ระบบอัตโนมัติ แมชชีนเลิร์นนิง และบล็อกเชนกำลังขับเคลื่อนอนาคตของการผลิตอุปกรณ์อิเล็กทรอนิกส์อย่างไร
Contributed By DigiKey's North American Editors
2023-05-23
อุตสาหกรรม 4.0 อาศัยระบบอัตโนมัติอัจฉริยะสำหรับการผลิตอุปกรณ์อิเล็กทรอนิกส์ ระบบอัตโนมัติที่มีความสามารถมากขึ้นมีอยู่ทุกที่ ตั้งแต่เอดจ์ไปจนถึงคลาวด์ ในเซ็นเซอร์ หุ่นยนต์และโคบอท ตัวควบคุมลอจิกแบบตั้งโปรแกรมได้ (PLC) และอุปกรณ์อื่นๆ ซึ่งเซมิคอนดักเตอร์เวเฟอร์ วงจรรวม ส่วนประกอบแบบพาสซีฟ บรรจุภัณฑ์ และระบบอิเล็กทรอนิกส์สำหรับผู้บริโภค พลังงานสะอาด ยานยนต์ การแพทย์ อุตสาหกรรม การทหาร/การบินและอวกาศ และการใช้งานอื่นๆ ขึ้นใช้ระบบอัตโนมัติอัจฉริยะสำหรับการผลิตเช่นกัน โดยระบบการดำเนินการผลิตแบบรวมศูนย์ (MES) ให้การตรวจสอบ การควบคุม การติดตาม และการจัดทำเอกสารแบบเรียลไทม์ของห่วงโซ่การผลิตทั้งหมด ตั้งแต่วัตถุดิบจนถึงสินค้าสำเร็จรูป
ระบบอัตโนมัติทางไซเบอร์-กายภาพในอุตสาหกรรม 4.0 ขยายออกไปนอกเหนือไปจากกิจกรรมการผลิตแบบดั้งเดิมและใช้แมชชีนเลิร์นนิ่ง (ML) รูปแบบต่าง ๆ ตั้งแต่การเรียนรู้การเสริมแรงเชิงลึกในระบบคลาวด์ไปจนถึง TinyML บนเอดจ์เพื่อการผลิตที่ยืดหยุ่น การปรับปรุงอย่างต่อเนื่อง และคุณภาพสูงอย่างสม่ำเสมอ จำนวนเลเยอร์ของการเชื่อมต่อกำลังเพิ่มขึ้น และการรวมกันของการประมวลผลแบบเอดจ์, Internet of Things ระดับอุตสาหกรรม (IIoT) และการประมวลผลแบบคลาวด์นั้นกำลังเพิ่มความท้าทายที่เกี่ยวข้องกับความปลอดภัยทางไซเบอร์ เมื่อเร็ว ๆ นี้บล็อกเชนได้เป็นส่วนหนึ่งของการจัดการห่วงโซ่อุปทานที่ครอบคลุมและปลอดภัย
บทความนี้กล่าวถึงแนวโน้มการทำงานอัตโนมัติที่สำคัญในการผลิตอุปกรณ์อิเล็กทรอนิกส์ ซึ่งรวมถึงเลเยอร์การเชื่อมต่อที่เพิ่มขึ้น ความต้องการความปลอดภัยในโลกไซเบอร์ที่เพิ่มขึ้น การใช้งาน ML แบบพิเศษ และวิธีที่การตรวจสอบย้อนกลับและ MES รองรับการประเมินและการวิเคราะห์การผลิตแบบเรียลไทม์ พร้อมกับนำเสนอเทคโนโลยีบางอย่างที่จำเป็นต่ออุตสาหกรรม 4.0 เพื่อการปรับแต่งจำนวนมากที่มีคุณภาพสูงและต้นทุนต่ำ รวมถึงวิธีการที่ Dig-Key รองรับความต้องการของนักออกแบบระบบอัตโนมัติด้วยโซลูชั่นที่หลากหลาย ปิดท้ายด้วยวิธีการใช้บล็อกเชนเพื่อปรับใช้ระบบการจัดการห่วงโซ่อุปทานทั่วทั้งองค์กรที่มีความปลอดภัยสูง
เพิ่มเลเยอร์การเชื่อมต่อ
