摘要

本文將審視當今製造業麵臨的核心挑戰

，探索正在席卷行業的變革浪潮。這場變革源於對資源敏感型製造的全新關注
，而人工智能、分散式控製、混合組網及軟件定義自動化等新技術與能力協同發力
，共同為未來數字化工廠的崛起築牢根基。

製造業麵臨的挑戰

製zhi造zao業ye正zheng處chu於yu一yi場chang轉zhuan型xing浪lang潮chao之zhi中zhong，消xiao費fei者zhe對dui個ge性xing化hua產chan品pin需xu求qiu的de增zeng長chang
，加jia之zhi疫yi情qing後hou供gong應ying鏈lian危wei機ji催cui生sheng的de產chan業ye回hui流liu趨qu勢shi等deng

，成cheng為wei推tui動dong這zhe一yi變bian革ge的de主zhu要yao驅qu動dong力li。而er這zhe些xie
，僅jin僅jin是shi眾zhong多duo挑tiao戰zhan中zhong的de冰bing山shan一yi角jiao。與yu此ci同tong時shi

，全quan球qiu各ge國guo政zheng府fu也ye紛fen紛fen出chu台tai相xiang關guan法fa規gui，以yi減jian少shao製zhi造zao業ye的de碳tan排pai放fang，從cong而er實shi現xian溫wen室shi氣qi體ti淨jing零ling排pai放fang目mu標biao。應ying對dui這zhe些xie挑tiao戰zhan將jiang為wei工gong業ye製zhi造zao企qi業ye開kai辟pi全quan新xin的de發fa展zhan賽sai道dao
，企qi業ye可ke借jie此ci契qi機ji引yin入ru前qian沿yan技ji術shu
，在zai降jiang低di碳tan排pai放fang的de同tong時shi

，提ti高gao製zhi造zao業ye的de生sheng產chan效xiao率lv、可擴展性和靈活性。

zairujinjiyoudezhizaogongchangnei，zhizaoshebeiyuzidonghuashebeilijingduonianfanfubushuyukuozhan

，hucaozuoxingwentiriyituxian。shebeijianbujinnanyishunchangxietongyunzuo
，xianghujiandelianjieyejiweiyouxian，daozhigongchangneibupubianquefanengguantongsuoyouzidonghuashebeidetongyiwangluo。

隨著新產品庫存單位(SKU)shuliangchixupansheng，shengchanxiandeshezhiyuyanzhengshijianbudebuxiangyingzengjia。zaiyiliaoqixiezhizaolingyu，yanzhengliuchengbujinhaoshimanchang，chengbenyeshifengaoang。ciwai，chanpinSKU的增多還會拉低設備綜合效率(OEE)，yuanyinzaiyuewaitourudeshezhiheyanzhenghuizaochengshengchanshijiandelangfei
，jinerdaozhishengchanxiaolvxiahua。zhizaoyemianlindetiaozhanbuzhiyuci，shuliangongrenduanquewentitongyangyanjun。juyuce，jiezhi2030年，製造業熟練工人缺口將高達約210萬人。1 當下，多數製造活動集中於既有工廠；zaicibeijingxia，qiyeshituzaixianyouchangfangkongjianneitishengchannengshi，laodonglibuzudewentibianchengweichannengtishengdeguanjianzhiyueyinsu。weilaishuzihuagongchangzhengshiweigongkeshangshuzhongzhongtiaozhanersheng，zhiliyutuidongzhizaoyemairuquanxindefazhanjiyuan（見圖1）。

圖1.工業製造麵臨的挑戰。

工業製造業的轉型

congjishujiaodulaikan，zhizaoyeyiqudezhongdajinbu。liru
，tongguozaizhizaozichanheshebeishangzengjiachuanganqibushubingjinxingronghe，keshengchengfengfudeshujuji，yongyuyouhuajiqibingtigaoshebeizonghexiaolv(OEE)。軟件定義自動化的部署提升了製造業的生產效率、靈活性和可擴展性，大幅縮短了設置與驗證時間。此外

