最近這幾年，全球射出成型設備市場格局呈多極化分佈。其中，日本和德國射出成型設備產業居於前列，在全球射出成型設備市場競爭中佔據較大優勢，北美及日本的精密、大型射出成型設備，因含有高技術和高附加值而具有強勁的競爭力。

在2017年的日本射出成形設備市場，無論是在出貨數量，或者是設備AI化，都取得相當大的成果與進展。根據日本塑膠機械部會的統計，在2017年的日本國內射出成形設備生產量為15264台，和2016年相比，成長了將近20%。

全球各地塑膠射出市場成長逾2位數

就以全球市場來看，日本整體而言，是令設備業者相當滿意的。而日本以外的海外市場方面，美國和墨西哥也都有不錯的銷售成長，其中在大型的射出成形設備採購數量，更是有讓設備業者深深感受到投資力度，此整體美洲的市場也看不出來有受到大環境的不良影響。

在亞洲方面，最受注目的是中國市場，雖然目前在全球汽車塑膠複合材料上，所占的比重不到8%，用量遠遠低於其他國家。然而，隨著汽車輕量化需求的上升，汽車塑膠製品覆蓋範圍愈加廣泛，未來汽車塑膠市場的需求將不斷擴大。

並不是只有中國市場呈現欣欣向榮，印度的工廠對於射出成型設備需求規模也不小，此外，東南亞和泰國等，因為在當地有為數不少的汽車製造相關工廠，因此對於設備的需求也逐漸穩定成長中，不過由於東亞的政治安定度還是存在一定風險程度，因此射出成形設備業者仍舊期待美國能夠降關稅來刺激設備的投資。

在歐洲市場部分，根據EUROMAP的統計，2017年整體市場規模達到了13500台，與前一年度相比成長率約為15%左右。因此，就全球整體來看，射出成形設備市場都仍舊維持著成長的態勢（圖1）。

圖1 : 就全球整體來看，射出成形設備市場仍維持著成長的態勢。（source：u-machine）

汽車EV化帶動大量塑膠射出成型品需求

而接單射出產品別的部分，下游產業將從一定程度上影響射出成型設備市場規模的變化。其中，塑膠製品使用數量的增多，將會進一步擴大射出成型市場的規模。射出成型設備下游的應用行業主要涵蓋了汽車、家電、3C行業等多個領域。

因此除了傳統電子產業需求以外，出現一些意料外的射出產品需求，在新興科技產業的3C產業中，塑膠的超輕化、柔性化等特性，使其在3C產業中廣受歡迎。例如電動車對於塑膠射出的需求正在急速擴大中，因此已經開始出現射出成形設備交貨延遲的現象，以歐洲為例，泛用型設備的交貨期更是超過半年。

就如前述，汽車的EV化，帶動了大量塑膠射出成型品的需求，包括攝影鏡頭、感測器所需要的連接器、外殼、鏡頭等，這些都是在2015年以前無法預期到的。

在中國市場部分，根據統計，2018年第一季，中國電腦、通訊和其他電子設備製造業固定資產投資累計同比增長了15.4%。根據中國市調公司預測，至2020年，中國汽車塑膠總用量將達832萬噸，複合增長率為37%。

在2017年成長規模部分，收到的訂單量和2016年相比，成長率達到34.5%，這個成長幅度已經超過雷曼風暴前的市場狀況。

透過AI能力對塑膠射出成型設備進行故障預測

在技術進化方面，隨著工業4.0與人工智慧理念在全球不斷發酵，射出成型機使用者的需求已漸漸由單機演變成附加模具、週邊系統，甚至是整線或整廠規劃，並透過虛實整合系統（Cyber-Physical System, CPS）達到設備自動化、數位化、聯網化，讓使用者擁有更精密的運籌計劃與有效的資源分配。

住友重機械工業和NEC共同利用AI技術，合作開發出塑膠射出成型設備的故障前預測。在這個研發過程中，是在住友重機械工業所開發的塑膠射出成型設備中，安裝了各式的時序感測器，來探知成型設備中滾珠螺桿的正常與損傷時的狀態差異資料，從這些資料中再進行分析，判斷出塑膠射出成型設備是否即將出現故障（圖2）。