IIoT ในอุตสาหกรรม 4.0 มีเลเยอร์เครือข่ายแบบมีสายและไร้สายมากขึ้นสำหรับเครือข่ายเซ็นเซอร์ หุ่นยนต์เคลื่อนที่อัตโนมัติ (AMR) และระบบอื่น ๆ ตัวอย่างเช่น IO-Link ได้รับการพัฒนาเพื่อให้มีการเชื่อมต่อเครือข่ายแบบใช้สายที่ง่ายขึ้นสำหรับเซ็นเซอร์ แอคทูเอเตอร์ ตัวชี้วัด และอุปกรณ์เอดจ์รุ่นเก่าอื่น ๆ ที่ไม่ได้เชื่อมต่อก่อนหน้านี้จำนวนมากให้ไปยังเครือข่ายระดับสูงเช่น Ethernet IP, Modbus TCP/IP และ PROFINET เมื่อใช้ IO-Link อินพุตและเอาต์พุต (IO) ของอุปกรณ์เหล่านี้จะถูกบันทึกและแปลงเป็นโปรโตคอล IO-Link สำหรับการเชื่อมต่อแบบอนุกรมที่กำหนดใน IEC 61131-9 ด้วยสายเคเบิลแบบไม่มีฉนวน 4 หรือ 5 สายเส้นเดียวที่กำหนดใน IEC 60974- 5-2 (ภาพที่ 1) นอกเหนือจากการให้เลเยอร์เครือข่ายใหม่เพื่อบันทึกข้อมูลที่ละเอียดยิ่งขึ้นเกี่ยวกับกระบวนการในโรงงานแล้ว IO-Link ยังรองรับการปรับใช้อย่างรวดเร็วและการกำหนดค่าระยะไกล การตรวจสอบ และการวินิจฉัยอุปกรณ์ที่เชื่อมต่อเพื่อรองรับการเปลี่ยนแปลงสายงานและกระบวนการที่จำเป็นสำหรับการปรับแต่งจำนวนมากในโรงงานอุตสาหกรรม 4.0
รูปที่ 1: สามารถใช้ IO-Link เพื่อเชื่อมต่อเซ็นเซอร์และอุปกรณ์อื่นๆ โดยใช้อินเทอร์เฟซที่หลากหลายกับเครือข่าย Ethernet, PROFINET หรือ Modbus (แหล่งที่มาภาพ: Banner Engineering)
อุปกรณ์ IIoT ไร้สายตั้งแต่เซ็นเซอร์ ไปจนถึงหุ่นยนต์ ยังช่วยให้เลเยอร์เครือข่ายเติบโต โดยโปรโตคอลไร้สายต่าง ๆ เช่น Wi-Fi, 5G, LTE และอื่น ๆ ถูกนำมาใช้ในโรงงานสมัยใหม่ ตัวอย่างเช่น AMR ใช้เซ็นเซอร์ออนบอร์ดและการเชื่อมต่อ Wi-Fi ร่วมกันเพื่อทำความเข้าใจสภาพแวดล้อม ระบุสิ่งกีดขวางและเคลื่อนย้ายอย่างปลอดภัยและมีประสิทธิภาพจากที่หนึ่งไปยังอีกที่หนึ่ง หุ่นยนต์ร่วมปฏิบัติงาน (โคบอท) ได้รับการออกแบบมาเพื่อทำงานร่วมกับผู้คนเพื่อปรับปรุงประสิทธิภาพการดำเนินงาน และมักต้องการการเชื่อมต่อแบบไร้สาย ในบางกรณี AMR จะย้ายโคบอทจากงานหนึ่งไปอีกงานหนึ่งตามความจำเป็น (รูปที่ 2)
รูปที่ 2: AMR (ด้านล่าง) สามารถนำทางจากที่หนึ่งไปยังอีกที่หนึ่งได้โดยใช้เซ็นเซอร์บนเครื่องและการเชื่อมต่อไร้สายร่วมกัน และรับและย้ายคิวบิต (บนสุด) ไปยังเวิร์กสเตชันใหม่ (แหล่งที่มาภาพ: Omron)
อันตรายทางไซเบอร์ที่เพิ่มมากขึ้น
