人工智慧運用在智慧製造領域重點專利佈局—比較台灣廠商及世界標竿廠商為例

導讀
人工智慧所運用之智慧製造技術可說是下一世代技術發展之重點領域技術核心。而現階段也是各國家積極投入及發展之重點產業,不過相對應其他製造議題,人工智慧對製造技術所帶來的衝擊遠比各類型傳統技術更為驚人,畢竟人工智慧技術所思考的是完整性之革命,其思考重點由傳統之硬體技術增強生產及製造效能,進一步拓展至軟體及資料面之全面性檢討,這對於整體產業之產生變革,可說是至為關鍵。有鑑於此,本文特別藉由針對人工智慧運用在智慧製造領域之相關重點專利進行分析,從中思考世界各國與台灣在此領域之重點專利佈局,並藉由此一過程中,思考現階段我國在此一領域應該注重之相關事項及相關機會,幫助我國廠商在人工智慧及智慧製造領域之專利佈局方向中找出正確之方向,並從中思索適當之策略,幫助我國廠商邁入智慧製造之領域。
文章圖片所有權: https://ppt.cc/fgxMox ,Created by geralt
著作權聲明: CC0 Public Domain-可以做商業用途-不要求署名

一、前言

智慧製造及人工智慧近年來逐漸成為整個產業界中最為值得注意的議題,這部份之熱潮在近兩年來達到了高峰,主要是由於工業4.0及人工智慧相關概念逐漸成為現階段製造領域之重點發展核心,這部分除了因為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之外,更進一步由於人工智慧之相關領域之發展快速,使得此部份之發展有了更新更快之突破;因此如何有效運用人工智慧,進一步搭配製造模式,達成完整智慧製造功效,相信這是現階段最為重要之議題。

有鑑於此,智慧製造相關概念中,怎樣有效搭配硬體及軟體,並進一步從中真正讓製造系統變成所謂的「智慧」,這部份就成為現階段人工智慧領域發展中最為核心的問題;而人工智慧就是現階段最為適合之重點解決方案,人工智慧理論上將可以藉由機器學習結合傳統經驗,並進一步搭配相關歷史數據進行學習,這部份將可以有效針對相關訊息進行統整,配合硬體真正達成智慧製造之相關目的。

透過上述相關敘述,可發現現階段智慧製造之真正核心,應該是期望可以藉由先進之硬體,搭配具有自我思考,自我規劃,並可以整合相關以往技術之重點,完整應付不同類型之智慧製造需求。這部分對我國現階段相關廠商而言,可說是最為重要的思考重點,畢竟根據相關資料;我國現階段雖仍極為仰賴製造業,並積極對外宣稱走向高價值及高技術之相關製造業,但嚴格說來製造業本身基本上對於自動化都仍嫌不足,更遑論智慧化;因此如何有效針對我國廠商之AI 人工智慧技術之相關重點技術進行評估,從中思考這一系列之變革對我國現階段之影響相信這是一個最為值得探討及思考的問題,本篇文章及從專利之角度,思考這類型問題並謀求解答。

二、研究方法

本篇研究主要針對智慧製造與人工智慧相關技術專利進行分析,智慧製造與人工智慧專利主要搜尋方式利用Derwent Innovation 專利分析進行搜尋,這部份之搜尋將主要參考關鍵字及CPC分類號進行搜尋,相關搜尋條件如下:

首先在人工智慧部份,本研究鎖定之相關人工智慧領域較原本單純探討人工智慧演算法更為擴散,畢竟本研究主要著重在人工智慧與智慧製造技術之運用,因此主要鎖定之演算法除了基本之重點演算法更進一步包含各類廣泛範圍之弱人工智慧演算法進行搜尋,因此包含領域除了常見之模糊邏輯、類神經網路等相關弱人工智慧之外,另外也包含啟發式演算法、專家系統、新世代之神經網路、深度學習等各類演算法,這些演算法基本上都算是人工智慧的相關應用,所已均列入關鍵字查找範圍。因此這部分考慮的關鍵字如下:人工智慧相關:Artificial intelligence 、Machine learning 、Reinforcement learning、Genetic algorithm 、Genetic programming、Neural network、Fuzzy logic、Deep learning、Decision support system、Agent、Bayesian probability、Convolutional Neural Network、Recurrent Neural Network

