊設備等，建立少量多樣製造關鍵零組件和批量生產能力，降低供應鏈中斷風險。

AI.R.應用架構成型　開拓智慧製造市場規模

根據工研院產科國際所整理IFR統計資料，自2019年全球工業機器人裝置量衰退12%（373k units）以來，分佈於各大洲裝置量均呈衰退趨勢。依KUKA預估2020年Q1淨利率負成長、YASKAWA獲利下滑7.9%；FANUC更預估2020年營利率，將較去年下滑21.3%、ABB上半年（Q1~Q2）衰退15%。

但隨著中國大陸、日本市場銷量已逐步回溫。倘若未來肺炎疫情不致捲土重來，估計2020年5~9月將是全球工業自動化（含機器人）廠商的營運谷底，在智慧製造趨勢引領下，審慎樂觀2021年後的工業自動化商機。

工研院產科國際所機械與製造系統研究員黃仲宏進一步解釋，有別於傳統工業自動化（Industrial Automation），僅按照人類要求而自動實現工業生產流程，從廣義上取代人類體力勞動，實現高效化、整合化、精敏化。到了2000年之後加入資訊處理與決策自動化，達成精確化、快速化、彈性化，用電腦運算能力來取代腦力；以AI取代決策力，滿足大量客製化需求。

預估2020年全球工業自動化市場，包含：工業自動化控制系統，SCADA、PLC、DCS、MES、ERP、資訊技術系統（PLM、MOM）；以及工廠自動化（儀器與現場應用設備），工業網路設備、辨識系統、工業機器人、伺服馬達、驅動器、電磁開關、感測器等規模約為1,293億美元，2023年可望達1,600億美元。

且由於近年來5G、AIOT、3D printing、機器人等創新科技進展，不斷加速工業自動化演進至下一個階段「智慧製造（Smart Manufacturing）」，與過去要求快速大量生產、即時送達客戶手上的理念不同。

進而利用5G連結、蒐集、整合，從設計到服務流程的各類大數據；以及雲端運算、資訊安全等先進的製造應用資通訊技術，使得制定生產策略支援即時決策的模式變得更智慧；最終藉由AI妥善處理複雜管理流程，達成最佳化生產、實現大量客製化，縮短上市時間（Time to Market）目標。預估結合上述智慧製造元素的全球市場規模，將從2018年的1,560億美元，到了2025年3,010億美元，年複合成長率9.88%。

工業人工智慧崛起　聚焦可實質獲益場域

黃仲宏強調，相較於過去人工智慧（Artificial Intelligence）是以擅長的辨識、分類、預測等電腦演算法，實現人類大腦的思考模式，讓人類製造的機器表現出智慧。工業人工智慧（Industrial Artificial Intelligence ,IAI），則專注於開發、驗證和部署各類不同的機器學習演算法，以實現可持續性在工業應用的系統科學。因此打造出可創造獲益的應用場域，並導入實際營運模式，例如工業用影像分析與品質管控、製程規劃排程及產品分析最佳化、機台設備故障診斷預測性維護，以及熱變位補償、精度提升等製程參數最佳化。

圖2 : 工業人工智慧（IAI），打造出可創造獲益的應用場域，並導入實際營運模式。（source:工研院產科國際所）

IAI在價值提升上，也從「數位化」階段的計算機化（Computerisation）、通訊連結（Connectivity），到了智慧製造+AI的「可視化（Visibility）」階段，可及時知道事件發生；透明度（Transparency），瞭解發生原因；預測能力（Predictive capacity），事先準備未來會發生事件；最終達到適應性（Adaptability），達到自主反應最佳化。如鴻海集團副董事長李傑定義落實IAI的目標：「即以物聯網的網路通訊、雲計算加上感測器技術，從巨量工業數據中分析關聯性，從而全面掌握領域知識與經驗，到不可見的未知領域。」

且因為現已難有單一領域廠商可通吃所有軟硬體，合縱連橫的趨勢越來越明顯，以提升競爭力。如今IAI生態系（1+1+X）不斷壯大，其中的「1」底層科技，係指自主開發的演算法及廠商會決定晶片發展；「1」須有運算能力足夠強大的AI專用晶片，來滿足複雜演算法需求；（X）投入到不同製造產業的各種應用。