เลเยอร์ที่เพิ่มขึ้นในเครือข่ายอุตสาหกรรม บวกกับจำนวนอุปกรณ์ที่เชื่อมต่อกันจำนวนมาก ส่งผลให้เส้นทางหรือวิธีการที่ก่อให้เกิดภัยคุกคามด้านความปลอดภัยมีจำนวนเพิ่มขึ้นและอันตรายทางไซเบอร์เพิ่มขึ้น มาตรฐานและวิธีการด้านความปลอดภัยเฉพาะสำหรับอุตสาหกรรมและ IoT จำนวนมากได้รับการพัฒนา รวมถึง International Electrotechnical Commission (IEC) 62443 และ Security Evaluation Standard for IoT Platform (SESIP)
IEC 62443 เป็นชุดมาตรฐานที่พัฒนาขึ้นโดยคณะกรรมการสมาคมระบบอัตโนมัติระหว่างประเทศ (ISA) 99 และได้รับอนุมัติจาก IEC IEC 62443 เป็นชุดมาตรฐานที่มีมากกว่า 800 หน้าสำหรับระบบอัตโนมัติและระบบควบคุมอุตสาหกรรม (IACS) ใน 14 หัวข้อย่อยแบ่งเป็นสี่ระดับ (รูปที่ 3) หัวข้อสำคัญที่กำหนดการพัฒนาผลิตภัณฑ์และข้อกำหนดด้านความปลอดภัยสำหรับส่วนประกอบได้แก่:
- IEC 62443-4-1: ข้อกำหนดวงจรการพัฒนาความปลอดภัยของผลิตภัณฑ์ – กำหนดวงจรชีวิตการพัฒนาผลิตภัณฑ์ที่ปลอดภัย รวมถึงข้อกำหนดเบื้องต้น การออกแบบและการใช้งานที่ปลอดภัย การตรวจสอบความถูกต้อง การจัดการข้อบกพร่องและแพตช์ และการสิ้นสุดอายุการใช้งาน
- IEC 62443-4-2: การรักษาความปลอดภัยสำหรับระบบอัตโนมัติทางอุตสาหกรรมและระบบควบคุม: ข้อกำหนดด้านความปลอดภัยทางเทคนิคสำหรับส่วนประกอบ IACS – ระบุความสามารถด้านความปลอดภัยที่ช่วยให้ส่วนประกอบสามารถลดภัยคุกคามในระดับความปลอดภัยที่กำหนด
รูปที่ 3: IEC 62443 คือชุดมาตรฐานความปลอดภัย IACS ที่ครอบคลุม (แหล่งที่มาภาพ: IEC)
SESIP เผยแพร่โดย GlobalPlatform และกำหนดโครงสร้างทั่วไปสำหรับการประเมินความปลอดภัยของผลิตภัณฑ์ที่เชื่อมต่อกันและจัดการกับความท้าทายด้านการปฏิบัติตามข้อกำหนด ความปลอดภัย ความเป็นส่วนตัว และความสามารถในการปรับขนาดโดยเฉพาะของ IoT โดย SESIP ให้คำจำกัดความที่ชัดเจนของฟังก์ชันการรักษาความปลอดภัยของส่วนประกอบและแพลตฟอร์มในรูปแบบของ Security Functional Requirements (SFR) นอกจากนี้ยังมีการประเมินความแข็งแกร่งที่วัดความทนทานต่อการโจมตีในรูปแบบของ “ระดับ” SESIP ตั้งแต่ 1 ถึง 5 โดยที่ 1 คือการรับรองด้วยตนเองและ 5 ที่สอดคล้องกับการทดสอบที่ครอบคลุมและการรับรองจากบุคคลที่สาม
ML จากคลาวด์สู่เอดจ์
