智慧化塗佈製程設備發展：材料世界網

楊文賢、徐文月、朱文彬 / 工研院材化所

近年來塗佈產業面臨產品開發週期縮短、訂單少量多樣以及人力成本增加等因素，借鑒德國工業4.0發展智慧製造，導入人工智慧、大數據、物聯網等技術，透過自動化、數位化和智慧化的生產模式提升效率和品質，以因應未來市場的需求。本文將探討如何發展塗佈製程設備智慧化及相關技術介紹。

【內文精選】

智慧製造簡介

智慧製造是隨著資訊科技與製造技術的發展及融合而不斷演變的一個概念。其主要技術特點包含物聯網、大數據分析、人工智慧與機械學習、自動化與機器人技術、雲端技術及虛實整合技術等，透過這些特點使得製造業能夠更加智能、靈活和高效地運作。

多數業者在面臨轉型時，有著共同的疑問：智慧製造用於傳統產業可行嗎？該如何實施？首先我們必須先瞭解何謂智慧製造，它是一種整合了先進科技和數據分析的製造模式，並非過去以「人」為思考主體的執行方式，簡單的說，就是降低不同的執行者對於製造所帶來的影響，也就是俗稱的人為誤差。

3. 智慧化階段

智慧化階段為利用先進的人工智能和機器學習技術來進一步優化生產過程，包括使用預測分析來預測生產需求、部署自動化製造設備的維護和故障檢測，以及實時優化生產排程以達到最佳效率。例如：塗佈製造業可以利用機器學習演算法分析過去的生產數據和品質指標，以預測未來產品的品質特性。這些預測可以幫助業者調整生產過程，以確保產品符合質量標準，同時最大程度地減少生產成本和時間。

上述這些階段通常是漸進的，企業可以根據自身的需求和資源，由簡而繁、從小而大，逐步實踐智慧製造。國內業者過去大部分著重於前兩階段的投入，對於第三階段智慧化，多數仍不易察覺或理解自身的需求，以及不知如何運用。智慧化階段的蛻變，相較於前兩者來得漫長，主要在於是否有對應的人力資源及足夠的數據資源。我們可進一步將智慧化階段的執行，區分為四個流程來看，分別為：可視化、透明化、預測化及自適應。

塗佈製程設備智慧化升級

以塗佈產業為案例進行智慧化升級解析，首先評估現有情況並羅列出相關製程與檢驗程序及項目(如圖三所示)。原物料進廠時需建檔與進料檢驗(Incoming Quality Control; IQC)；接著根據訂單需求進行工單規劃與生產安排，生產前會針對產品規格進行塗料配置，隨後投入塗佈生產並進行製程品管(In Process Quality Control; IPQC)；依據產品訂單需求，進行覆檢與分條程序，並進行半成品檢驗(Process Quality Control; PQC)；分條後進入品保進行出貨檢驗(Out-going Quality Control; OQC)；最後包裝出貨。

圖三、塗佈廠基本流程

多數塗佈業者之生產設備已具備相當程度的自動化，因此考量點在於數位化階段中數據如何取得與記錄。一般可透過物聯網或機聯網的建置，藉由資料採集與監控系統(Supervisory Control and Data Acquisition; SCADA)或製造執行系統(Manufacturing Execution System; MES)進行數據整合與監控，建立可視化架構。將相關資訊呈現於適當的位置，透過發布的資訊即時瞭解正在發生的事件，並搭配數據分析作為決策參考，例如：戰情室呈現機台狀態監控與異常警示，塗佈機呈現加工程序、生產排程與備料情況等，皆亦可透過行動裝置隨時隨地取得生產情況。

缺陷辨識與診斷技術

塗佈過程中可能會發生各式各樣的塗佈缺陷，這些缺陷將直接影響到產品外觀，進而影響到產品品質。所以缺陷發生時必須迅速診斷分析缺陷產生的原因，及時加以排除，才能有效地提升整體產品良率。

在經濟部產業技術司科技專案支持下，工研院材料與化工研究所多年來專注於塗佈製程技術的開發。有鑑於上述議題，材化所建立塗佈產品缺陷AOI檢測及塗佈相關技術，並加入AI高效率人工智慧的診斷平台技術，透過AOI缺陷與製程參數資料庫建立，導入AI模型演算法，協助產業界能在線上有系統性地判別，快速標註出缺陷相對位置與精準辨識缺陷種類，回饋缺陷解決對策。軟體運作模式如圖七所示，藉此減少生產線上操作人員誤判實際成因，作出不適當之操作，以達到智能化、精準化、快速化、數位化的缺陷預測，解決產業界目前技術瓶頸問題，完成快速精準之高品質塗佈產品開發 ---以上為部分節錄資料，完整內容請見下方附檔。