從2018年開始的中美貿易戰，2020年到現在仍未停歇的COVID-19，缺櫃塞港的持續狀態，原物料缺料且價格上揚未見終端，開始實施的淨零排碳政策及懸而未解的俄烏戰爭，加上國內停電跳電等事故層出不窮，天災人禍頻傳的情況下，全球供應鏈的走向在這幾年間不斷改變，而供應鏈布局的基礎，已無法再使用先前以成本考量的集中生產模式，如何維持原有的製程與產能，及建立具有韌性的產線，並做出即時調整，已是目前企業在面臨不斷變動環境下的必要措施。

自動化產線的關鍵

在現在人力物力缺乏的情況下，製造業積極尋求自動化生產的最大效率，透過機械手臂取代人力作業，並努力極大化手臂使用性，但傳統手臂因其多為固定式而導致使用上某種程度仍有侷限，因此當有更高效的生產需求時，如何突破當前使用限制成了製造業的關鍵競爭力。

提高彈性應變能力已是當前的製造業所重視的重點，且在廠內的移動性也成為焦點之一，具有移動性意味自動化設備及產線配置自由，能夠適應不斷的變化及需求即時調整。電動機車製造商Gogoro即是一例，Gogoro將無人自動搬運車(AGV)取代傳統流水生產線的輸送帶，優點是可隨時重組並靈活調整產線規劃，據Gogoro說法，只需72小時，就能完全重組產線，投入新機生產。

但這類型搭配載具的機器手臂，屬於協作型機器人，而工業機器人有體積及荷重較大，速度較快的特點，不適用於AGV這類型移動載具，其高速運轉時，慣性及重力加速度會導致AGV翻覆。工業機械手臂搭配軌道走行軸著重在附載、速度及精度，如焊接等精度高的動作，速度及要求上下料等等，在歐美國家已導入在汽車、造船、航太及建築等領域使用，而大型物件製成如焊接、噴塗裝、拋光等等也逐步轉為機械手臂，而這些領域在台灣仍有成長空間。

AI機械手臂的協助

但除了靈活方便搭配AGV能隨時變動的機器手臂，及運用在重型工業的走行軸機器手臂外，導入AI人工智慧讓機器手臂擁有自主學習能力，也能提高產線的運作效率。

Amazon的物流中心使用少量機器手臂Robin處理撿貨、掃描、理貨作業，每隔幾天使用新的衡量標準重新訓練Robin，並計畫每周推出數次更新，因應變動快速的作業環境及未來規模化部屬。Robin能辨識不同尺寸的箱子、軟性包裹、疊放的信封等物體，無須人類編排動作即能自主抓取目標物體，運用吸盤夾爪從輸送帶撿取包裹，掃描後置於理貨機器人上，再運送至正確裝運平台，能執行一系列預先訂好的動作，還能即時因應環境變化。

機器人與人工智慧團隊讓機器學習模型後，嘗試自行從影像中找出輸送帶的各種包裹，團隊依辨識正確性提供回饋，並持續優化以達到最高準確率。Robin對辨識結果提供信心度回饋，分數低的影像會回傳給團隊進行註解，然後再用於重新訓練Robin，進行作業時Robin也能自覺錯誤並試圖修正，若無法解決就呼叫人類介入，團隊也持續強化Robin的辨識能力，以精進流程作業。

在可預見的人力及物力仍舊持續缺乏下，依賴機械手臂執行不間斷作業已是確定的未來，如何運用機械手臂增加產線彈性以因應局勢變化，考驗著各產業的智慧。

內文資料來源：

最大化生產效率，機器人的關鍵第七軸

亞馬遜開發獨特學習模型，讓機器手臂有更高自主學習力

就享知 | 就想知道的數位知識

每天10分鐘 | 豐富你的數位新知