智慧製造重點技術發展趨勢探討與分析 — 以IBM相關專利發展途徑為例

一、前言

隨著時代與科技的進步，製造業整體生產模式近年來已有顯著性得突破，傳統之大量生產及追求低成本、標準化之生產模式已經逐漸被時代所淘汰。現階段之重點製造模式及生產模式都開始逐漸朝向差異化、快速化並進一步滿足不同消費者之需求，這類型改變導致整體製造行為也逐漸由原本追求單一最佳解演化成追求多數最佳解，透過這一系列過程，可發現製造過程已經不再是簡單之生產管理，相對而言更牽涉到許多系統間之運作，因此勢必需要在多模式與多系統間找到一個適當之平衡，才可以進一步做出適當之規劃，有效提升整體之運作效能。

有鑑於此，近年來工業4.0及智慧製造相關概念逐漸成為現階段製造領域之發展核心。不同於以往之製造領域相關演進，智慧製造是奠基在進階數字處理及相關資訊之預測為主，因此此一技術之發展將逐漸從傳統之生產在稽核之事後管理，轉換為事前管理之預測階段，為了達到此一境界，智慧製造勢必需要結合先進之硬體及重點軟體進行規劃，現階段硬體部分，智慧製造主要著重在感知層與認知層之互相搭配，這部份著重在生產製造領域運用感測器及物聯網之搭配與應用，但軟體部分，如何有效針對搜尋而來之數據資料，進行完整之數據分析，並進一步藉由這一系列之數據，找到正確之分析方向，這部份與硬體之比較，重要性似乎也不遑多讓。因此在判斷工業4.0及智慧製造相關概念時，如何有效計算其所帶來之相關資料，並從中面對各種突變化狀況，相信這是非常重要之發展重點。

本篇報告之目的，即在於透過另一種角度，思考現階段重點廠商中智慧製造軟體之相關運用，並從中分析代表性廠商IBM之動態，思考智慧軟體廠商在智慧製造領域中佈局之重點方向，進一步探索其如何運用重點資料分析技術在不同領域之相關運用。藉由此一方向，思考未來智慧製造之新一代佈局走向，從中找到關鍵之運用。

二、IBM之相關重點運用

不同於其他多數之數據軟體分析公司，IBM藍色巨人可說是世界上最早之硬體公司，現階段之個人電腦，甚至是大型之超級電腦許多都是IBM當初所首先制定出來之規格，因此IBM 在硬體領域之能量可說是遠遠超越現今多數之資訊及系統廠商，但近年來IBM面臨Intel、Apple 及各大硬體領域技術廠商之激烈競爭，已經逐漸對於硬體領域不再重視，旗下之重點發展路徑已經多半轉至軟體及智財領域，這部分可說是IBM未來之重點發展途徑。現階段IBM在重點軟體領域多有相關著名之應用，而這其中最為重要的，即是其華生人工智慧系統。嚴格說來，華生可說是IBM最重要之大腦。(維基百科，2016)

IBM在相關智慧發展領域，最重要的應該就是其「華生」超級電腦，華生可說是IBM現階段最為重要之核心，根據IBM對於華生之相關敘述，嚴格說來華生是一套電腦問答(Q&A)系統。此一系統主要是一個集高級自然語言處理、訊息檢索、知識表示、自動推理、機器學習等開放式問答技術的應用，並且「基於為假設認知和大規模的證據搜集、分析、評價而開發的DeepQA技術」。(DeepQA Project，2011)現階段IBM一切之相關人工智慧與智能技術基本上都是奠基在華生之相關發展上，而相對應華生之專家John Rennie所敘述，華生每秒可以處理500GB的數據，相當於1秒閱讀100萬本書。(Rennie ，2011) IBM研發負責人和高級顧問Tony Pearson估計華生的硬體花費近300萬美元，(Lucas ，2011)其80 TeraFLOPs的處理能力在超級電腦世界500強排名第94，在超級電腦世界50強排名第49。

華生的資訊來源包括百科全書、字典、詞典、新聞和文學作品。華生也使用資料庫、分類學和本體論。特別是DBPedia、WordNet和Yago。(Sandipan Mandal，2015)

IBM小組為華生提供數百萬的文檔，其中包括字典、百科全書和其他能建立知識庫的參考材料。儘管華生在比賽中沒有連結網際網路，(Thompson ，2011)它4TB的磁碟上仍有2億頁結構化和非結構化的資訊供其使用，(Jackson ，2011)[7]其中包括了維基百科的全文。(Zimmer, 2011)

