最新消息
首頁 > 最新消息 > 電子報 > 107-07號電子報
107-07號電子報
全球食品業智慧製造之發展
2018/7/25
現今智慧製造發展潛力所帶來巨大的機遇和改變，時時革新商業模式，而企的業創新步伐、改變意願和能力是成功關鍵。為因應製造業革命性時期，食品飲料廠商必須善用智慧化優勢與資源，從價值鏈重組到數位化採用，以大量數位技術例如大數據分析、IT/OT融合、人工智慧、3D列印和機器人等，充分發揮技術的應用潛力和廣度，以優化整體業務流程和創造更高產業價值。
一、智慧製造技術之應用趨勢
全球食品飲料業較以往面臨更多獨特挑戰，包括市場季節性變化、需求差異化、品質監管機制日益嚴格、複雜性生產計劃、生產規模擴大等，導入數位化、智慧化技術與概念，包括感測器、物聯網、人工智慧等，可大大改變企業營運模式和效益。
（一）感測器奠基：每天食品供應鏈任何設備即能產生大量數據，無線感測器可蒐集與利用設備狀態的監測數據，包括生產環境與參數、能源效益、供應鏈效能等，進行設備預測性維護、製造可靠性改進、產品生命週期管理等分析。
（二）物聯網（IoT）整合：未來食品產業生態要求製造商能快速轉變，物聯網融合IT（資訊科技）和OT（操作科技）技術，創建數據共享的流程，使廠區人員更好掌控設備如何對應生產變化，改善機器維修停機頻率，同時兼顧機器學習等新發展機會。
（三）大數據分析：消費需求快速變動及電商食品銷售蓬勃發展，食品飲料品項數不斷增加，工廠要能夠生產更多、平價的客製化產品；大數據分析為食品業提供產品市場趨勢、製造動態的深入了解，以及預測未來生產需求，可縮短生產變動的因應時間。
（四）機器人參與：3D視覺正提升機器人自動化生產食品的能力，尤以加工處理準確性和靈活彈性是優勢，能識別評估食品飲料的屬性與品質，同時減輕人員重複性或不良等操作錯誤的風險。
（五）人工智慧（AI）加持：食品業者以人工智慧改善原料分選的正確性和效率，機器學習功能更優化分揀能力；AI亦可提升設備食品和微生物殘留數量的監測能力；另人工智慧可協助食品廠商依各式調味料、配料和消費者偏好需求，進行不同組合調整，簡化新品研發流程。
二、食品產業導入智慧製造之實例
（一）啤酒釀造聯網數據可視化：Deschutes啤酒廠商導入Microsoft、OSIsoft等所開發全息（Holographic）與混合實境（Mixed Reality）應用軟體，將大量實時生產數據可視化與分析，且能與人員互動，降低生產排程錯誤和提高生產率。Deschutes釀酒設備結合感測器與物聯網，並充分利用機器學習和全息運算等技術，使用者透過擴增疊加層監控數據、與設備互動，可深入了解整個啤酒釀造流程，訂定快速和更佳的生產管理決策。
隨銷售市場逐步擴大，Deschutes不投入大筆資金升級基礎設施，而轉向既有資產-生產數據；其融合發酵技術和數據科學，建構含溫度、壓力、體積、氧氣、乙二醇、包裝等參數的生產預測模型，簡化啤酒冗長的精釀流程，以提高啤酒發酵能力和製造彈性，為每批啤酒生產時間節省48小時。完善啤酒生產技術之外，相關預測系統亦可引導Deschutes產品研發創新。
（二）深度學習機器人助屠宰自動化：全球最大肉品製造商JBS與Scott Technology合作開發機器手臂，可從羊、豬和牛等屠體割取不同部位的肉塊，提高生產線加工效率。產線第一部機器人以X光和CT（電腦斷層）掃描屠體，並建立屠體形狀和尺寸的3D模型，第二部機器人依模型判斷識別，驅動刀具於屠體骨頭間運轉，切割精準度達九成。與多數預先編碼的屠宰機器人不同，隨屠體蒐集數據的累加，Scott機械手臂採深度學習運算法，可依屠體各種形狀作出相對應的切割路徑，降低人為錯誤的成本及人員受傷，減少肉類原料浪費。