圖2 : 住友重機械工業和NEC共同開發出塑膠射出成型設備的故障前預測（source：住友重機械）

透過感測器所獲得的正常與損傷狀態下各種時序資料後，再透過NEC技術群「NEC the WISE」下其中的「RAPID機械學習」進行分析。

在「RAPID機械學習」模式下，1500筆的數據集（Dataset），能夠在約20分鐘完成學習，也就是說，學習每筆數據集（Dataset）大約只花費約0.4秒，因此在這個技術模式下可以完成高精度判定的作業。

透過大數據與人工智慧分析，有效監控逆流防止閥磨損狀況

不只住友重機械工業和NEC利用AI技術來研發新一代的電動射出成型設備，站在設備業領導地位之一的FANUC也開始在自家的塑膠射出成型設備上增加了AI技術，利用AI技術中的深層學習技術，來達到設備預防和保全的能力。

其實，早從2015年開始FANUC和日本Preferred Networks公司，雙方就針對如何將機械學習靈活應用在產業用機器人上展開一系列的技術合作。更進一步的，在FANUC對Preferred Networks進行9億日圓的增資後，雙方合作的內容更為密切與廣泛。例如在2016年，FANUC、Preferred Networks、Cisco Systems、Rockwell Automation就共同發表了基於IoT平台的人工智慧應用系統「FIELD system」，將人工智慧和IoT的機能予以平台化，讓開發者更容易導入各種生產設備之中。

這次FANUC所成功開發透過人工智慧能力，基於「AI Back flow Monotor」技術平台，具有保全和預防能力的電動射出成型設備「ROBOSHOT α-SiA 系列」（圖三）。FANUC的「AI Back flow Monotor」技術平台具有多元化的預測和分析能力，包括射出成型設備中的消耗性零件、逆流防止閥（Check valve）的耗損狀態，都是透過深層學習的方式來進行評估與預測，並且在消耗性零件損壞之前，設備就可以自動發出通知。而針對逆流防止閥（Check valve）的部分，由於隨著使用時間增長，逆流防止閥會逐漸磨損，使得間隙愈來愈大，最後難以避免的出現射出材料逆流的情況。

但是透過基於人工智慧深層學習所開發的分析技術，可以將感測器所獲得逆流的波形資料，透過智慧深層學習技術加以學習與進行分析，來對逆流防止閥的磨損狀況進行紀錄（Scoring），再從磨損的紀錄（Score）來推算出曾經是新品的逆流防止閥，已經出現多少mm磨耗，並且還可以使用多久。

圖3 : 具有保全和預防能力的電動射出成型設備「ROBOSHOT α-SiA 系列」（source：FANUC）

在過去，射出成型設備內樹脂的逆流狀況，都是必須由操作員透過波形資料變化來進行觀察和判斷，並且推算出磨損狀況，以及必須更換逆流防止閥的時間。但是，如果能夠透過人工智慧機制，將逆流防止閥的磨損觀測作業予以自動化，就能夠讓生產運作達到最佳的狀態，不至於因為零件的損耗，導致高速運轉的設備出現生產中斷的情況（圖4）。

圖4 : 透過人工智慧機制來進行觀察逆流防止閥，並且推算出磨損狀況，以及必須更換的時間。（source：FANUC）

對於射出成型設備中的逆流防止閥磨損，會因為材料、生產的產品規格、工廠環境等不同的條件或變數，而出現不一樣的問題或磨損程度。但是一般而言，操作員沒有辦法將逆流防止閥拆下來檢查磨損狀態，不過，在過去能力熟練的技術員可以透過豐富的來做預測，除此之外，大多都要等到出現材料逆流時，才會發現防止閥嚴重磨損而停止作業進行新品更換，但是如此一來就會造成生產線停止而造成損失。

射出成型工廠也自行導入人工智慧化

不只設備業者相競的導入人工智慧功能，連使用設備的工廠也對本身所使用的設備開始進行增加人工智慧的功能。位在石川縣加賀市的石川樹脂工業，面對AI潮流推動下，也開始針對目前所使用的射出成型設備進行人工智慧化。收集整合工廠內超過30種以上現有射出成型設備的生產數據資料後，並且予以系統化，對大量的加工進行數據分析，將過去只能依賴經驗豐富的技術者的生產技術，轉換成為可見化的生產參數，來達到降低生產成本與減少不良品。同時，石川樹脂工業也同時開始向客戶提供各種最佳生產客製化服務（圖5）。