ML เป็นตัวขับเคลื่อนหลักของระบบอัตโนมัติอัจฉริยะ ซึ่งสนับสนุนการปรับปรุงกระบวนการอย่างต่อเนื่องและผลิตภัณฑ์คุณภาพสูง การใช้โครงข่ายประสาทเทียมเป็นเทคนิค ML ที่มีชื่อเสียงในอุตสาหกรรม 4.0 เริ่มที่จะเสริมด้วยการเรียนรู้แบบเสริมแรงเชิงลึกในระบบคลาวด์ โดยการเรียนรู้แบบเสริมแรงเชิงลึกจะเพิ่มกรอบของอัลกอริทึมที่มุ่งเน้นเป้าหมายไปยังแกนกลางของโครงข่ายประสาทเทียม ในขั้นต้นการเรียนรู้แบบเสริมแรงจำกัดอยู่ในสภาพแวดล้อมที่ทำซ้ำได้ เช่น การเล่นเกม แต่ปัจจุบันอัลกอริทึมสามารถทำงานได้ในสภาพแวดล้อมที่คลุมเครือมากขึ้นในโลกแห่งความเป็นจริง ในอนาคตการใช้การเรียนรู้แบบเสริมแรงขั้นสูงอาจใช้เป็นปัญญาประดิษฐ์ทั่วไปได้
ML ไม่ใช่แค่ในระบบคลาวด์เท่านั้น แต่ยังมีการใช้งานในโรงงานจนถึงระดับเอดจ์ ช่องเสียบขยายในพีซีอุตสาหกรรม และตัวควบคุมที่ตั้งโปรแกรมได้ ในโรงงานมีการ์ดเร่งความเร็วโฮสต์ ML และ AI มากขึ้นสำหรับการควบคุมกระบวนการอัจฉริยะ
แมชชีนเลิร์นนิ่งขนาดเล็ก (tinyML) ได้รับการปรับให้เหมาะสมสำหรับการปรับใช้กับการใช้งานที่ใช้พลังงานต่ำ โดยการใช้ tinyML ในการใช้งานเซ็นเซอร์กำลังเติบโตอย่างรวดเร็ว ตัวอย่างหนึ่งของการใช้งาน tinyML คือการวิเคราะห์เซ็นเซอร์ IIoT ในอุปกรณ์เอดจ์ที่ใช้พลังงานจากแบตเตอรี่หรือการเก็บเกี่ยวพลังงาน Arduino มีชุดแมชชีนเลิร์นนิ่งขนาดเล็ก ซึ่งประกอบไปด้วยบอร์ด Arduino Nano 33 BLE Sense ที่มี MCU และเซนเซอร์ต่าง ๆ ที่สามารถตรวจสอบการเคลื่อนไหว ความเร่ง การหมุน เสียง ท่าทาง ความใกล้เคียง สี ความเข้มของแสง และการเคลื่อนไหว (รูปที่ 4) รวมทั้งมีโมดูลกล้อง OV7675 และแผงป้องกัน Arduino โดย MCU แบบออนบอร์ดสามารถใช้โครงข่ายประสาทเทียมเชิงลึกตามเฟรมเวิร์กการเรียนรู้เชิงลึกแบบโอเพ่นซอร์ส TensorFlow Lite สำหรับการอนุมานบนอุปกรณ์
รูปที่ 4: ชุดแมชชีนเลิร์นนิ่งขนาดเล็กของ Arduino ออกแบบมาสำหรับการพัฒนาการใช้งานเซ็นเซอร์ IIoT (แหล่งที่มาภาพ: DigiKey)
การประเมินและการวิเคราะห์แบบเรียลไทม์
การประเมินและการวิเคราะห์แบบเรียลไทม์เป็นส่วนสำคัญของระบบอัตโนมัติอัจฉริยะ การตรวจสอบย้อนกลับ 4.0 รวมการมองเห็นผลิตภัณฑ์ การมองเห็นห่วงโซ่อุปทาน และการมองเห็นรายการสินค้าจากการตรวจสอบย้อนกลับรุ่นก่อนหน้า และแสดงประวัติที่สมบูรณ์ของทุกแง่มุมของผลิตภัณฑ์ นอกจากนี้ยังรวมพารามิเตอร์ของเครื่องจักรและกระบวนการทั้งหมด และสนับสนุนเมตริกประสิทธิภาพของอุปกรณ์โดยรวม (OEE) ที่เพิ่มประสิทธิภาพกระบวนการผลิต (รูปที่ 5).
