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

zhizaoyezhengchuyuyichangzhuanxinglangchaozhizhong，xiaofeizheduigexinghuachanpinxuqiudezengchang，jiazhiyiqinghougongyinglianweijicuishengdechanyehuiliuqushideng
，chengweituidongzheyibiangedezhuyaoqudongli。erzhexie，jinjinshizhongduotiaozhanzhongdebingshanyijiao。yucitongshi，quanqiugeguozhengfuyefenfenchutaixiangguanfagui，yijianshaozhizaoyedetanpaifang，congershixianwenshiqitijinglingpaifangmubiao。yingduizhexietiaozhanjiangweigongyezhizaoqiyekaipiquanxindefazhansaidao
，qiyekejieciqijiyinruqianyanjishu，zaijiangditanpaifangdetongshi，tigaozhizaoyedeshengchanxiaolv
、可擴展性和靈活性。

在(zai)如(ru)今(jin)既(ji)有(you)的(de)製(zhi)造(zao)工(gong)廠(chang)內(nei)
，製(zhi)造(zao)設(she)備(bei)與(yu)自(zi)動(dong)化(hua)設(she)備(bei)曆(li)經(jing)多(duo)年(nian)反(fan)複(fu)部(bu)署(shu)與(yu)擴(kuo)展(zhan)，互(hu)操(cao)作(zuo)性(xing)問(wen)題(ti)日(ri)益(yi)凸(tu)顯(xian)。設(she)備(bei)間(jian)不(bu)僅(jin)難(nan)以(yi)順(shun)暢(chang)協(xie)同(tong)運(yun)作(zuo)，相(xiang)互(hu)間(jian)的(de)連(lian)接(jie)也(ye)極(ji)為(wei)有(you)限(xian)，導(dao)致(zhi)工(gong)廠(chang)內(nei)部(bu)普(pu)遍(bian)缺(que)乏(fa)能(neng)貫(guan)通(tong)所(suo)有(you)自(zi)動(dong)化(hua)設(she)備(bei)的(de)統(tong)一(yi)網(wang)絡(luo)。

隨著新產品庫存單位(SKU)數shu量liang持chi續xu攀pan升sheng，生sheng產chan線xian的de設she置zhi與yu驗yan證zheng時shi間jian不bu得de不bu相xiang應ying增zeng加jia。在zai醫yi療liao器qi械xie製zhi造zao領ling域yu，驗yan證zheng流liu程cheng不bu僅jin耗hao時shi漫man長chang，成cheng本ben也ye十shi分fen高gao昂ang。此ci外wai，產chan品pinSKU的增多還會拉低設備綜合效率(OEE)，原yuan因yin在zai於yu額e外wai投tou入ru的de設she置zhi和he驗yan證zheng會hui造zao成cheng生sheng產chan時shi間jian的de浪lang費fei，進jin而er導dao致zhi生sheng產chan效xiao率lv下xia滑hua。製zhi造zao業ye麵mian臨lin的de挑tiao戰zhan不bu止zhi於yu此ci，熟shu練lian工gong人ren短duan缺que問wen題ti同tong樣yang嚴yan峻jun。據ju預yu測ce，截jie至zhi2030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

從cong技ji術shu角jiao度du來lai看kan


，製zhi造zao業ye已yi取qu得de重zhong大da進jin步bu。例li如ru，通tong過guo在zai製zhi造zao資zi產chan和he設she備bei上shang增zeng加jia傳chuan感gan器qi部bu署shu並bing進jin行xing融rong合he
，可ke生sheng成cheng豐feng富fu的de數shu據ju集ji，用yong於yu優you化hua機ji器qi並bing提ti高gao設she備bei綜zong合he效xiao率lv(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。

ziyuanganzhixingzhizaodedisangefangmianshicailiaoxiaolv。zaitishengzhizaoyekechixuxingfangmian，jianshaocailiaolangfeiyujiangdinengyuanxiaohaotongdengzhongyao，fahuizhebukehuoquedezuoyong。tongguozuidaxiandudijianshaoyuancailiaodeshiyong，zaijiehejiaqiangshengchanzhiliangkongzhi，nenggouxianzhujianshaozhenggezhizaoliuchengzhongdecailiaolangfei
，zuizhongchaozhelingfeiqishengchandemubiaomaijin。zuihouyigefangmianshirenlixiaolv

，yishizhongzhongzhizhong。dangqian，zhizaoyezaizhaopinshuliangongrenfangmiancunzaizhuduotiaozhan。zhizaoyebixujinkenengdijianshaorenweijieru，kecaiqudefangshibaokuo：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PLCkongzhi

，xianjindebianyuanjisuanjiangbeizhijiejichengdaojiqizhizhong。jiyubianyuandezizhukongzhirangshengchanxiangengjukezhonggouxing，xianzhutishengzhizaolinghuoxing。meiyitaijiqidouchengweiyigewanzhengdulidemokuaihuazhizaodanyuan
，kezaijishaorenweijierudeqingkuangxia
，qingsongwanchengpeizhiyuzhongxinbushu。tongguobushugengduolinghuo、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。

zuihouyixiangzhanlvejujiaoyujiedu。jieduzhanlvezhizaijiangshengchanshujuzhuanhuaweikefuzhushijiandedongchaxinxi
，congerzhulishixianweilaigongchangdegexiangmubiao。jugusuan，zhizaoyemeinianchanshengdeshujuliangyueda1812 PB（拍字節）。2 解(jie)讀(du)戰(zhan)略(lve)將(jiang)運(yun)用(yong)人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)來(lai)處(chu)理(li)這(zhe)些(xie)海(hai)量(liang)製(zhi)造(zao)數(shu)據(ju)，以(yi)提(ti)升(sheng)生(sheng)產(chan)效(xiao)率(lv)。解(jie)讀(du)戰(zhan)略(lve)的(de)關(guan)鍵(jian)在(zai)於(yu)在(zai)數(shu)據(ju)產(chan)生(sheng)的(de)邊(bian)緣(yuan)側(ce)部(bu)署(shu)人(ren)工(gong)智(zhi)能(neng)。邊(bian)緣(yuan)人(ren)工(gong)智(zhi)能(neng)將(jiang)通(tong)過(guo)主(zhu)動(dong)決(jue)策(ce)
，結(jie)合(he)傳(chuan)感(gan)器(qi)融(rong)合(he)（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、靈(ling)活(huo)性(xing)和(he)可(ke)擴(kuo)展(zhan)性(xing)。對(dui)於(yu)製(zhi)造(zao)商(shang)而(er)言(yan)
，成(cheng)功(gong)的(de)關(guan)鍵(jian)在(zai)於(yu)如(ru)何(he)與(yu)生(sheng)態(tai)係(xi)統(tong)內(nei)的(de)其(qi)他(ta)公(gong)司(si)展(zhan)開(kai)合(he)作(zuo)
，因(yin)為(wei)豐(feng)富(fu)多(duo)樣(yang)的(de)經(jing)驗(yan)和(he)能(neng)力(li)對(dui)於(yu)加(jia)速(su)實(shi)現(xian)未(wei)來(lai)數(shu)字(zi)化(hua)工(gong)廠(chang)的(de)願(yuan)景(jing)至(zhi)關(guan)重(zhong)要(yao)。如(ru)需(xu)進(jin)一(yi)步(bu)了(le)解(jie)ADI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。