至於在智慧製造領域,主要則鎖定相關重點製造方向,這透過相關論文及相關研究分析,可發現智慧製造領域主要由三個角度切入,分別為感知層、認知層、及應用層三個構面,其中感知層部分主要鎖定在相關感測器、及人機互動部分知相關智慧製造研究,認知層則主要偏重在相關通訊介面,包含物聯網及相關通訊標準及領域相關介面,而應用層則是已相關之重點領域與相關之生產實際應用為主,除此之外更加入相關之重點評估,包含智慧診斷、狀態監控等相關關鍵字。這類型關鍵字包括下述相關關鍵字Industrial 4.0、 Cyber physical system、 Intelligence manufacturing、Cycle time management、 Flexible manufacturing、Smart manufacturing、Quality engineering、Parameter optimization、Fault detection、Fault classification、Fault diagnosis、Fault prediction、Predictive maintenance、Tool health monitoring、Dynamic sampling、Supply chain management、Inventory management、Capacity planning、Demand forecasting、Demand planning、Vendor-managed inventory、Order allocation、Resource allocation。

至於相關之重點專利分類號,本研究則參照以往個研究領域之分析,主要將分類號鎖定在CPC領域,並由相關之研究狀況整理中找出重要關鍵,這部分主要參考相關檔,鎖定如下:G06F OR G06N OR G10L OR G05B OR G06T OR H04L,這其中G06F主要定義在電子數位資料處理、G06N主要定義在基於特定計算模式之計算機系統、G10L主要定義在語言分析或合成;語言識別、G05B主要定義在一般的控制或調節系統及其功能單元;用於系統或單元之監視或測試裝置、G06T主要定義在一般影像資料處理或產生、H04L主要定義在數位資訊之傳輸,透過相關之運用,藉此搭配關鍵字,從中找尋適合之專利。本篇文章藉由相關關鍵字進行搜尋,主要使用專利搜尋軟體為orbit intelligence,透過相關關鍵字鎖定再出現於標題、摘要及權力項相關之專利。

三、研究結果

本篇研究即透過相關搜尋過程,進一步運用orbit intelligence 專利資料庫中之30個專利局或國家1之專利資料庫,篩選出13,295篇專利,這其中主要專利部分申請及各國發展趨勢如下:

30 個專利局資料如下 AP – from 1984 EA – from 1996 LU – from 1999AT – from 1983 EP – from 1978 MY – 2003-2010 AU – from 1978 ES – from 1993 NL – from 1965BE – from 1988 FR – from 1969 NO – from 2009 BG – from 1999 GB – from 1983 RU – from 2005CH – from 1982 GR – from 1988 SG – from 2001 CN – from 1987 HR – from 2005 TR – from 1987CZ – from 1997 IT – from 2010 TW – from 2006 DE – from 1943 JP – from 1972 US – from 1947DK – from 1956 KR – from 2000 WO – from 1978

圖1 重點專利申請趨勢介紹

透過圖1相關之介紹,可發現各國申請趨勢在2011年第一次達到高峰,現有相關專利中,主要申請年代高峰仍是在近10年內,這部份可證實相關技術之發展高峰期是近年來開始逐漸成為主流,而透過前述之相關背景敘述,可發現智慧製造與智慧機械相關發展熱潮正好是2011年開始成為主流,而相關專利近年來之表現也堪稱卓越,到2017年申請的量更達到高峰,幾乎是近年來之數量加倍,不過透過相關數據,可發現近年來申請量有稍微下降之趨勢,這部份扣除相關資料蒐集之誤差(專利資料來自各國專利局,各國專利局對於資料轉譯成英文會有時間落差,造成資料可能之蒐集不全。)

圖2 重點專利權人國家介紹

圖2進一步針對相關專利之申請國家部分進行分析,透過此圖,可發現各國對於此一技術領域之佈局也多是在近五年達到高峰,2011年可說是最為關鍵的一年,那年剛好也是智慧製造相關議題、工業4.0相關議題誕生之時期,所以帶動了相關技術熱潮,並於2011年開始帶動一系列相關專利成長。現階段各國佈局領域中,仍是以美國及中國兩者為最大佈局國,其次則為日本、韓國,值得注意的是我國之狀況嚴格來說並不理想,我國現階段只位列第13名,我國趨勢主要在2014年達到高峰。

