藉由IoT與智動化　助力實現製程優化及預防保養

諸如CNC車床刀座等精密機械設備，不適合安裝任何感測器，此時可善用用品質檢測方法另闢蹊徑，發揮近似於振動分析的功效，滿足預防保養應用需求。來源：Lathes

時至今日，「工業4.0」之於製造業，重要性堪與金融業的FinTech、Bank 3.0，及零售業的Retail 4.0等量齊觀，旨在整合計算、通訊與控制之虛實化系統(CPS)，鏈結物聯網(IoT)以建構智慧工廠，以增進生產效能；細數工業4.0進化歷程，舉凡IoT、智動化，可謂箇中兩大關鍵要素。

曾有業界人士預估，待至2040年，全球物聯網商機可望逼近1兆美元，其中僅3分之1環繞於食衣住行育樂等B2C應用，另外3分之2偌大區塊，將落在B2B應用範疇，而工業物聯網、智慧城市等題材，有望聯手瓜分逾6,000億美元市場大餅，其間最富含潛力的應用，無疑就是智慧工廠。

進一步細分智慧工廠商機，其中最具潛力的兩大應用方向，分別是製程優化、預防保養；估計透過製程優化，可協助製造企業撙節5？12.5%成本，至於預防保養效益則更高，能夠創造10？40%的成本節省空間，更有甚者，許多攸關工業4.0的研討會都經常引用某知名空壓機製造商之例，該公司便是充分善用物聯網、大數據分析等科技助力，別出心裁為客戶提供預防保養加值服務，因而驅動商業模式轉型，不再以販售空壓機設備為主業，而是由賣轉租，憑藉加值服務賺取細水長流收益。

綜上所述，工業物聯網之於製造業，不啻是競爭力再造的入門磚，一經成功導入，即可從傳統製造躍升智慧製造，開啟無限機遇，其重要性可見一斑。

論及工業物聯網，就產業界的定義而論，由下而上可區分為全面感知、可靠傳遞及智慧運算等層次，綜觀這些層次所涉及之關鍵技術，則包括感測器、IoT閘道器(嵌入式運算)、網際網路，以及位居最上層的大數據分析，藉由感測器蒐集來自於工業現場暨週遭環境的巨量資料，接著由IoT閘道器執行數據格式的正規化程序，將許多異質工業通訊協定，「翻譯」成為雲端運算中心可以識別的語言，再透過網際網路上傳雲端，在此進行巨量數據的歸納與分析，據此繁衍有助促進製程優化、預防保養或其他面向的智慧邏輯，最終根據智慧邏輯進行反向回饋與控制，使得工廠內所有智慧機械(IM)、智慧機器人(IR)的能力同步躍進，形成正向循環。

工業4.0高樓平地起　須優先促使機台聯網

因此曾有人說，利用物聯網技術建構智慧系統的過程，蘊藏了世紀大商機，此一形容乍聽浮誇，但細究箇中論述基礎，其實不失合情合理。

只不過，欲從數位化、網路化循序推進到智慧化的歷程，絕非一蹴可幾，有諸多環節亟待補強優化，但無論如何，設法讓原本缺乏聯網能力的現場設備，開始能夠連結網路，並透過各種方式持續吐出狀態資訊，此一智動化程序，絕對是成就偉大智慧工廠的重要起步。

具體來說，現今絕大多數工廠，其實都具備自動化實力，但部份企業的自動化層次，尚停留在單機自動化格局，相當於工業2.0水平；在單機自動化的情境下，廠務管理者並無一套足以綜觀全廠設備資訊的機制，可立即掌握所有機台的當下狀態，所以就連計算稼動率都不容易，別無他法，只能藉由土法煉鋼方式，以人力充當「監視器」，要求每人負責看管一定數量的機台，定期彙整資料，再回報到廠務管理端，例如抄寫三色燈所呈現的機台停機、待料或生產等各種狀態，即是蒐集數據的方法之一。