現階段IBM對華生之規畫應用，主要期望在未來可以藉由華生之智慧運算之幫助，推動各行各業的轉型，而根據IBM對於華生所推出之相關產品，主要包括Watson發現顧問(Watson Discovery Advisor)，Watson參與顧問(Watson Engagement Advisor)，Watson分析( Watson Analytics)，Watson探索( Watson Explorer)，Watson知識工作室(Watson Knowledge Studio)，Watson腫瘤治療(Watson for Oncology)，Watson臨床試驗(Watson for Clinical Trial Matching)等。 相關領域技術，這其中各類型之相關華生技術運用，分別概述如下：(百度百科，2011)

Watson分析 (商業日報，2016) ( Watson Analytics)。Watson 分析主要就是運用定量和定性之方式，快速針對使用者之需求進行製作圖表之評估。這部分主要採用的即是不同種類的視覺化技術，此外並進一步在系統中添加預測性的分析能力，現階段可說是Watson 之重點發展技術。這類型技術結合現階段之預測技術，將可有效提升商業發展能量，並進一步提升整體工作效率。

雖然Watson分析對於提升工作效率及專業能量非常有幫助，但嚴格說來商業智慧較注重分析，並提供意見給予適合之方案，這部分在互動部分較為缺乏，而Watson參與顧問(商業日報，2016)(Watson Engagement Adviser)則可說是彌補其在此領域之缺點，Watson參與顧問主要是運用做為一個主動式判斷之學習框架，這套系統它會不斷閱讀最新資訊並及時更新。適時的針對情境，提供使用者不同之回答與建議，嚴格說來可說是一問答系統，可說是具有溝通情境之相關人工智慧平台。

至於另一套系統，則是以Watson探索(商業日報，2016) (Watson Explorer)為主，嚴格說來此一系統及是一套企業內部使用之公有雲服務，主要目的在於將企業資料來源中不同類型的資料彙集到起來，然後將這些資訊通過API連接到Watson系統上，並進一步將不同私有雲資料進行整合。這類形功能之重點，在於有效將一般之雲功能整合，並從中結合Watson之分析功能，進一步強化其在分析上之功能與績效。

Watson發現顧問(商業日報，2016) (Watson Discovery Adviser)能夠發現和建立不同資料之間的關係。它能夠通過收集資料，基於資料進行學習，並迅速的提煉洞察，來幫助各行各業進行創新。

Watson知識工作室(商業日報，2016) (Watson Knowledge Studio)通過監督學習技術(supervised learning techniques)，開發人員和相關領域專家可以運用他們的行業知識和管理技能來培訓Watson，這部分之目的在於運用一系列之判斷與邏輯過程，協助將人工智慧之概念建構至Watson中， 並進一步強化其發展狀況。

前述之相關內容都可說是Watson之本質領域發展。不過近年來Watson除了在本質領域之發展，更進一步針對醫學領域進行更為積極之發展，這部分主要除了腫瘤判斷之外，更加上了臨床診斷。這兩者可說是現階段Watson中最為重要的應用，也是現階段Watson 主要主打之領域分析。以下即針對相關資料概述介紹：

Watson腫瘤治療(商業日報，2016) (Watson for Oncology)，Watson通過MSK外科醫生的專業培訓後，將為臨床醫師提供以證據為基礎的治療方案。不論是社區醫院還是全球頂級醫院，腫瘤專家像所有臨床醫生一樣，都在通過大量的研究成果、醫療記錄和臨床試驗來瞭解、學習該學科的最新動態。Watson結合重要的知識，協助腫瘤專家解決問題。現在，通過IBM和MSK之間的合作，Watson利用世界知名的MSK公司的專業知識，深度評估和分析每一個病人具體情況。

Watson臨床試驗匹配 (商業日報，2016) (Watson for Clinical Trial Matching)能夠幫助確認臨床試驗匹配的潛在人選。利用認知計算，Watson能夠分析臨床試驗潛在人選的特徵，通過評估這些候選人對於相關條件符合的程度，來幫助臨床醫生，更快速有效的選擇臨床試驗的合適人選。通過提高潛在人選篩選的效率，來幫助提升臨床試驗的成功率。

藉由以上所述，可發現現階段Watson之用途仍然較著重在商業和醫療兩個領域，對於製造領域之切入，仍較為缺乏，不過近年來智慧製造之相關觀念開始逐漸展開，這部分相對於IBM而言可說是另外一個值得重視的發展空間。IBM雖然較未踏足智慧製造領域，但是對於資料分析，資料探勘與加入各類型之人工智慧方法，可說是其專長。因此如何進一步從相關資料中，思考IBM現階段在智慧製造領域佈局之方向與方法，可說是本研究未來之重點思考方向。

