■所羅門 / 李佳運 產品經理
從大量生產到大量客製化
數位製造(Digital Manufacturing) 自工業革命以來一直是智慧製造中不可或缺的一環，以數位化原型(Digital Prototyping) 將概念形象實體化，再將CAD或設計圖紙交由工廠完成產品複製的工作，即「CAD設計→ CAE 驗證→ CAM 生產」的流程（圖1）。隨著消費型態的改變，人們對於產品極致的功能與視覺衝擊的期望，漸漸改變生產型態，從手邊的消費型電子產品如手機、筆電、平板等，到大型的交通工具如汽車、機車、自行車等，無一不是半年小改款、一年大改款，在外觀與設計上不斷推陳出新，消費者求新求變的速度壓縮既有型態的產品週期，此一轉變讓傳統製造業不得不面臨改變的挑戰，從本質上的改變，必須要從大量生產(Mass Production) 轉成大量客製化(Mass Customization) 的過程觀念。「隨著產品的生命週期變短，製造要變得更有彈性。」傳統的「設計→驗證→生產」循環週期必須要合理的縮短，才能迎接消費者時代來臨後對於產品求新、求變、求快的挑戰。得利於3D 列印技術的普及，我們已經大量減少數位化原型的設計階段，從開發、驗證到生產的週期可以大量的縮短，藉由日趨成熟的CAD/CAM 軟體，我們可以很快將設計語言轉換至機器語言，不管是CNC 加工或是開發模具，都能很快
進行驗證。但假如產品製程不只用到CNC，而更需要搭配機器手臂的彈性製造呢？我們是不是有一套如CNC 這樣方便的CAD/CAM 解決方案？
機器手臂的離線編程軟體
有鑑於越來越多的機器手臂廣泛的應用於各個加工產業的製程，舉凡銲接、拋光研磨、切割、鑽孔、噴漆、塗膠等，無不愈趨依賴機器手臂的彈性加工，尤其當應用情境不只是單純的點對點加工，而是一連串複雜的路徑與加減速時，這樣情形相比於西元1967 年（第一隻機器手臂發明時），著實有很大的不同。拿著教導盒(Teaching Panel) 蹲在手臂前做教導(Teaching)的方式，將不敷大量的路徑串連的手臂加工動作。因此，近年來有大量的OLP(Off-line Programming)軟體（如圖2）產生，這些軟體猶如CNC 用的CAD/CAM 般，利用CAD 的輪廓與點、線、面，產生出機器手臂一連串動作的CAM 程式，解決並排除機器手臂中，包含奇異點(Singularity)、超出工作範圍(Out of reach)、節點極限(Joint Limit)、碰撞(Collision)等線上教導時常遇到的問題，大幅降低操作人員教導路徑與學習各家機器手臂語言的成本與時間。
圖1：所羅門AI 視覺提供數位製造完整解決方案
數位製造的發展現況與瓶頸
就上述情況而言，OLP 似乎已經能完美串聯CAD 到CAM 的加工情境，並產生諸多應用所需的細微加工路徑。但隨著應用層面的拓展，在智慧製造中仍有一個懸而未解的議題，那就是「變異量」。所謂的變異量，即是在我們製程中常提到的「累積公差」與「產品型變」，舉凡治具、生產的工件、手臂精度、機臺底座甚至是機器視覺本身都存在「數位」與「現實」上的差異與變異，這樣的差異使得OLP 產生的路徑無法完美的套用於現實物體中，讓美好地模擬只能停留在虛擬數位演示中。
也就是此一差異，大大地限制OLP 在數位製造發展的潛力，使得常規型應用還是回到傳統「人工教導」模式，而不能導入OLP，導致無法成為一個更有效率的開發環境。但許多業主都忽略了，當員工正在做「線上教導(On-line Teaching)」時，機臺本身當下近乎「零產能」，而這樣的傳統做法本身所佔用的時間、人力、來回微調(Fine Tune) 的時間、物料、更換模治具的成本等，顯然是生產力與自動化無形的殺手。
Solmotion 的誕生
所羅門依據多年視覺經驗，完美整合AI 智能與3D 視覺，賦予機器人物件感知能力，利用物體的3D 特徵值，透過AI 的深度學習與立體比對(3D Matching)，將物體的樣式、座標、變異量等資訊，即時的運算並反饋給OLP 軟體，如此一來，每次在OLP 中模擬並產生的路徑程式，將能更真實的呈現物體在現實中的狀態，而非虛擬的位置或是需要額外的卡氏座標定位治具，大幅增加了加工的彈性(flexibility) 與可及性(accessibility)。Solmotion， 視覺導引機器人(Vision Guided Robot, VGR) 方案完美揉合數位與現實的差異，整合整廠生產流程從CAD 到CAM 再到VC(Virtual commissioning)，讓現實更接近理想，數位更貼近真實，對於需要精密加工路徑的應用，Solmotion 將可為產業提供完整且快速的解決方案。
CAD 比對與智慧路徑自動生成
除了能根據物體的AI 特徵與3D 輪廓感知物體外，Solmotion 還能依據CAD 中的3D 資訊，即時比對現實中物件的3D 輪廓，找出其變異量並直接於空間中產生相應的加工路徑，完美的解決生產中因溫度、濕度、壓力等外在因素所產生的形變，讓生產的品質更趨穩定，目前已廣泛運用於拋光研磨、模具修補、銲接、3D 列印、品質檢測等應用（如圖3）。
除了能根據物體的3D 輪廓感知物體外，Solmotion還能夠利用AI 自動尋找物體的邊緣並自動產生加工路徑，對於樣式繁多的產品尤其適合，例如製鞋業中的塗膠、表面電漿處理，IC 製程中愈趨重要的三防膠塗布，以及各式鈑金烤漆、木業家具的自動噴漆等應用，將免去繁複的機構定位與手動編程，達到免教導、直覺式的機器人使用體驗。
圖2：離線編程軟體將可成為機器手臂上不可或缺的工具
圖3：利用3D AI 視覺運算實體與CAD 的誤差自動產生機器手臂研磨路徑
Brain with Vision
德國於2011 年提出工業4.0 的自動化，將勞力密集轉為自動化生產，而下一代工業革命，將會發生在AI導入工業自動化後所激盪出超越人類智慧與能力的革命性改變。3D 視覺(Vision) 結合AI 運算(Brain) 後，不僅可提供機器手臂現有環境的狀況，自動閃避環境中的障礙物，甚至能根據物體的偏移、旋轉等狀態，及時運算出相對應的路徑。傳統機器手臂將不再盲目運作或等待操作員指示，而是能「看到」物體後，進行「思考」，據事先訓練的資料庫中，搜尋比對最相近的工件樣式，讀取執行相對應的路徑，來達到彈性製造、混單生產的情境，即使沒有精密治具的定位，也能「感知」加工物件的變化，對於面對未來產品少量多樣的變化環境，又多一分智慧的力量。■