但不管製造企業將前述作業模式運行得多麼純熟，距離所謂的現場設備智動化、智慧工廠乃至工業4.0等境界，其實都非常遙遠，且因蒐集資料的歷程相對艱辛，訊息種類極其有限，加上受限於人的體力與專注力，導致資訊的正確性與即時性皆有待商榷，故後續能藉由加值分析產生智慧邏輯的空間，可謂相當狹小，當別人都往工業4.0轉型升級之際，該企業與同業之間的競爭力落差，勢必愈趨擴大，後果不堪設想。

如何及早脫離單機自動化、邁向機台聯網格局？業者建議，可因應現場維運設備、工業自動化系統等不同物件屬性，藉由不同方式使之接入網際網路。

以情況單純的三色燈為例，在有線傳輸環境下，僅需針對每個機台狀態指示燈配置遠端I/O模組，由個別I/O模組負責蒐不同燈號資訊，再走RS-485向上傳遞給資料集中器或遠端控制器，接著再由資料集中器或遠端控制器，定時統整所有資訊，向上傳送至中控室圖控系統，如此一來，廠務管理者便可綜觀所有機台究竟處於停機、待料或生產狀態，作為改善生產稼動管理的依據。

當然，環顧整個智慧工廠應用範疇，掌握機台產能利用率、稼動率，不過是入門基本功之一，而且最容易實現，如果廠務管理者想要掌握更多資訊，譬如塑膠射出工廠，還想進一步採集模具開合次數、預熱狀態、安全門狀態，甚至是用電量、溫濕度等資訊，便需要動用更多遠端I/O模組、資料採集控制器、三相智慧電錶模組等裝置，再利用網路、RS-485或ZigBee等方式，與後台圖控系統整合，便於企業集中監控與管理。

也有企業認為，撇開新型態物聯網感測裝置不談，意使沿用多年的既有機台開始具備聯網能力，從實體I/O點尋求突破，固然是可行方案之一，但如此做法不僅需啟用過多裝置，且蒐集到的數據內容也較為有限，亟需思索其他解決方案。

另一個值得採納的可行方案，即是部署PAC控制器(需內建支援PLC驅動程式)，透過乙太網路或RS-232等通訊方式直接從PLC讀取資料，倘若PLC原廠願意對外提供的資料範圍大，則一旦採取這般做法，即可望一次網羅到最豐富資訊，例如機台狀態、機台稼動率、異常訊息、相關參數設定…等等，驅動更多元化的應用。

如果同一工廠內存在超過一種PLC控制器，彼此操持不同的語言協定，此時可透過IoT閘道器來執行各式通訊協定的轉換，將異質資料轉換為統一格式，接著快速上傳至後台圖控系統，甚至再藉助MQTT或TR-069等協定，直接上傳雲端資料中心進行大數據分析，或由雲端資料中心統一監控所有機台的運作狀態。

結合雲端機器學習　加速執行振動分析

不可諱言，欲將現場設備串聯雲端運算節點，則涉及另一段故事，此時不妨採用物聯網軟體工具，讓企業開發人員得以省卻程式撰寫的繁複工程，藉由直覺化的點擊及拖曳操作，直接完成其間所需連線設定，裨益縮短開發週期，好讓各項物聯網應用儘快上路。

值得一提的，與預防保養應用息息相關的振動分析，需要採用不同模式加以處理。業者指出，所謂振動分析，意在瞭解機械健康狀況，需要藉由一組數學運算模型，把機械經由振動產生的能量，轉換為頻率，接著由專家依照經驗法則判讀頻率數值，察覺其中是否出現異常，如果確認發生異狀，再循著軸承、變速箱…等出現變異的部位追溯真因。

然而在執行振動分析時，較麻煩之處，在於諸如CNC車床刀座、SMT打件機等精密機械設備，並不適合安裝任何振動感測器，唯有另謀他途，例如考慮在每個工站執行二維條碼掃描，再將掃描所得數據，與後台品管資料庫加以比對，亦可謂突破之道。

可喜的是，伴隨包括微軟Azure等大型雲端平台，都開始提供機器學習服務，有助各企業卸除自行配置龐大專家團隊的負擔，加速振動分析執行，甚至結合認知運算服務機制，反向判讀與確認現場設備是否符合異常特徵，藉此打通預知保養的任督二脈，協助製造商開創加值盈利空間。