MATLAB® & Simulink®於工業4.0之技術及應用
什麼是工業4.0？
工業4.0（或第四次工業革命）是傳統製造業和工業流程的持續自動化，使用的技術包括工業物聯網、大數據分析、人工智慧和機器人技術以及無人自主系統等。工業4.0的目標是：
- 提高製造能力、生產力和效率
- 實現靈活且以客戶為中心的生產
- 降低運營和維護成本
與前三個工業革命相比，工業4.0這個術語最初被公開是2012年在漢諾威的博覽會(Hannover Fair)上，由 工業4.0工作小組(Working Group on Industry 4.0)，向德國聯邦政府提出了一系列關於推廣工業4.0的建議，以促進製造的電腦化。根據平台產業4.0 (Platform 4.0)，目前有六個工作小組由來自企業、協會，工作委員會和學術界等領域的專家，針對工業4.0的關鍵主題，制定了超前競爭(pre-competitive)的概念、解決方案和建議–從標準化和IT安全到經濟，法律和社會層面等。
機械化、蒸氣及水力發電的引進
新能源百花齊放(電、油、天然氣)以及大量製造
電子、電信以及電腦的崛起
智慧、網路-實體系統互聯(物聯網、人工智慧、大數據..)
四個工業革命進程
為什麼選擇工業4.0？
自從2012年首次出現在工業界以來，工業4.0的含義已經演變且受到不同公司/組織因素的影響，也衍生出新的相關術語，例如智慧製造(Smart Manufacturing)、智能工廠(Smart Factory)、未來工廠(Factory of the Future)等。這些術語的重點可能略有不同，但總的來說 這些計劃的方向和意圖類似於工業4.0。
工業4.0主要是希望能增強機器與機器、以及機器與人類之間，透過OPC UA介接來進行物理以及虛擬世界的連接。OPC UA有助於解決在IT系統（ERP，CRM等）與OT系統（運營科技系統，如PLC(可編程邏輯控制器)，SCADA(監控和資料擷取控制系統)，工業物聯網）之間的互相操作性的挑戰。工業4.0透過了統計分析(Statistical Analysis)、訊號處理(Signal Processing)、預測分析(Predictive Analytics)、人工智慧(AI)、機器學習(Machine Learning)和深度學習(Deep Learning)等技術，利用數據和資訊分析來進行最佳決策。
範例工業物聯網與數位分身(Industrial IoT and Digital Twins)，介紹了如何利用MATLAB 的演算法和Simulink 模型開發數位分身和物聯網的組件，然後部署在邊緣設備或雲端上，用來進行異常檢測、控制的優化和其他各項應用。
工業4.0所能帶來的潛在效益非常大，不過對於不同類型的公司，如原始設備生產商（OEMs）、系統整合商以及最終用戶或工廠運營者等，能從中獲得到的益處及類型，隨著他們在整體工業4.0中所扮演的角色也會有所不同。
原始設備生產商(OEMs)
OEMs通常在設計生產設備時會建立模型，工業物聯網可以讓這些模型成為操作設備的數位分身(Digital Twins)，用來給定各種特定的操作狀態以優化機器性能。設備生產商還可以為其生產的機器提供更多加值服務，如提供像預測性維護(predictive maintenance) 的功能交給工廠經營者，這能有助於工廠提高所購設備的可靠性、可用性和可維護性（Reliability, Availability, and Maintainability, RAM）；而對設備生產商而言也很有幫助，能夠因此獲得更多現前或未來機器有關的設計見解。 。
線上影音數位分身與人工智慧科技的攜手整合
系統整合商(System Integrators)
系統整合商主要是幫助工廠運營商，協助他們建立工廠設備間的互連系統、執行系統整合、給予工廠層級的性能，以及透過以雲端為基礎或內部部署的架構去進行整個流程的數據分析並加以視覺化。系統整合商也可以透過開發整個工廠流程的數位分身，啟用虛擬調試(virtual commissioning)工廠來驗證和優化工廠的成效，而無需等待實體工廠建設的完成。
範例如何使用Simulink及Siemens SIMATIC Target 1500S目標硬體進行虛擬調試， 了解Atlas Copco這間公司如何建立機器的數位分身，並使用控制演算法對其進行模擬；然後使用自動程式碼生成工具和適用於Simulink®的Siemens®SIMATIC®Target 1500S™目標硬體，整合到西門子的TIA Portal專案中。
工廠運營商(Factory Operators)
他們的目標是讓工廠以最佳的效率維持運轉、達到最高生產力和最低的維運成本，並滿足客戶對產品功能、品質、速度和成本的需求。採用工業4.0的預期效益可以分為下列三類。另外絕大部分的情況是，原始設備生產商通常自己也經營製造工廠，用來生產他們設計的機器設備，因此下面所列出採用工業4.0的好處，也適用於設備生產商。
1. 同時實現靈活生產(Flexible Production)和大規模客製化生產(Mass Customization)
靈活生產（或靈活製造Flexible Manufacturing)，目的在使製造商能輕鬆地因應與改變所生產的產品類型和數量。機器人技術(Robotics)、自動導引車(AGV, Automated Guided Vehicles)和電腦輔助製造(CAM)系統，則通常是在靈活生產系統中被廣泛使用的。下圖說明了可以使用同一條生產線來組裝不同型號的汽車。
靈活生產/製造，不同的汽車型號可以在同一條產線進行組裝