為了進一步分析IBM現階段在智慧製造領域發展之途徑，本研究由專利分析之角度，進一步針對IBM在相關技術之重點發展狀況進行整理，並期望從中整理出相關路徑，提供有興趣此領域發展之廠商進行參考。

三、IBM相關智慧製造專利發展途徑

透過前述之分析，可發覺IBM現階段在智慧製造領域雖然著墨不深，但是相對於在數量分析、人工智慧、商業智慧部份之發展，這幾個部份可說是其重點發展領域，而數量分析、人工智慧這兩者，嚴格說來也可說是智慧製造領域之重點技術核心。因此現階段IBM再投入智慧製造領域之佈局，也多半是朝向此兩者進行佈局。

除了上述三個技術之外，現階段IBM在工業4.0及智慧製造中，主要也主打物聯雲之相關概念，其做法類似於透過利用IBM相關之雲端架構，整合整體物聯網，將所有資訊傳達至雲端，並有效整合相關資訊進行統整。這部分嚴格說來也是IBM近年來積極推動之技術之一，其技術主要就是以物聯網結合雲端相關資訊，並進一步主打雲端儲存，嚴格說來此技術也與IBM推出之相關雲技術不謀而合，可說都是現階段IBM在資訊科技之強項。

藉由IBM在技術方面之強項，特別進一步思考其在智慧製造之相關領域佈局，並進一步分析其相關技術能量。為了符合相關領域之應用，本篇文章特別針對重點專利之相關應用進行統整，主要運用ORBIT INTELLIGIENCE 專利資料庫，針對主要專利權人為IBM，並加入重點關鍵字進行分析，重點關鍵字主要包含下列三群

(一)製造領域：

主要針對相關製造重點狀況進行關鍵字統整，這部分包含關鍵字如下：MANUFACTURE*、QUALITY*、PRODUCE*、SCHEDULING*、PLANT*、CONTROL*、Digital computing *、 data processing equipment or methods、 specially adapted for specific functions、Sensor

(二)先進製造部分：

主要針對近年來之先進製程進行搜尋，這部分關鍵字包含如下：Computer aided manufacturing、Computer integrated manufacturing system、MASTERCAM、ERP

(三)人工智慧部分：

主要針對重點相關人工智慧artificial" "intelligence" OR "nonvolatile" "medium" OR "distributed" "computing" "environment" OR "neural" "network" OR "networking" "environment" OR "machine" "learning" OR "execution" "thread" OR "game" "port" OR "gamepad" OR "multiprocessor" "architecture" OR "dual" "microprocessor" OR "transitional" "word" OR "close" "temporal" "proximity" OR "expert" "system" OR "communication" "framework" OR "bayesian" "belief" "network" OR "natural" "inclusive" "permutation" OR "fuzzy" "logic" OR "ad" "hoc" "communication" OR "standard" "programming"

透過這些資料之整合，進一步將專利獲證相關年代鎖定在2000-2017年，並進一步探索IBM之相關專利，並鎖定共24國家之相關專利。進而由相關資料，整理出整體專利共有1,609篇，這其中依照最早申請年可最早追朔至1998年，整體呈現分佈如下圖1，透過圖1，可發現相關類型之專利發明熱點是在2010年開始，整體而言從2010年開始，IBM似乎更為積極針對此類型技術進行投入，而相關專利在2015及2016年開始進入高峰，這似乎也證明IBM近年來非常積極投入相關領域之發展。

進一步針對IBM所投入之相關技術進行分析，可參照圖2，透過圖2可發現IBM之相關發展技術仍是以視覺化相關界面，及網路化相關技術為主流。值得注意的是現階段技術發展中，IBM在技術發展領域仍是以相關資訊技術為主，這部分可由圖2中latter scenario、gateway computer、client computer這三者所涵蓋之技術內容中可以發現，這三部份可說是IBM技術導入智慧製造中之核心成果。

進一步搭配相關年份來進行分析，這部分參見圖3，可發現IBM在相關領域中，最為值得注意的狀況在於其前期(2004-2010)年，主要之發展技術多半著重在資料庫、桌上電腦、無線網路等相關技術，其主要運用之方向似乎偏重於應用資料庫領域之重點，進一步探索此一時期，IBM之發展方向似乎對於人工智慧，智慧製造相關技術，偏重在軟體架構及機上管理相關構面，其與現階段智慧製造領域之發展似乎有所落差。