投入不同產業應用　AOI形成串連AI.R關鍵

就目前應用領域而言，代表消費性電子產品與新世代移動載具仍將大幅成長，引領未來的產業趨勢動向。其中估計2021年全球5G手機市場滲透率會達到40%，出貨量將由2020年的2億支增加至6億支；2040年全球輕型汽車銷售量將達到1億2,200萬輛，電動車約占6,000萬輛，將成為每人繼NB、Smart phone之後的第三台行動電腦裝置。

除了工業機器人是汽車產業應用最為純熟的自動化設備，最現代化車廠的導入程度高達60%，每年投資70億美元以上，具有產業關聯性高、槓桿效應強等特性；包含FANUC、ABB、YASKAWA、KUKA、Kawasaki、Panasonic、Staubli、DURR、OTC、MITSUBISHI ELECTRIC共10大經典工業機器人公司的營收、獲利，都伴隨汽車產業在組裝、銲接、塗裝等領域應用成長。

同時吸引網通、車用半導體/感測元件、電子製造服務公司（EMS）等業者紛紛投入，對於智慧製造高效運算與通訊設備的半導體前/後段製程、車用高階電子零組件製程中，可提高產能和良率的AOI（Automated optical inspection）技術需求不斷增加。

黃仲宏表示，隨著無線通訊網路進入5G/6G高速傳輸時代，要求高效運算（HPC）裝置微型化，期待藉由縮小體積優勢，開創出更多應用需求，估計5G手機印刷電路板採用Anylayer HDI與類載板（substrate-like PCB）居多，2020~2024年ABF載板市場規模至少達7億美元，相關製程智慧化也帶來工業機器人應用商機。

由於ABF與類載板的製程品質提升，並適應多樣化產品生產的機器人、物聯網，於前段製程執行In-process檢測＋大數據分析立即回饋，確保品質，並搭配智慧決策系統、專家知識庫及資安解決方案；後段製程執行即時檢測＋填/疊孔、高階HDI雷射打孔的精度最佳化分析，有效回饋生產結果，提升品質及穩定性。

打造高彈性智慧產線　機器人及系統廠商競相整合AI+AOI

日系機器人大廠FANUC也挾機種量大齊全、容易整合優勢，不僅早在移動快速的SCARA機器人搭配自主開發視覺感測器2D CCD+Laser、3D Vision Package、3D Bin-packing sensor等，或是其他AOI大廠的硬、軟體產品，毋須外接運算伺服器或PC，即可進行2D補償位置/3D追蹤辨識等作業。

包含經常出現於高階3D AOI系統的散亂堆放及隨機取放應用的3D Bin-picking功能，只要簡單設定，劃設活動範圍，就能自行判斷、檢測、辨識物件，而不必在新增種類時追加教導設定，提高效率、縮短時間，適用於多樣少量生產。

FANUC且自4、5年前就與日本新創公司合作，利用深度學習技術（Deep learning）的應用軟體App，機器人從0開始學習自散堆中取出物件，再經過不斷累積數據一段時間之後，逐步提高成功率；接著可透過IoT融合與分享AI已穩定取得90%成功率的成果，同步提供多部機器人分散學習，縮短學習時間。

另有一項AI功能Error Proofing（良否判定），係屬於較低階的Machine learning（機器學習）技術，在導入品檢流程之後，未來使用者不必擔心視覺設定條件是否寬嚴不一，只要先針對物件照相辨別好壞，即可提供AI學習，利用類似FB人臉辨識功能，只要輸入新照片即可自動判別。不必再像過去須輸入數十或成千上百張照片，設定視覺特徵、條件，才能提升成功率到穩定可接受程度，可用於判別螺絲是否出現在設定位置或焊接處，或對人類是顯而易見差異，但缺點是無法判定是否掉漆、刮痕或尺寸不一。