範例MATLAB和Simulink的機器人製造技術，學習如何利用MATLAB與Simulink如何設計機器人並將其想法和概念轉換為可在現實環境中無縫運行的無人自主系統。
大規模客製化生產 (Mass Customization)
大規模客製化生產（Mass Customization）則同時結合了客戶訂製的靈活性和個性化，以及大批量生產單位成本較低的產品之特色。
工業4.0將會大大地推動下一波大規模客製化生產的浪潮。為了在大規模客製化生產的產品和服務中獲得成功，首先，最重要的就是要找出客製化的機會，不但可為客戶創造價值，也要能以順暢及不昂貴的交易流程，同時得到客戶與生產者兩方的支持(個性化過程(Process of Personalization))。
其次，對於生產者而言，擁有可控的成本結構和水準至關重要，即使製造的複雜性因為“靈活製造”而增加。
靈活生產和大規模客製化生產，可幫助生產者提高效率、降低生產成本、增加產品差異化，從而獲得競爭優勢。此優勢也是透過實施“及時(Just-in-Time)”生產和物流，隨時調整減少庫存而得以減少成本。
2. 優化運營績效(Optimize Operation Performance)
作為工廠運營者，系統層級的營運和產能的優化最為關鍵，這可提高產能並降低運營成本，以在全球市場中保持競爭力。透過工業物聯網(Industrial IoT, IIoT)的實時連接(real time connectivity)和數據擷取，運營商可以得到全面的完整製造過程之資訊，並進行仔細、全方位的了解，發掘過程需要注意的問題。使用統計分析，機器學習和AI演算法處理和分析實時數據，不僅可找出流程中效率低下的地方，而且可以預測會發生什麼，並採取措施避免它們首先發生。製造過程中的數位分身(Digital Twin)可用於在不同情況下運行，查明根本原因，並提供可行的見解以維護和改善工廠營運的表現。
3. 增加可靠性、可用性和可維護性(Reliability, Availability, and Maintainability, RAM)
可靠性 是系統在給定時間內產生正確輸出的概率。
可用性 是指系統在給定時間運行的概率。
可維護性 是系統可以維修或維護的簡易程度和速度。在單個機器和流程級別，增加RAM並減少產量設備的擁有成本是降低生產成本的重要方法之一(產品成本也是)，且可提高盈利能力、靈活性並保持競爭力。
預測性維護(Predictive Maintenance)是RAM的核心。有了預測性維護，可將意外故障和故障的發生率降到最低，資產的可靠性因此提高，而其可用性也可以最大化。此外，在工業物聯網、數位分身，以及一些進階資料解析的技術如AI，機器學習和深度學習的助陣下，預測性維護可以應用於讓工廠運營者不僅僅去了解機器發生了什麼事(what happened)、即將會發生什麼問題(what will happen)，也能知道對於將發生的問題該怎麼因應。因此，營運和維護(Operation & Maintenance, O＆M)的成本，以及機器故障或過程故障的影響可以很顯著地減少．
隨著技術的進步，工業4.0可以帶來的好處將越深越廣。例如，當5G技術變得越來越可行和實用時，工廠運營商不僅可以透過更快、實時和大量數據做出更好的決策，他們也能夠應用虛擬實境（Virtual Reality, VR）和擴增實境（Augmented Reality, AR）到其工廠的運作、維護和訓練活動中，進一步提高生產力、效率和降低成本等等。同樣地，設備生產商和系統整合商也可以利用VR / AR為工廠運營商提供更多加值服務和/或幫助自己，進行產品設計、模擬和調試等。
使用MATLAB和Simulink於工業4.0開發
工業4.0是一串技術的組合，這些技術共同結合可以使製造商從中獲得價值，使他們的工廠機器和製造過程變得互聯且智能。不過轉型的變化過程，則建議逐步並分階段進行—這樣反而更能快速實現投資報酬率，並可建立起隨後進行更改時可以重用的相關知識。
MATLAB和Simulink產品家族提供了廣泛的演算法和建模功能強大的工具，相當多互聯連結的許多選擇、能重複使用所建立工件和模型的功能、以及能靈活地導入工業4.0架構的多種實現方法。
了解更多：
- OPC工具箱，能啟用從各種設備，以及像SCADA, PLC等分散式控制系統，進行讀取、寫入和記錄OPC數據的功能。
- 物聯網，能將嵌入式設備連接到網際網路，並從數據中獲得有用的見解
- 機器人設計及技術，能將您的機器人設計構想和概念轉換為可運行的無人自主系統，並且與現實環境無縫接軌
- 嵌入式控制系統的自動程式碼生成， 能夠讓使用者透過自動生成方式，將MATLAB或Simulink或Stateflow模型產生可讀的高效率C程式碼，進一步部署到各種MCU / DSP / PLC上。
- 資料科學，協助使用者探索資料、建立機器學習模型，並坐做預測性分析。
- 預測性解析，可幫助使用者使用歷史數據來預測未來事件。
- 機器學習，能訓練模型，調整參數並部署到生產線或邊緣設備上。
- 人工智慧，仿效智能人類行為所設計出來的感知模擬環境，了解其行為並採取行動。
- 數位分身，是最新的一種表法技術，將實際運行中的物理（或待建）資產以模型方式呈現。
- 模型化基礎設計(Model-Based Design)，一種透過將設計任務從實驗室和現場轉移到電腦桌面，大大改變了工程師和科學家工作的方法。
- 基於模型的系統工程(Model-Based System Engineering)，用來管理系統複雜性、改善溝通並產生優化的系統。