不過IBM在進入2010年之後，其技術領域開始逐漸朝向人工智慧和雲端操控技術為主，這部分可以從技術項Procedural Programming Language、Programmable、Computer Program Instruction這三大類技術向可發覺，這三者均在2010年逐漸開始發展，並在2014年成為技術高峰。這三者主要均是與人工智慧相關之技術發展。至於其他兩項重點發展領域，則是以商業智慧化之Flowchart Illustration技術與Remote Computer 和Executable Instruction 雲端相關技術為主，這三者技術也似乎與IBM近年來相關產業之發展息息相關，可說是重點技術關鍵。

進一步將所有專利透過系統分群，思考IBM在此領域之智慧製造佈局重點，本研究透過圖4之IBM相關重點領域專利佈局圖，此圖中每一點及代表一筆專利，由圖中所示，可發現現階段IBM整體技術佈局仍是著重在資訊相關技術之運用，包含虛擬環境，資料虛擬儲存狀況、資料串留、機器閱讀這四大部分為主要之發展核心，且透過分群資料支狀況，可以發現其整體已經逐漸串連成一個系統，而這部分更進一步與相關應用技術包含半導體及相關工業運用串連在一起。由其專利佈局趨勢，可發現IBM現階段逐漸佈局重點已經逐漸與工業和半導體產業進行串連。這部分也似乎逐漸成為IBM未來之重點發展關鍵。

至於另一塊重點發展領域，則是以IBM原本之強項，也就是資料庫之資料運作為主，這部份可說是IBM相關之重點核心，現階段此一領域佈局之專利數量最多，但其相關之運用嚴格說來似乎已經逐漸有自成一格之趨勢，這也證明相關技術逐漸與新世代之人工智慧和智慧機械相關技術漸行漸遠，逐漸自成一格成為一發展趨勢。

四、相關研究結論

透過相關論述，可發覺現階段由專利角度來看，IBM在資訊科技部份之表現仍然可說是世界之領頭羊，其技術領域包含雲端技術、程式技術、資料庫技術、商業化自動畫圖形顯示技術，這些部份均可顯示出IBM在此領域之強勢性。

但進一步而言，IBM現階段在智慧製造部分，似乎仍對於感知層，也就是機器實體接觸及感知領域之部分較為缺乏，這部份現階段可說是智慧製造技術發展之重要核心，IBM如果未來勢必要跨足智慧製造領域，除了其具有之強項技術部份之外，更重要的是必須與相關製造機具廠商及生產機具廠商共同合作，將其具有價值之生產資訊傳遞至IBM之相關華生電腦系統及相關運算系統，整合及判斷出具有價值之生產及相關產業資訊，這部份似乎才是其未來如欲投入智慧製造領域，所必須積極思考的部分，現階段許多資訊科技廠商對於投入智慧製造部份最為棘手的部分，就在於如何在現場擷取機械相關之資訊，這部份之相關機械生產資料，多半仍掌控在機械加工廠商，因此包含FANUC、KUKA、Siemens等廠商推出之一體化技術，這類形技術對於智慧製造之幫助較可以拓展到底層之工具機及現場之工具機器人，因此更可以掌控相關技術。

至於人工智慧部分，現階段IBM在人工智慧之發展可說是執牛耳，由多篇專利佈局在程式技術、資料庫技術及商業自動化技術相關之領域可發現，IBM在此領域奠基在運用龐大的資料庫並進一步透過人工智慧相關技術快速找出其相關關聯性及答案性。這部份可說是IBM技術發展之最強大的應用。近年來IBM由其偏重在商業智慧部分，對於機器人問答技術，圖形自動生產與解答技術，甚至是資源共享部分都可說是發展重點。但是IBM之 AI技術透過相關專利之發現，其主要技術均是奠基在資料庫之架構下；這部分發展與現階段之AI 技術發展並不相同，因為現階段AI之技術發展主要著重在自我學習，自我思考；而IBM技術仍是較為早期之資料庫關聯法則，不過這部份現階段IBM已經針對相關技術進行研發，透過專利可發現現階段IBM相當多專利都已經佈局在程式設計領域，這部份可說是未來人工智慧之發展核心，未來之發展仍值得注意。

透過本篇研究，可發現現階段軟體資訊廠商在投入智慧製造領域，多半仍著重在雲端空間、物聯網架構、資料分析與資料運算及商業智慧及時分析，但嚴格說來，這部分是否能與智慧製造中之感知層部分進行搭配，並進一步接收機器相關之運作資訊，甚至進一步操縱機械，進行自動化及聯網化之相關訊息，這部份現階段可說是資訊廠商在面臨智慧機械領域時，最為需要思考的地方，如何搭配相關領域之研究，並能有效讀取機械之資訊，做到真正之智慧機械，這部份可說是未來智慧製造廠商必須積極面對之問題，也是現階段投入智慧製造之軟體廠商所必須面對之問題。