รูปที่ 5: การตรวจสอบย้อนกลับ 4.0 (Traceability 4.0) เป็นการดำเนินการที่ครอบคลุมซึ่งสนับสนุนข้อกำหนดที่หลากหลายของการดำเนินการในอุตสาหกรรม 4.0 (แหล่งที่มาภาพ: Omron)
การตรวจสอบย้อนกลับมีความสำคัญในหลายอุตสาหกรรม ตั้งแต่การผลิตเครื่องมือแพทย์ไปจนถึงยานยนต์และอวกาศ ในกรณีของอุปกรณ์ทางการแพทย์ ข้อกำหนดด้านกฎระเบียบจำเป็นต้องมีการติดตามและตรวจสอบย้อนกลับอย่างแพร่หลาย ระบบยานยนต์และอวกาศสามารถมีชิ้นส่วนนับหมื่นที่ต้องติดตาม การตรวจสอบย้อนกลับไม่ใช่แค่ประวัติส่วนหนึ่ง แต่รวมถึงการติดตามการวัดขนาดทางเรขาคณิตของชิ้นส่วนแต่ละชิ้นและความคลาดเคลื่อน (GD&T) GD&T ช่วยให้สามารถผลิตชิ้นส่วนได้อย่างแม่นยำและการติดตั้งชิ้นส่วนตามค่า GD&T โดยรองรับการประกอบชิ้นส่วนที่มีความแม่นยำสูงสำหรับอุตสาหกรรมต่าง ๆ เช่น การผลิตอากาศยานและยานยนต์
การตรวจสอบย้อนกลับสามารถปรับปรุงความแม่นยำและประสิทธิภาพของการดำเนินการเรียกคืนผลิตภัณฑ์ ช่วยให้ผู้ผลิตสามารถระบุผลิตภัณฑ์ที่ได้รับผลกระทบทั้งหมด รวมถึงซัพพลายเออร์ของส่วนประกอบที่มีข้อบกพร่อง
การดำเนินการแก้ไขและป้องกันสามารถเร่งรัดได้โดยใช้การตรวจสอบย้อนกลับ เช่นเดียวกับการเรียกคืนผลิตภัณฑ์ การรู้แหล่งที่มาของผลิตภัณฑ์ทั้งหมดช่วยให้ผู้ผลิตสามารถกำหนดเป้าหมายและกำหนดเวลากิจกรรมการบริการและการบำรุงรักษาสำหรับผลิตภัณฑ์ได้อย่างมีประสิทธิภาพ
การตรวจสอบย้อนกลับและ MES
การใช้งาน MES ที่รวมความสามารถในการตรวจสอบย้อนกลับสามารถสร้างฐานข้อมูลที่ค้นหาได้ของข้อมูลทั้งหมดที่เกี่ยวข้องกับผลิตภัณฑ์แต่ละรายการ รวมถึงการออกแบบตามแผนและผลลัพธ์ตามที่สร้างขึ้น ตัวอย่างเช่น การตรวจสอบย้อนกลับจะใช้เพื่อติดตามส่วนประกอบและวัสดุแต่ละรายการเมื่อมาถึง รวมถึงข้อมูลการทดสอบคุณภาพขาเข้า ที่ตั้งของโรงงานที่จัดหาอุปกรณ์ และอื่น ๆ ก่อนเริ่มการผลิต MES ตรวจสอบข้อมูลนั้นตามการออกแบบที่วางแผนไว้และป้อนเข้าสู่การดำเนินการประกอบสินค้าและงานในฐานข้อมูลกระบวนการทำงาน
ข้อมูลการตรวจสอบย้อนกลับที่จัดทำโดย IIoT ร่วมกับ MES รองรับการปรับแต่งผลิตภัณฑ์จำนวนมากในอุตสาหกรรม 4.0 MES ช่วยให้วัสดุ กระบวนการ และทรัพยากรอื่นๆ ที่เหมาะสมอยู่ในสถานที่ที่เหมาะสม เพื่อให้แน่ใจว่าต้นทุนการผลิตต่ำที่สุดและผลลัพธ์ที่มีคุณภาพสูงสุด นอกจากนี้ MES และการตรวจสอบย้อนกลับยังสามารถรวมและแสดงให้เห็นถึงการปฏิบัติตามกฎระเบียบของรัฐบาล และทำให้ผู้ตรวจสอบหรือผู้อื่นสามารถเข้าถึงข้อมูลได้อย่างง่ายดายตามที่ต้องการ
บล็อกเชน