圖5 : 面對AI潮流推動下，石川樹脂工業也開始針對目前所使用的射出成型設備進行人工智慧化。（source：石川樹脂工業）

除此之外，由於每一家工廠生產產品的規格與種類差異性相當的大，因此僅僅依賴射出成型設備的業者來進行資料蒐集、分析，最終開發出可應用在射出成型設備上的人工智慧系統，是相當困難的一件事情。不過，在近畿經濟產業局主導下，結合京都市的MURATEC INFORMATION SYSTEM，邀集5大射出成型生產設備業者，共同攜手合作，跨越設備種類與技術的藩籬，開發出資料數據擷取的軟體，來協助射出成型工廠將現有設備導入人工智慧化。

在經過2年的時間，不斷累積的生產數據，以及加以分析後而獲得寶貴生產參數資料。透過這些蒐集分析動作，再加上，另一方面同時分析研究不良品的原因之下，目前已經可以將不良品的比例由原本的5%降低到3%，並且將作業人員的配置予以最佳化，提高人員的工作效率後，甚至可以將原本50%~60%的工廠稼動率提高2成左右。

而石川樹脂工業也就是領先導入這套設備的射出成型工廠。石川樹脂工業成立於1965年，具有從模具製作到射出成形加工、銷售一貫生產能力的企業。長久以來，石川樹脂工業對於生產方面的經驗累積，都是利用紙本來進行紀錄、保管，因此如果在隨後的生產中出現條件變動等情況，就很難做出相當詳細且正確的紀錄，當然在未來也很難善加利用這些寶貴的資料。

此外，工廠內部技術熟練的技師，大多已經是70歲了，現在也開始出現技術傳承的問題，這對於企業而言是相當困擾的。因此，如果石川樹脂工業能順利將人工智慧分析與大數據技術導入生產管理一部分的話，那麼不僅僅能做到熟練技術的可視化、量產的效率化和高品質化，更可以減輕技術人員的生產線工作負擔，將時間轉移到開發新技術和新產品上。

因此，從2018年開始，石川樹脂工業針對工廠內現有26台的射出成型設備進行人工智慧終端系統的安裝，投資金額約為5000萬日圓左右，預定在9~10月安裝完成後開始運轉。目前石川樹脂工業生產包含餐具、雜貨、工業零件等1000種以上的樹脂射出產品，因此，在過去一段時間內，對於目前所使用的樹脂與模具進行長時間數據取得與儲存，包括填充速度、壓力、壓力保持時間等30種以上的加工資料。

在幾年之後，經由不斷累積的各種生產數據所形成的大數據資料，在經過人工智慧進行分析，相信可以更進一步的獲得最佳生產參數，最後，再將不同的塑膠射出成型類型進行數據分類後，更可以進一步的對外銷售。

射出成型模具內部置入專用感測器

為了將射出成型用模具帶入下一世代的人工智慧數據分析運用，村田機械開發出可埋入模具的專用感測器「MEL1007」，這款感測器可以置入模具內部，來感應模具的開合與運作次數。感應的距離和前一代2mm相比，這款新型感測器可以偵測到7mm的距離，往返精度達到±2μm，直線性則為10μm以內，最高辨識能力為0.125μm，耐久性更高達300萬次。

對於一般的射出成型加工而言，2mm的距離是足以應用，但是在面對更高精度的模具控制時，就需要有偵測更長行程能力的感測器。此外，這款感測器可以承受攝氏150度，來滿足必須內置於模具內部的溫度要求（圖6）。

圖6 : 村田機械開發出可埋入模具的專用感測器，將射出成型用模具帶入下一世代的人工智慧數據分析運用。（source：村田機械）

同時，如果這款感測器透過「MPD200」等的變換器輸出的話，可以將感測數據予以儲存以及透過各種機制來進行分析再利用。更進一步的，更可以搭配模具運作監控系統「Muratec Molding Monitor」，並且配合其他包括壓力、溫度等感測器，來進行更完整的數據統計和分析。