更進一步思考以我國為優先權申請之相關專利,主要以我國為申請地並以我國為優先權之國家相關專利主要占比如下圖3,此圖與圖2不同點在於圖2是以專利權人為我國企業為主,這張圖則進一步加入外國企業做為參考,嚴格說來更能了解台灣市場之競爭態勢。

圖3 台灣智慧局之相關專利

透過圖3 ,可發現我國專利局在此領域排名前三名之申請專利權人,居然都是國外廠商,這代表我國現階段市場在智慧製造及人工智慧領域之表現,基本上仍然是以國外專利權人表現較為亮眼,這部份值得深思與加強。進一步針對我國相關專利權人表現進行分析,現階段盤點我國專利權人表現,參照圖4,可發現現階段專利權人中,主要以資策會及工研院和大學系統表現較為亮眼,而台灣相關技術申請,透過圖5 可發現,主要仍以模型及預測相關,這部分顯示台灣現階段仍是以模型技術及相關技術運用為主,對於實際產品之應用,仍有加強空間。

圖4 台灣專利權人之相關專利 (依照申請年)
圖5 台灣專利權人之相關專利 (依照領域進行分類)

四、結論

現階段透過資料篩選,可發現台灣基本上共有30篇相關專利家族是與AI 較為相關,此30篇專利主要之研究機構,分別是在成功大學、台灣工研院、緯創台灣資策會,透過相關資料,可發現現階段台灣專利佈局領域較為狹隘,基本上主要佈局都在世界大廠最為積極佈局的重點領域,包含通訊及演算法,但是對於實際之生產工具及相關技術之突破性運用部分,這部份似乎較為缺乏。

進一步針對相關技術發展時間進行分析 ,可發覺現階段台灣在此領域之佈局時間較晚,大約在2008年左右才開始正式針對相關項目進行佈局,剛開始時佈局相關領域是包含學習型相關演算法為主,而後相關專利直到2011年,才開始逐漸針對相關領域開始興盛起來,這其中多半是運用相關演算法解決各類型不同之問題,而較與智慧製造之相關專利,共有22篇,這22篇中仍是以相關電腦科技針對相關技術輔助為大宗,其他則是以包含資料架構判斷、網站相關領域判讀,資料辨識為主。這其中可發現仍是以工研院為此領域之領導者,專利多半仍是電腦科技之相關技術為主。這部分似乎可判斷工研院擁有較佳之相關專利。但現階段相關專利中,均是由人工智慧領域出發,主要跟智慧製造相關之專利,多半仍是集中在電腦技術(資料控管及資料處理)領域及相關網路頻寬技術,嚴格說來對於現場工程技術、實際操作技術部份,仍沒看到相關專利之產生,這部份似乎是台灣現階段在發展智慧製造及運用人工智慧所遇到之相關難題,畢竟台灣雖然有極為優秀之工程能量及研發設計能量,但是台灣對於智慧製造及人工智慧領域結合,仍著重在單純解決產線問題,技術問題之構面,對於拓展相關需求,並有效建立一機器溝通,機器聯結之相關構面,這部分台灣之相關表現,仍有待加強。

最後,對於台灣現階段在此領域相關專利發展狀況,實在有值得加強之必要,根據專利權人之相關分析,可發現台灣現階段在這領域之專利,主要之數量領先者均為外籍廠商,數量領先者主要為高通、華為、INTEL,這三者均非常積極佈局台灣市場,三者在數量部分基本上都超過台灣最多的工研院,由其是高通,基本上佈局台灣非常明顯,居然有高達93篇專利,這部份未來發展實在值得注意,畢竟台灣相關類似廠商現階段佈局點均只有少數,未來廠商在此領域之應用,基本上是否會面臨高通之運用,整體而言值得注意。

參考文獻
  • DIGITIMES企劃(2016),整合IT、工控與通訊 加速落實工業4.0轉型,
  • DIGITIMES企劃(2016),建構工業4.0生產環境因應的嵌入式技術,
  • 吳國偉(2016),產業焦點評論-台灣發展生產力4.0之觀察與建議,產業情報研究所(MIC),資策會,
  • 李震華(2016),工業4.0軍團-先防駭才有戰力,經濟日報,
  • 科技商業觀察(2017),工業軟體的自我改造,取自:https://ddnews.me/tech/iyvo6yvw.html
延伸閱讀