บล็อกเชนคือระบบบัญชีแยกประเภทดิจิทัลแบบกระจายศูนย์หรือแบบกระจาย สำหรับการบันทึกธุรกรรมระหว่างหลายฝ่ายในลักษณะป้องกันการปลอมแปลงและตรวจสอบได้ ซึ่งการทำธุรกรรมใด ๆ ที่ความไว้วางใจมีความสำคัญ เช่น การจัดการห่วงโซ่อุปทาน นั้นมีความเป็นไปได้ที่จะใช้บล็อกเชน ในห่วงโซ่อุปทานที่มีผู้เข้าร่วมจำนวนมาก บล็อกเชนสามารถปรับปรุงประสิทธิภาพการทำธุรกรรมและทำให้ธุรกรรมสามารถตรวจสอบได้และป้องกันการดัดแปลง ตัวอย่างประโยชน์สองข้อของการใช้บล็อกเชนในกิจกรรมห่วงโซ่อุปทาน ได้แก่:
การแทนที่กระบวนการที่ใช้บุคคล สามารถปรับปรุงกระบวนการที่ใช้กระดาษที่ใช้บุคคลซึ่งอาศัยลายเซ็นหรือการตรวจสอบทางกายภาพรูปแบบอื่น ๆ ได้โดยใช้บล็อกเชน ข้อจำกัดคือกลุ่มผู้เข้าร่วมในบัญชีแยกประเภทต้องมีขอบเขตจำกัดและสามารถระบุตัวตนได้ง่าย บริษัทจัดส่งที่มีฐานข้อมูลของลูกค้าที่ไม่คุ้นเคยและมีการเปลี่ยนแปลงตลอดเวลาอาจไม่ใช่ตัวเลือกที่ดีสำหรับบล็อกเชน การดำเนินการผลิตที่มีกลุ่มซัพพลายเออร์ที่เชื่อถือได้มีจำนวนจำกัดและไม่ค่อยเปลี่ยนแปลงถือเป็นตัวเลือกที่ดี
เสริมสร้างความสามารถในการตรวจสอบย้อนกลับ บล็อกเชนสามารถเป็นเครื่องมือที่ดีสำหรับการปรับปรุงความโปร่งใสของห่วงโซ่อุปทานและตอบสนองความต้องการด้านกฎระเบียบและข้อมูลผู้บริโภคที่เพิ่มขึ้น ตัวอย่างเช่น บล็อกเชนสามารถรองรับกฎหมายการจัดหายาและความปลอดภัยของยา และหมาเลขเฉพาะอุปกรณ์ที่ได้รับการมอบอำนาจจากสำนักงานคณะกรรมการอาหารและยาของสหรัฐอเมริกา ในอุตสาหกรรมยานยนต์และอุตสาหกรรมอื่น ๆ ซัพพลายเออร์ในห่วงโซ่อุปทานสามารถมีส่วนร่วมในการดำเนินการเรียกคืน และบล็อกเชนสามารถเป็นเครื่องมือที่ดีสำหรับการดำเนินการตามแนวทางการตรวจสอบย้อนกลับที่เผยแพร่โดยกลุ่มปฏิบัติการอุตสาหกรรมยานยนต์
สรุป
ระบบอัตโนมัติอัจฉริยะที่เป็นรากฐานของอุตสาหกรรม 4.0 อาศัยเทคโนโลยีมากมายสำหรับการนำไปใช้ รวมถึงเลเยอร์เครือข่ายที่มีการเชื่อมต่อแบบมีสายและไร้สายจำนวนมากขึ้น ซึ่งส่งผลให้เกิดภัยคุกคามความปลอดภัยทางไซเบอร์ที่ซับซ้อนมากขึ้น นอกจากนี้มีการนำแมชชีนเลิร์นนิงไปใช้ตั้งแต่เอดจ์ไปจนถึงคลาวด์ เพื่อรองรับการประเมินและการวิเคราะห์แบบเรียลไทม์ รวมถึงการตรวจสอบย้อนกลับและ MES แบบรวม สุดท้ายเทคโนโลยีบล็อกเชนกำลังถูกนำมาใช้เพื่อรองรับฐานข้อมูลที่ป้องกันการปลอมแปลงและตรวจสอบได้

Disclaimer: The opinions, beliefs, and viewpoints expressed by the various authors and/or forum participants on this website do not necessarily reflect the opinions, beliefs, and viewpoints of DigiKey or official policies of DigiKey.