邊緣建構工業物聯網平台 逐步實踐邁向智慧化

2021-08-02
隨著邊緣運算、雲端運算、人工智慧等IT領域技術發展日漸成熟,藉助數位化的力量來推動企業轉型,已是各產業共通的課題。台灣製造業中數量與規模皆為可觀的電子產業,正可運用工業物聯網(Industrial Internet of Things,IIoT)平台,蒐集並分析生產線的完整資料,進而即時監控與調整參數配置,以最佳化工作流程,提高生產品質及達到預測性維護。

 

PTC台灣物聯網發展業務總監王寶慶觀察,近兩年工業物聯網在智慧製造的應用模式之所以備受關注,驅動力主要來自於台灣國際級電子製造業者,企業規模夠大、擁有豐富的資源投入初期建置工廠,其中多數都遵循國際自動化協會提出的ISA-95架構虛實整合系統,讓IT與OT(操作技術)部門依據標準定義的五個層級逐步實踐。

ISA-95架構定義的Level 1到Level 3為OT層,涵蓋生產線必要的感測與控制、資料蒐集與監控(SCADA)、製造營運管理(MOM)或製造執行系統(MES)等應用系統;Level 4到Level 5為IT層,包含企業資源規劃(ERP)、先進規劃排程系統(APS)、商業智慧(BI)、決策支援系統(DSS)等範疇。目標是提供一致性的術語,作為技術供應商與生產製造業溝通基礎,並且建立標準資料格式,讓每個層級彼此之間得以交換訊息。

演進到工業物聯網時代,關鍵則在於把各自獨立的系統予以串連,也就是製造業的OT與IT整合,彙整異質設備技術產生的資料,運用機器學習演算模型分析,不僅可增添預測性維護能力、減少人力介入操作,還可避免產線因意外造成停擺的風險,大幅提高生產力,為智慧化轉型奠定基礎。

突破連接性桎梏即時掌握產線運行

台灣製造業面對全球市場的競爭壓力,特別是委託製造(OEM)與委託設計製造(ODM)為主力的業者,始終面對著要求交期更短、產品價格更低、良率更高的挑戰,在訂單數字逐年疊加之下,促使本土廠商須持續不斷地提升生產效率。王寶慶指出,除了來自訂單客戶的壓力,同時,人力成本也逐年提高,勞力密集的工作程序運用自動化機制來取代,已是大勢所趨,再加上近幾年產業積極往智慧化邁進,整個轉型過程,不論企業規模大小勢必須先演進到工業物聯網。

邁向智慧製造的過程中,工廠得先具備自動化能力,搭配物聯網應用,首要是可掌握足夠資料,蒐集到足夠的情報,以精準地執行相對應的反饋任務,讓單純的執行動作、重複性、危險性的生產流程發揮最大效益。洛克威爾自動化(Rockwell Automation)智慧製造應用發展經理王展帆指出,工廠依循ISA-95部署架構,搭配運用機器學習與人工智慧應用輔助深入洞察,可逐步往智慧化工廠的目標邁進。 事實上,即便本土大型製造業的系統,王展帆觀察,依ISA-95架構的五個層級來檢視也仍有待改善之處,例如MES尚無法達到優化產能或是預防人為錯誤,普遍的原因在於製造業應用場域系統架構以往皆為獨立建置、各司其職。引進新興IT技術的目標即是為了打破藩籬,透過資料的蒐集與彙整,可增添更高價值的功能,例如機台設備故障當下不僅發出告警,同時查詢ERP系統是否有備品,並且在維運系統自動發起工單,註明須維修的零件,以提高維運效率。

推動工業物聯網應用超過8年經驗的西門子數位化工業軟體東南亞地區技術顧問王達觀察,亞太區包含台灣製造業現階段建構工業物聯網應用的障礙,首要是既有工廠的設備過於老舊,根本不具網路連線功能,必須先設法建立連接性,才可蒐集到完整的資料。其次是即便換新或添購設備,雖已具備乙太網路傳輸埠,但蒐集彙整資料後,卻不知如何分析產出有價值的資訊,幫助現場人員釐清設備故障等問題。 王達進一步說明,製造業依據垂直領域再細分,例如消費性電子、機械、汽車零件等場域,不同工業環境在意的產能、良率等關鍵指標,計算方法也有所差異,亦可說是近幾年協助客戶建置工業物聯網應用時普遍的問題。「西門子提出的發展藍圖,建議企業階段性地到達目標,首要即為建立可連接性,藉此蒐集與監控運行狀態,第二階段是建立分析與預測,第三階段才是開展數位化轉型,透過解決方案來逐步實踐。」

邊緣端即時處理資料 AR眼鏡遠端檢修 

除了ISA-95標準架構,也可從基礎架構的角度探討工業物聯網環境,若欲發展智慧製造,王寶慶建議,可參考德國國家工程院(acatech)、德國人工智慧研究中心、德國弗勞恩霍夫爾協會等巨擘推動的「工業4.0成熟度模型」,PTC亦有參與該合作計畫,讓企業藉此對照評估自家場域的發展狀況,以便制定推動實施方針。

工業4.0成熟度模型,從初階開始依序為電腦化(Computerization)、聯網化(Connectivity)、可視化(Visibility)、透明化(Transparency)、可預測(Predictability)、自適化(Adaptability),共六個階段。王寶慶說明,目前多數本土企業尚在聯網化或可視化階段,通常是因為機台設備過於老舊,原廠早已不支援等因素,須先行突破困境,才足以實踐工業物聯網應用。 更進一步推展到透明化、可預測,以及自適化,除了須投入資源建置技術平台以外,組織結構與文化也得調整因應。現階段企業IT部門管理範圍不外乎ERP、CRP(產能需求規劃)等系統,對於工廠場域建置的系統則無法掌握。OT與IT原生職責與賦予的使命本就不同,看待資訊系統的思維自然有落差,工廠端的資訊系統務必得確保正常運作,過去才會以封閉環境部署建置。儘管企業已擬定共同的發展目標,組織文化仍需要時間磨合,逐漸建立最佳協同合作方式以因應穩定性與安全性問題。王寶慶指出,如今企業開始認同地端、邊緣端、雲端的應用模式,正是突破的契機,IT部門未必得直接取得OT環境的資料,可藉由部署在OT場域的邊緣運算處理過後,再把必要拋送到雲端的資料,透過PTC Kepware來遞送,即可滿足OT與IT應用需求。

此外,藉由邊緣運算讓資料在應用場域先行處理分析,才可整合不同時序產生的資料,達到即時性監控,例如馬達轉速,每秒蒐集一次,若還得透過網路傳輸寫入到資料庫,待監控平台關聯分析後發現異常,處理過程耗費的延遲時間恐已釀成事故。

邊緣運算部署模式,對於OT場域解決問題可說是最佳實作,主流的PTC ThingWorx、Siemens MindSphere等工業物聯網平台,以及洛克威爾自動化提出的Rockii解決方案,皆有助於整合IT與OT部門工作流程,藉此提高產品良率、產線效率、稼動率、故障預測等能力。如此一來,製造業攸關企業競爭力與智慧財產的產線資料,既無須存放到仍有疑慮的公有雲,同時可運用機器學習演算分析輔助,打造擴增實境(AR)檢修等新型態應用場景,讓技術支援工程師無須進入廠房,透過AR眼鏡即可遠端執行故障排除。


 


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!