，人工智能(AI)正zheng逐zhu步bu向xiang邊bian緣yuan側ce發fa展zhan，更geng加jia靠kao近jin傳chuan感gan器qi或huo執zhi行xing器qi等deng生sheng成cheng數shu據ju的de終zhong端duan。邊bian緣yuan人ren工gong智zhi能neng將jiang借jie助zhu數shu據ju驅qu動dong的de決jue策ce方fang式shi
，把ba製zhi造zao數shu據ju轉zhuan化hua為wei切qie實shi可ke行xing的de見jian解jie，助zhu力li自zi主zhu製zhi造zao實shi現xian製zhi造zao業ye生sheng產chan效xiao率lv與yu競jing爭zheng力li的de躍yue升sheng（見圖2）。

圖2.製造業的轉型。

資源感知型製造

下一代製造業需要更全麵地審視資源消耗的各個方麵。製造業所需的四大關鍵資源分別是資金、電力
、cailiaoherenli。zaiziyuanganzhixingzhizaodebeijingxia，weilaishuzihuagongchangjidaitishengduizhexieziyuandeliyongxiaolv。zaizijinxiaolvfangmian
，suoyouzhizaolingyudezibenzhichudouyingzhuzhongshixiantouzihuibaolv(ROI)，周期可能為一年
、三san年nian或huo五wu年nian不bu等deng。未wei來lai數shu字zi化hua工gong廠chang的de關guan鍵jian目mu標biao之zhi一yi
，便bian是shi以yi最zui少shao的de資zi本ben支zhi出chu實shi現xian利li潤run最zui大da化hua，進jin而er獲huo得de最zui高gao的de投tou資zi回hui報bao率lv。其qi次ci是shi電dian力li效xiao率lv，下xia一yi代dai製zhi造zao業ye必bi須xu以yi更geng低di的de能neng耗hao實shi現xian更geng高gao的de產chan出chu

，達da成cheng減jian少shao全quan球qiu碳tan排pai放fang的de目mu標biao。降jiang低di電dian力li消xiao耗hao的de關guan鍵jian舉ju措cuo包bao括kuo：部署高效電機驅動器，將氣動驅動替換為機電驅動，運用自適應閉環控製技術提升製造效率，等等。

資(zi)源(yuan)感(gan)知(zhi)型(xing)製(zhi)造(zao)的(de)第(di)三(san)個(ge)方(fang)麵(mian)是(shi)材(cai)料(liao)效(xiao)率(lv)。在(zai)提(ti)升(sheng)製(zhi)造(zao)業(ye)可(ke)持(chi)續(xu)性(xing)方(fang)麵(mian)，減(jian)少(shao)材(cai)料(liao)浪(lang)費(fei)與(yu)降(jiang)低(di)能(neng)源(yuan)消(xiao)耗(hao)同(tong)等(deng)重(zhong)要(yao)
，發(fa)揮(hui)著(zhe)不(bu)可(ke)或(huo)缺(que)的(de)作(zuo)用(yong)。通(tong)過(guo)最(zui)大(da)限(xian)度(du)地(di)減(jian)少(shao)原(yuan)材(cai)料(liao)的(de)使(shi)用(yong)，再(zai)結(jie)合(he)加(jia)強(qiang)生(sheng)產(chan)質(zhi)量(liang)控(kong)製(zhi)，能(neng)夠(gou)顯(xian)著(zhu)減(jian)少(shao)整(zheng)個(ge)製(zhi)造(zao)流(liu)程(cheng)中(zhong)的(de)材(cai)料(liao)浪(lang)費(fei)，最(zui)終(zhong)朝(chao)著(zhe)零(ling)廢(fei)棄(qi)生(sheng)產(chan)的(de)目(mu)標(biao)邁(mai)進(jin)。最(zui)後(hou)一(yi)個(ge)方(fang)麵(mian)是(shi)人(ren)力(li)效(xiao)率(lv)
，亦(yi)是(shi)重(zhong)中(zhong)之(zhi)重(zhong)。當(dang)前(qian)
，製(zhi)造(zao)業(ye)在(zai)招(zhao)聘(pin)熟(shu)練(lian)工(gong)人(ren)方(fang)麵(mian)存(cun)在(zai)諸(zhu)多(duo)挑(tiao)戰(zhan)。製(zhi)造(zao)業(ye)必(bi)須(xu)盡(jin)可(ke)能(neng)地(di)減(jian)少(shao)人(ren)為(wei)介(jie)入(ru)，可(ke)采(cai)取(qu)的(de)方(fang)式(shi)包(bao)括(kuo)：推廣自主製造模式
，應用先進機器人技術，部署具備實時感知能力
、能快速響應操作環境與製造需求變化的自動化解決方案（見圖3）。