效率一直是肉類生產者關注的焦點，機械手臂超越人工處理的速度、準確度和可靠性，將協助自動化生產發揮更大效益。然Scott機械手臂應用於牛體屠宰上，面臨幾項問題，包括牛隻體積大需更多重型輔助機器、系統很難區分牛隻眾多的肌肉群，但未來JBS仍將於美國更多肉類加工廠配置機器人。
（三）人工智慧讓原料篩選效率化：Kewpie食品公司與BrainPad合作，運用Google感知AI開源軟體，在嬰兒食品切塊馬鈴薯生產線導入機器深度學習，輸入近2萬張不合格馬鈴薯照片至生產系統，讓產線設備學習圖片識別技術，複製人類大腦如何辨識馬鈴薯品質。可快速檢測異常成分，防止異物混入其中，降低失誤率，當系統發現瑕疵品時，生產線會自動暫停；未來相關應用將擴增至Kewpie雞蛋、穀物等食材檢測。
Kewpie導入AI應用技術，大幅改進篩選原料品質的效率，提供更安全無虞食品；此外，未來該公司將運用機器學習技術，探索更多原料具營養價值的成分，協助各種原料成分進行不同組合變化，擴大產品多元化開發的可能性。
三、食品智慧製造需突破之發展瓶頸
（一）機器人導入缺乏法規與完善設計：食品業尚未有專屬機器人的規範，僅能依循直接與食品接觸的設備表面等FDA相關法規。近期3-A Sanitary Standards公司創建新標準，以滿足機器人在設計、材料和衛生安全等面向之要求；使機器人能適應高溫、潮濕的加工環境，以及耐化學藥劑沖洗，並建議機器手臂採完整密封、曲面形狀、無裂縫等設計，防止微生物孳生，可直接加工食品。與其他工業機械手臂最大差異，合理複製人手部靈活和柔和的處理動作，是機械人能否應用於食品加工之挑戰，因此手臂末端工具/夾具剛性、結合感測器等成為設計關鍵；而3D視覺系統能快速識別和引導產品配置，提升機械手臂感知、運動的靈敏度，另引進章魚觸手或充氣式等夾具概念，有助機器人擴大食品應用範圍。
（二）整合性物聯網解決方案闕如：IoT需串聯硬體（如馬達、變頻器、感測器）、軟體和雲端系統等，以蒐集分析大數據，為食品企業取得競爭優勢。然多數軟硬體供應商無法掌握產業趨勢，僅能提供單一產品解決方案，例如雲端儲存、視覺化數據等，導致成本效益與投資回報率低，食品業者採用意願不高。若廠區軟硬系統聯網整合度低，數據處理量和速度、交叉分析將面臨挑戰，無法彰顯IoT遠端監控設備運轉、診斷故障維修、促進機械效能等效益。
（三）數據安全性和整合性為智慧化之阻因：IT導入食品製造流程，資訊傳輸網路之安全性最受廠商關注。因智慧製造之生產數據可被企業不同層級人員讀取，以及透過有線網路、無線遠距等方式監測，增加生產管理之困難度與風險；考量產品製程可能外洩之可能性，多數食品業者對設備聯網及遠端監測等保持謹慎態度。此外，食品製造預測分析所需設備狀態與運轉性能等資料，來自多台機械生產數據較單台機械，能夠提供更多資訊和準確性，以俾後續生產管理的建議、規劃和警示。然現在應用關鍵問題為如何整合不同設備生產數據，主要是機器對機器之通訊與網路傳輸有不同協議，包括OPC UA、EtherNet / IP、Profinet等，有待機械業者溝通協調。
四、 結語
智慧化不僅是生產效率提高的另種方式，為傳遞其所創造真正價值，必須在營運策略上發揮績效影響力，並助經營模式轉型升級，較能獲得業界廠商的支持和採用。另智慧化導入不只嘉惠食品業生產端，例如生產效率提升、協助產品開發等，甚至可能翻轉整體產業供應鏈；因此亟需通訊、電機、電控、資訊等跨域資源與新興技術投入，加速食品業智慧化生產的進程。除了克服前述瓶頸問題之外，成本和跨入門檻亦是重要議題，部分新興技術會導致基礎設施及現有佈線改變，且需要大量資金投入，過去多數業者採取保守因應態度。但近期廠商評估智慧化導入效益顯著，加上技術使用普及率上升，購置價格隨之降低，已有部分食品業者漸進式採用，顯見產業智慧製造步伐加快。