此外，現今製造業為達到客製化、少量多樣的生產需求，產線頻繁更動已是必然趨勢，也考驗著工業機器人適應彈性生產的能力，滿足多樣少量、大批量客製化生產需求。協作型機種（co-robot）近年來日漸受到市場關注，主因便在於體積輕巧、安全，可大幅減少占用廠房空間、操作複雜度，以最短cycle time導入生產線，重新規劃夾治具配置，不必尋求系統整合商SI規劃；甚至搭配AGV組成AMR到處移動，能深入傳統機器人無法觸及的作業流程，負責較危險、勞累、重覆的3k工作，再將需要彈性者分配給人類員工。近幾年來協作型機器人高速成長，讓市調機構Kenneth Research預測最快在2022年，汽車產業協作機器人出貨和銷售收入每年成長43%。

但為了彌補協作型機器人先天在速度、精度不足，AI、AOI功能變得更為重要，才能被真正導入組裝、檢測應用。達明機器人可說是現今自帶視覺最具代表性品牌，市占率為全球第二。達明機器人營運長黃識忠表示，該公司主要訴求的品牌價值是差異化，設計理念是要滿足Smart、Simple、Safe要求，可認知並克服環境條件，符合ISO-10218/1506標準。

除了已內建2D視覺系統，讓使用者不必額外添購鏡頭、電腦等配件，即使未來視需求再外接2D/3D視覺皆可提高彈性、減少周邊裝置，比起市面上同級機種更方便產線整合；還能提供客戶在投資自動化流程的工具、分析方法等，經事先分析、評估、體檢，只要組裝過後進廠，簡易設定5min即可使用，不必特別聘請機器人專業工程師，會更有信心爭取訂單。

。

新一代汽車製造應用 導入數位雙生

圖3 : 達明機器人可透過機器人內建智慧視覺能紀錄各項檢測資料，達到以往人為檢測無法達到的資料保存與追溯功能。（攝影／陳念舜）

近年來達明機器人也正式打入歐洲、日本汽車大廠供應鏈，獲得在台灣市占率第一的日系汽車代工大廠在全球唯一使用AOI及AI能檢測解決方案的生產線最後一道關卡，用來品管檢測；並透過機器人內建智慧視覺能紀錄各項檢測資料，達到以往人為檢測無法達到的資料保存與追溯功能。同時獲德國馬牌集團（Continental）引進，以實現物件取放最佳化應用，協助提升旗下匈牙利布達佩斯廠自動化製程。

黃識忠進一步指出，該廠主要生產汽車的關鍵零組件遠端資訊處理控制單元（TCU），採用內建智慧視覺的達明機器人，不僅讓客戶節省安裝第三方相機的費用；更可透過達明的專利「TM Landmark」，拍照代表每個治具定位，當來料位置未固定時省下夾治具成本，且在換站過程中找回相對座標補償定位，只要補償6自由度，就能進入CNC工具機取放，完全不用coding；不必經過重覆教導，快速複製到不同工站，將大幅節省訓練機器人辨識點位和物件的時間。

最近還推出IoT管理軟體TM Manager（含SCADA），可自動連結生產線上數十部機器人及周邊設備蒐集資訊，建立Data base，再經由雲端進行大數據收集及監測。

值得一提的是，由於機器人要能被快速的導入應用，除了本身無論在編程、硬體配備或教導具備User-Friendly的設計之外，能夠迅速與設備、資訊快速串聯，提升與週邊的整合能力，也是決定其能否被快速導入應用的主因之一。

圖4 : 達梭系統可提供PLM/MES和Digitwins平台，讓機器人製造廠商進行各式各樣模擬及工藝流程驗證（source:達梭系統）

多年來致力於提供全球客戶3D設計軟體、數位模擬和產品生命週期管理（PLM）解決方案的達梭系統（Dassault Systemes），也善用其獨家3DEXPERIENCE體驗平台，依序協助客戶協同開發設計、數位模擬、數位製造、智慧工廠整合，實現數位雙生（Digitwins）目標。

達梭系統台灣分公司資深技術經理許欲生首先強調，該公司不僅未與硬體設備廠商競爭，還可開放納入ABB、KUKA、三菱工業機器人策略聯盟，提供PLM/MES和Digitwins平台，進行各式各樣機器人模擬及工藝流程驗證，整合多系統/機器、生產線上不同工站的組裝程序或cycle time、稼動率等，再行虛擬製造。甚至提供法人單位模組化套裝軟體app，協助資源有限的台灣中小企業，在開發產品之前模擬分析、最佳化，以快速拓展市場。