圖3.資源感知型製造。

未來數字化工廠

ADI公司對未來數字化工廠的願景

，聚焦於連接、控製和解讀這三大核心支柱。連接戰略旨在通過提升製造業生產效率
、kekuozhanxinghelinghuoxing，tongshijiangditanpaifang
，laidachengweilaigongchangdefazhanlantu。quebaosuoyouzhizaozichanhejiqilianjiedaotongyiwangluo，shixianzhizaoshujudetoumingfangwen，bingliyongzhexieshujutuidongzhenggezhizaochangsuodegongyichixugaijin。zhizaohuanjingxujiezhuyouxianhewuxianhunhewangluo，shixiancongbianyuandaoyunduandeshishiwufenglianjie。duiyuyouxiankongzhilianjie，qianzhaoweigongyeyitaiwangzhengbeibushuyongyugongchangwangluoyitigonggenggaodedaikuan，tongshidapeishijianminganxingwangluo(TSN)來確保實時流量控製的確定性。對於諸如自主移動機器人(AMR)等移動應用，靈活的專用5G網絡起到補充作用
，並且專用5G網絡還可連接難以輕鬆接入有線工業以太網的遠程傳感器和執行器。

第(di)二(er)項(xiang)關(guan)鍵(jian)戰(zhan)略(lve)聚(ju)焦(jiao)於(yu)控(kong)製(zhi)領(ling)域(yu)。分(fen)散(san)式(shi)自(zi)主(zhu)控(kong)製(zhi)依(yi)托(tuo)全(quan)新(xin)的(de)模(mo)塊(kuai)化(hua)自(zi)動(dong)化(hua)解(jie)決(jue)方(fang)案(an)

，帶(dai)來(lai)更(geng)高(gao)的(de)靈(ling)活(huo)性(xing)，既(ji)能(neng)縮(suo)短(duan)設(she)置(zhi)和(he)驗(yan)證(zheng)時(shi)間(jian)，又(you)能(neng)支(zhi)持(chi)日(ri)益(yi)增(zeng)長(chang)的(de)新(xin)產(chan)品(pin)庫(ku)存(cun)單(dan)位(wei)(SKU)。從傳統生產線的集中式可編程邏輯控製器(PLC)轉向分散式PLC控kong製zhi，先xian進jin的de邊bian緣yuan計ji算suan將jiang被bei直zhi接jie集ji成cheng到dao機ji器qi之zhi中zhong。基ji於yu邊bian緣yuan的de自zi主zhu控kong製zhi讓rang生sheng產chan線xian更geng具ju可ke重zhong構gou性xing，顯xian著zhu提ti升sheng製zhi造zao靈ling活huo性xing。每mei一yi台tai機ji器qi都dou成cheng為wei一yi個ge完wan整zheng獨du立li的de模mo塊kuai化hua製zhi造zao單dan元yuan，可ke在zai極ji少shao人ren為wei介jie入ru的de情qing況kuang下xia

，輕qing鬆song完wan成cheng配pei置zhi與yu重zhong新xin部bu署shu。通tong過guo部bu署shu更geng多duo靈ling活huo