（取材自食品市場資訊107卷第 5 期）
一、智慧製造技術之應用趨勢
全球食品飲料業較以往面臨更多獨特挑戰，包括市場季節性變化、需求差異化、品質監管機制日益嚴格、複雜性生產計劃、生產規模擴大等，導入數位化、智慧化技術與概念，包括感測器、物聯網、人工智慧等，可大大改變企業營運模式和效益。
（一）感測器奠基：每天食品供應鏈任何設備即能產生大量數據，無線感測器可蒐集與利用設備狀態的監測數據，包括生產環境與參數、能源效益、供應鏈效能等，進行設備預測性維護、製造可靠性改進、產品生命週期管理等分析。
（二）物聯網（IoT）整合：未來食品產業生態要求製造商能快速轉變，物聯網融合IT（資訊科技）和OT（操作科技）技術，創建數據共享的流程，使廠區人員更好掌控設備如何對應生產變化，改善機器維修停機頻率，同時兼顧機器學習等新發展機會。
（三）大數據分析：消費需求快速變動及電商食品銷售蓬勃發展，食品飲料品項數不斷增加，工廠要能夠生產更多、平價的客製化產品；大數據分析為食品業提供產品市場趨勢、製造動態的深入了解，以及預測未來生產需求，可縮短生產變動的因應時間。
（四）機器人參與：3D視覺正提升機器人自動化生產食品的能力，尤以加工處理準確性和靈活彈性是優勢，能識別評估食品飲料的屬性與品質，同時減輕人員重複性或不良等操作錯誤的風險。
（五）人工智慧（AI）加持：食品業者以人工智慧改善原料分選的正確性和效率，機器學習功能更優化分揀能力；AI亦可提升設備食品和微生物殘留數量的監測能力；另人工智慧可協助食品廠商依各式調味料、配料和消費者偏好需求，進行不同組合調整，簡化新品研發流程。
二、食品產業導入智慧製造之實例
（一）啤酒釀造聯網數據可視化：Deschutes啤酒廠商導入Microsoft、OSIsoft等所開發全息（Holographic）與混合實境（Mixed Reality）應用軟體，將大量實時生產數據可視化與分析，且能與人員互動，降低生產排程錯誤和提高生產率。Deschutes釀酒設備結合感測器與物聯網，並充分利用機器學習和全息運算等技術，使用者透過擴增疊加層監控數據、與設備互動，可深入了解整個啤酒釀造流程，訂定快速和更佳的生產管理決策。
隨銷售市場逐步擴大，Deschutes不投入大筆資金升級基礎設施，而轉向既有資產-生產數據；其融合發酵技術和數據科學，建構含溫度、壓力、體積、氧氣、乙二醇、包裝等參數的生產預測模型，簡化啤酒冗長的精釀流程，以提高啤酒發酵能力和製造彈性，為每批啤酒生產時間節省48小時。完善啤酒生產技術之外，相關預測系統亦可引導Deschutes產品研發創新。
（二）深度學習機器人助屠宰自動化：全球最大肉品製造商JBS與Scott Technology合作開發機器手臂，可從羊、豬和牛等屠體割取不同部位的肉塊，提高生產線加工效率。產線第一部機器人以X光和CT（電腦斷層）掃描屠體，並建立屠體形狀和尺寸的3D模型，第二部機器人依模型判斷識別，驅動刀具於屠體骨頭間運轉，切割精準度達九成。與多數預先編碼的屠宰機器人不同，隨屠體蒐集數據的累加，Scott機械手臂採深度學習運算法，可依屠體各種形狀作出相對應的切割路徑，降低人為錯誤的成本及人員受傷，減少肉類原料浪費。
效率一直是肉類生產者關注的焦點，機械手臂超越人工處理的速度、準確度和可靠性，將協助自動化生產發揮更大效益。然Scott機械手臂應用於牛體屠宰上，面臨幾項問題，包括牛隻體積大需更多重型輔助機器、系統很難區分牛隻眾多的肌肉群，但未來JBS仍將於美國更多肉類加工廠配置機器人。
