前進智慧製造　視覺機器人漸成新寵

無論提及工業4.0、或智慧製造等辭彙，毫無疑問，內含智慧感測及運動控制技術的工業機器人，肯定會扮演相當重要的角色。

綜觀全球製造業發展趨勢，從早期1955年的大規模生產(Mass Production)以降，到了1980年代轉變為講求彈性製程系統的大量客製化(Mass Customization)，2000年代再轉向全球化製造(Global Manufacturing)，到了今天，即使全球化製造模式依然延伸，但產品走向「個人化」、「少量多樣」的趨勢愈來愈顯著。

隨著個人化、少量多樣等趨勢的推演，製造商為了妥善因應不可預測的市場變動需求，所以一方面將大量感測器配置於生產現場，隨時監控並記錄各項參數，二方面則致力建構可重組的生產資訊系統，藉此蓄積可以靈活調整的產能能力。

由此觀之，包含生產線重組、控制與監控，及感測等智動化元素，皆是次世代產業自動化生產系統所不容或缺的關鍵項目；依照工業技術研究院機械所的定義，次世代產業自動化生產系統除了是一種具自我調控、重組及能承受環境變動的設備外，同時也是一種已經過整合、內含系統重組與自我診斷的IT解決方案，且可讓用戶在任何地點、由任何使用者、透過任何裝置獲得生產資訊。

顯而易見的，工業機器人即為構成次世代產業自動化生產系統的重要一環，所以無論歐盟、美國、日本、南韓、大陸或台灣，均已啟動製造業機器人的發展計畫；而號稱是台灣規模最大的電腦暨通訊設備組裝廠，也早已宣稱要在2014年前組成百萬機械人大軍，藉此發展可以關燈生產的無人工廠。

各國積極推動機器人發展
隨著智慧智動化趨勢的引領，在美國部分，2011歐巴馬政府推動AMP(Advanced Manufacturing Partnership)計畫，徐圖振興該國製造業，重點包括藉由虛擬製造技術來創新產品與製程的規劃，透過智慧機械以輕易調整與重組生產設備及系統，藉以因應經營狀況的改變、獲取新商機，同時也將致力改善製程中所消耗的能源效能；在歐盟部分，最顯著的例子即是德國推動工業4.0，期望達成現場流程模擬、生產系統適應性，運用可重組及適應性製造系統的規劃工具、並強化敏捷製造與客製彈性，藉由虛擬工廠從全球網路運作中創造價值，同時提升能源效率、資源效率、永續供應鏈，以減少環境衝擊；而在日本方面，則訴諸Fanuc積木式無人化自動化系統，藉由CNC與Robot共用同一套控制器，俾使搬移換線一次完成，箇中重點則含括了人機作業協調、可重組與適應性、綠色製造。

根據國際機器人聯盟(IFR)所提供的統計資料，2011年工業機器人產值達255億美元，較2010年成長近34%，增長幅度勝過服務型機器人；而在產業應用部分，舉凡汽車、金屬及電子製造業，都是促使2011年工業機器人產值成長的主要推手。

另值得一提的，IFR資料亦顯示，環顧全球工業機器人總產值，來自亞洲的比重有明顯攀升現象，主要仍得力於大陸，由於當地無論在消費性電子產品或汽車等製造領域，都因為人力成本節節高漲，驅使自動化需求走高，連帶導致工業機器人銷售開出紅盤。

回顧過往，製造業運用工業機器人主要緣由，一來是為了填補勞動力之不足，二來是因應汽車焊接、物料取放、危險性上下料、物料堆疊、噴漆塗佈或IC/FPD取放等惡劣環境之作業需求，然現今應用趨向已出現若干變化。

影像檢測技術　帶動應用需求
最主要的變化在於，隨著資訊科技、應用軟體乃至於物聯網漸趨成熟，使得工業機器人智慧化能力持續增高，且導入成本也漸次下滑，性價比條件已較過去勝出許多，因此吸引企業採用的誘因也連帶增強，以現狀而言，除了3C產品取放、PV取放、主機板組裝、手機組裝、LED焊接、晶圓線路對位檢測、TFT-LCD尺寸量測、工具機物料取放等來自電子或電機產業的應用場域，已明顯提高對於工業機器人的運用比例外，類似像食品取放、金屬去毛邊加工、布料紋路檢測、寶特瓶成形檢測或生技醫療自動化等過往並非工業機器人應用大宗的領域，也開始加入應用行列。

究竟現今工業機器人所擁有的智慧，已然高明到何等程度？主要的特性，包括了工業機器人不但深具智慧化學習能力，亦較從前更懂得自動感知與適應協調，因此更能滿足製造業人機協同作業的殷切需求；除此之外，更重要的轉變乃在於機器視覺能力的提升，已從2D、2.5D推進到3D層次，影響所及，工業機器人也從過較為擅長的位置控制、手眼控制，即將進展到手、眼、力三者協調的境界。

尤其是以3D立體視覺而論，目前已有工業機器人能夠支援RBP(Random Bin Picking)功能測試、高辨識速度(0.5sec/image)、非平行式立體視覺技術，抑或高精度三維座標估測(0.5mm)，隨著能力增強，應用格局自然擴大許多；總括而論，具備視覺影像識別能力的工業機器人，不但可以依照用戶預設的程式執行生產作業，而且在某些情況下，它們就好比人類一般，能夠現場環境加以感知，所以會隨著環境變化而調整其作業，有利於提高其動作的正確性。

然機器視覺看似甚為實用，但用戶仍需靜心思考，此項技術絕非此刻才初來乍到，而是已經存在世界頗長一段時間，卻始終未形成百花齊放的榮景，深究箇中緣由，自然是有一些蹊蹺存在；甚至有若干深諳此道的用戶，儘管眼見相關技術不斷進步，依然戒慎恐懼。

究竟蹊蹺為何？說穿了，即是過往出現過太多失敗案例。有業者指出，持平而論，影像處理是一門相當艱澀的學問，若無扎實的程式語言、影像分析等底層基本功，恐怕難以順利上手，特別在於大環境方面，台灣始終缺乏相關學程教育，導致人才相對欠缺，另外在大多數使用環境中，用戶往往對於機器視覺多所輕忽，且傾向將工程師的人力資源用到極致，因此常見的情況是，一位工程師必須從頭到尾管理其所負責的生產設備，大大小小事務都得涉獵，機器視覺僅是其中一環，但視覺檢測技術頗為艱難，本來就需要較長的學習與適應時間，因此受限於工程師無法聚焦的情況下，自然無法穩定維持的檢測品質。

久而久之，造成不少製造業主在看待機器視覺解決方案時，總有著揮之不去的質疑，要想扭轉這個現象，系統整合商勢將扮演重要角色，其不能只想著儘快將產品賣給用戶，而需要提供完善的技術支援、甚至是諮詢顧問服務，引導用戶能根據實際檢測需求，搭配最恰當的視覺軟體、Lens、光源等各式配備，建立相對穩定實用的視覺系統。

另外，製造業者也需建立正確觀念，並不是導入機器人或機械手臂，就認為自己已達到智慧製造，而需要配合整個製造流程管理的全面改造，譬如將MES與ERP整合，藉以促使生產線與經營管理層次之深度融合，方能相輔相成發揮綜效。