、模塊化的製造解決方案

，並由分散式自主控製予以支持
，我們能夠更好地實現未來數字化工廠的目標。

最(zui)後(hou)一(yi)項(xiang)戰(zhan)略(lve)聚(ju)焦(jiao)於(yu)解(jie)讀(du)。解(jie)讀(du)戰(zhan)略(lve)旨(zhi)在(zai)將(jiang)生(sheng)產(chan)數(shu)據(ju)轉(zhuan)化(hua)為(wei)可(ke)付(fu)諸(zhu)實(shi)踐(jian)的(de)洞(dong)察(cha)信(xin)息(xi)，從(cong)而(er)助(zhu)力(li)實(shi)現(xian)未(wei)來(lai)工(gong)廠(chang)的(de)各(ge)項(xiang)目(mu)標(biao)。據(ju)估(gu)算(suan)，製(zhi)造(zao)業(ye)每(mei)年(nian)產(chan)生(sheng)的(de)數(shu)據(ju)量(liang)約(yue)達(da)1812 PB（拍字節）。2 jieduzhanlvejiangyunyongrengongzhinengjishulaichulizhexiehailiangzhizaoshuju，yitishengshengchanxiaolv。jieduzhanlvedeguanjianzaiyuzaishujuchanshengdebianyuancebushurengongzhineng。bianyuanrengongzhinengjiangtongguozhudongjuece
，jiehechuanganqironghe（包含工業視覺
、溫度
、壓力/力、測斜儀、位置、振動、濕度等測量方式），shixianzhizaoyedezizhuyouhua。bianyuanrengongzhinengjiangtongguozidongzhixingchangguirenwu
，jianshaoduishulianlaodonglideyilai
，bingyijinkenenggaodeliangpinlvshixiangengjugexinghuahefuzaxingdezhizao。guanjianyingyongbaokuoyindaoqudong（移動機器人）、缺陷或異常檢測（機器健康狀況）、持續的工藝改進

、模式識別（質量控製）
，最終還將融入自動化控製循環
，成為其中重要一環。

圖4.實現未來數字化工廠的幾點關鍵要求。

結論

製造業正在經曆一場變革，朝著更智能
、更互聯、yiruanjiandingyiweizhudefangxiangfazhan。shishiwufengdebianyuandaoyunduanlianjie，jiangshixianduixinxingzhizaoshujujidetouminghuafangwen。fensanshikongzhijiezhubianyuanjisuan，jiangkongzhigongnengcongkebianchengluojikongzhiqi(PLC)遷移至機器本身。傳感器融合技術的應用提升了機器的設備綜合效率(OEE)，bingchanshengfengfudeshujuji，weirengongzhinengmoxingdexunlianyubushutigongzhicheng。bianyuanrengongzhinengjiangshizidonghuajiqiwanquanshixianzizhuhua。zhexiexinjishuderongheshibijiangchedigaibianweilaideshuzihuagongchang
，zaixianzhujiangdinengyuanxiaohaohecailiaolangfeidetongshi，tigaozhizaoyedeshengchanxiaolv、linghuoxinghekekuozhanxing。duiyuzhizaoshangeryan，chenggongdeguanjianzaiyuruheyushengtaixitongneideqitagongsizhankaihezuo
，yinweifengfuduoyangdejingyanhenengliduiyujiasushixianweilaishuzihuagongchangdeyuanjingzhiguanzhongyao。ruxujinyibulejieADI針對未來數字化工廠的可持續自動化解決方案，請訪問

analog.com/industrialautomation。

參考文獻

1 Victor Reyes、Heather Ashton和Chad Moutray，“Creating Pathways for Tomorrow’s Workforce Today:Beyond Reskilling in Manufacturing”，Deloitte Insights，美國製造業研究所，2021年5月。

2 “Deloitte Survey on AI Adoption in Manufacturing”，Deloitte，2020年。