（三）人工智慧讓原料篩選效率化：Kewpie食品公司與BrainPad合作，運用Google感知AI開源軟體，在嬰兒食品切塊馬鈴薯生產線導入機器深度學習，輸入近2萬張不合格馬鈴薯照片至生產系統，讓產線設備學習圖片識別技術，複製人類大腦如何辨識馬鈴薯品質。可快速檢測異常成分，防止異物混入其中，降低失誤率，當系統發現瑕疵品時，生產線會自動暫停；未來相關應用將擴增至Kewpie雞蛋、穀物等食材檢測。
Kewpie導入AI應用技術，大幅改進篩選原料品質的效率，提供更安全無虞食品；此外，未來該公司將運用機器學習技術，探索更多原料具營養價值的成分，協助各種原料成分進行不同組合變化，擴大產品多元化開發的可能性。
三、食品智慧製造需突破之發展瓶頸
（一）機器人導入缺乏法規與完善設計：食品業尚未有專屬機器人的規範，僅能依循直接與食品接觸的設備表面等FDA相關法規。近期3-A Sanitary Standards公司創建新標準，以滿足機器人在設計、材料和衛生安全等面向之要求；使機器人能適應高溫、潮濕的加工環境，以及耐化學藥劑沖洗，並建議機器手臂採完整密封、曲面形狀、無裂縫等設計，防止微生物孳生，可直接加工食品。與其他工業機械手臂最大差異，合理複製人手部靈活和柔和的處理動作，是機械人能否應用於食品加工之挑戰，因此手臂末端工具/夾具剛性、結合感測器等成為設計關鍵；而3D視覺系統能快速識別和引導產品配置，提升機械手臂感知、運動的靈敏度，另引進章魚觸手或充氣式等夾具概念，有助機器人擴大食品應用範圍。
（二）整合性物聯網解決方案闕如：IoT需串聯硬體（如馬達、變頻器、感測器）、軟體和雲端系統等，以蒐集分析大數據，為食品企業取得競爭優勢。然多數軟硬體供應商無法掌握產業趨勢，僅能提供單一產品解決方案，例如雲端儲存、視覺化數據等，導致成本效益與投資回報率低，食品業者採用意願不高。若廠區軟硬系統聯網整合度低，數據處理量和速度、交叉分析將面臨挑戰，無法彰顯IoT遠端監控設備運轉、診斷故障維修、促進機械效能等效益。
（三）數據安全性和整合性為智慧化之阻因：IT導入食品製造流程，資訊傳輸網路之安全性最受廠商關注。因智慧製造之生產數據可被企業不同層級人員讀取，以及透過有線網路、無線遠距等方式監測，增加生產管理之困難度與風險；考量產品製程可能外洩之可能性，多數食品業者對設備聯網及遠端監測等保持謹慎態度。此外，食品製造預測分析所需設備狀態與運轉性能等資料，來自多台機械生產數據較單台機械，能夠提供更多資訊和準確性，以俾後續生產管理的建議、規劃和警示。然現在應用關鍵問題為如何整合不同設備生產數據，主要是機器對機器之通訊與網路傳輸有不同協議，包括OPC UA、EtherNet / IP、Profinet等，有待機械業者溝通協調。
四、 結語
智慧化不僅是生產效率提高的另種方式，為傳遞其所創造真正價值，必須在營運策略上發揮績效影響力，並助經營模式轉型升級，較能獲得業界廠商的支持和採用。另智慧化導入不只嘉惠食品業生產端，例如生產效率提升、協助產品開發等，甚至可能翻轉整體產業供應鏈；因此亟需通訊、電機、電控、資訊等跨域資源與新興技術投入，加速食品業智慧化生產的進程。除了克服前述瓶頸問題之外，成本和跨入門檻亦是重要議題，部分新興技術會導致基礎設施及現有佈線改變，且需要大量資金投入，過去多數業者採取保守因應態度。但近期廠商評估智慧化導入效益顯著，加上技術使用普及率上升，購置價格隨之降低，已有部分食品業者漸進式採用，顯見產業智慧製造步伐加快。
（取材自食品市場資訊107卷第 5 期）
