智慧應用 影音

審慎推動設備聯網 展現工控自動化價值

2016/12/22 - DIGITIMES企劃

今時今日,無論各行各業,都積極高喊數位轉型,只因為愈來愈多的企業皆深刻體認到,若不加快腳步緊跟數位化巨浪,未來終將遭到市場無情淘汰。對於製造業來說,工控自動化即是推動數位轉型的起點,重要性非比尋常。

眾所皆知,製造業刻正處於十分嚴峻的轉型期,此乃由於,第四次工業革命已如火如荼展開,放眼全世界幾個主要國家,不管是德國、美國、日本、南韓或大陸,皆積極整合雲端、大數據等眾多資通訊科技力量,期盼打造一套兼能針對網路、電腦運算、感測器與實體物件發揮整合控制機能的虛實融合系統(Cyber Physical System;CPS),進而結合工業物聯網技術,終至孕育出智慧工廠。

這場被泛稱為工業4.0的全球性競賽,儘管各個參與者的起跑點位置不同,行進路徑也有所差異,但終極目標皆在於提升國家製造業的競爭力,希冀提升製造業的附加價值,連帶也將影響製造業優勝劣敗的遊戲規則,從過去的效率驅動,拉升到創新驅動層次;可想而知,時值他人競相奮發圖強之際,台灣製造業若仍執著於效率的提升、成本的撙節,而不思索轉型升級之道,未來的路恐怕愈來愈難走。

但問題來了,不管是工業4.0、CPS乃至智慧工廠,都是規模宏大的題目,裡頭的細節與訣竅多不勝數,尤其是需要讓所有一切奠基於溝通協作的前提,不僅機器與機器之間要能夠彼此對話,甚至機器與製造執行系統(MES)、企業資源規劃系統(ERP)等商用層次的應用系統,也同樣需要做到彼此對話,無異是促使過往井水不犯河水的操作科技(OT)、資訊科技(IT)產生交集。

然而工業生產現場端的機台設備,多數都自處於相對封閉的環境,有自己慣用的語言協定,如何讓講不同語言的機台能夠交談,及如何讓機台訊息得以傳遞至企業後台應用系統、甚至是雲端平台,在在都可謂挑戰,若不突破這道難關,再大的題目也終將失敗。

善用技術工具  促進OT與IT融合

究竟該怎麼解決前述難題?有一家非常擅長於Remote I/O、PAC及IoT等相關元件供應的工業電腦廠商,曾多次對外揭櫫其現正積極淬煉5C技術能量,而這5個C分別是Collection(資料採集)、Computing & Control(前端邏輯運算與控制)、Communication(資料傳輸通訊)、Connection(設備連結),訴求讓雲與端之間的訊息流動路徑順暢無礙,從而全面貫通製造企業的控制層、操作層、管理層、企業層及決策層。

由此看來,舉凡現場總線轉換器?閘道器?中繼器、無線感測網路設備、資料集中器,甚至是足以支援多重協定工業物聯網通訊伺服器,一干解決方案的部署與實施,不僅能促進生產端實現工控自動化,更可針對OT與IT之緊密橋接,打下扎實基礎。

換言之,製造業只要促使設備相互連網溝通,就有機會做好工控自動化,連帶致使生產流程更趨彈性靈活,唯有如此,方可讓企業能夠隨時因應快速變遷的市場與顧客需求,快速產出多樣少量產品,終至朝向工業4.0目標大步邁進;因此若說工控自動化是打造工業4.0智慧工廠的關鍵樞紐之一,理應相當貼切,並無浮誇之餘。

業者提醒,縱然智慧工廠願景萬般美好,而能夠讓工業生產現場的數據,向上與雲端平台介接,更教人備感興奮,但在懷抱美妙憧憬之餘,仍需要冷靜設想如何先做好「接地氣」動作。

要想接地氣,無非是設法透過各種方式而讓設備聯網,繼而擷取包括溫濕度、電力、磁力、位置、水位、加速、傾斜、聲音、振動、壓力、動作、速度…等各式攸關於現場設備的基本物理狀態數據,這一段歷程固然極其重要,但是更重要的,乃是必須深切了解這些資料背後帶有哪些深層意涵?能夠幫助我實現哪些價值?有了清楚認知,才能讓大量數據產生意義,據以形成智慧製造決策,否則在一無所知的狀態下,就算採集再多資料也是徒勞無功。

如何確保設備聯網、資料擷取等作為,對於企業真的有其意義與價值?經由DIGITIMES日前在台中舉辦的「工控自動化論壇」,箇中有多位講師皆對此議題提出精闢看法,相當值得參考,足以歸納出若干重點。

釐清設備聯網目的  而非盲目蒐集數據

首先是「換位思考」。不少企業往往會陷入技術迷思,意即會傾向把技術評估擺在第一階段,等到依照功能、效能、成本、人員熟悉度等構面選出最終標的後,再根據此標的物之能力條件,發想可能發揮的應用空間,整個過程並未以自身想解決的問題、或想推動的創新業務為先導,故最終即使藉由技術方案成功彙集到豐沛數據,也難以產生顯著綜效。

比較好的做法,是由企業先行整合生產、研發、品管、倉管、業務、財務、行銷…等等各個部門的需求與痛點,找出幾個最亟待付諸實踐的環節,凝聚共識成為轉型升級的規劃方向,再按照此計畫進行技術選型。

其次是深度運用大數據分析。有專家認為,當前市場上許多大數據分析解決方案,都僅側重於資料視覺化功能,即是透過圖表呈現分析成果,用戶再試圖運用這些結果,作為推動物料品質監控、製程監控、設備異常監控之參考憑據,但話說回來,如果企業空有一堆大數據卻不知該如何分析,即使有再犀利的視覺化工具,恐怕也是枉然;所以對於一些國際級領導廠商推廣的先進概念,比方說像是IBM所倡議的MAO(Manufacturing Analytic & Optimization),都值得不斷加以學習與借鏡。

以MAO為例,它是一種實現大數據分析與優化的顧問服務,可依據製造企業實際遭遇的難題,決定採取哪一種分析,以期藉由主動的預測與模擬來挖掘潛在問題,而基於這些分析目標所需彙整的資訊,不管來自工業生產現場、財務端甚或業務端,在此時才會被定義出來,如此一來,便可確保數據採集的範圍精準無誤,皆能迎合企業預設的決策目標。

另一方面,既然知道智慧製造的養分,幾乎都源自於前端I/O及設備的資料採集與分析,那麼如何確保前端數量皆可準確無誤的採集與後送,便堪稱為重要的基本功;但這個來自於最底端的基本功夫,修練起來卻沒那麼容易,只因為現存於工業製造現場設備種類太多,彼此各自遵循專用通訊協定,意欲將這些各異其趣的訊息轉譯為統一格式,再將之後送到中控室的SCADA、或其他雲端軟體,少不得需要藉助許多相對應的I/O、總線(Fieldbus)模組,因此企業為了確保數據傳輸的可靠即時,對於網路傳輸中繼產品的選擇亦需慎重其事,儘可能選定支援的協定範疇相對寬廣的廠牌方案。

儘管每當談到智慧工廠,重點經常環繞於諸如少量多樣客製化生產等新興課題,但不代表傳統工廠所重視的產能提升議題不再重要,因此企業亦需思索如何運新科技來帶動產能提升,比方說藉由EtherCAT取代PLC,藉以達成高同步的運動控制,便是值得評估採納的方向。


圖說:為了有效串聯工業生產現場的大量專用通訊協定,企業必須藉助支援各種I/O的感測器或控制器,以此為起點逐步邁進智慧工廠。(來源:研華)