工業物聯網的挑戰、迷思與案例分享

工業技術研究院資通所智能製造服務系統組組長程瑞曦。

雖然導入工業物聯網已成為許多製造業考量的重要議題，但工業技術研究院資通所智能製造服務系統組組長程瑞曦建議，企業先思考本身之經營定位後再來決定是否要導入。

如果企業的現今的營運定位已經脫離了資本密集的階段，也就是靠便宜的人力、土地及能源、寬鬆的環保規範來競爭，欲切入技術密集之經營模式，也就是良率比其他人高、成本比較低、產能比較高時，就可以評估導入工業4.0的相關解決方案。

程瑞曦強調，物聯網應用在服務業已有不少的成功典範，如Facebook與Google都是以分析與使用者資料，來持續改善服務，並用以聚集更多的使用者與資料，但這套成功的模式不能直接搬到製造業。

如在資料收集與傳輸建置成本方面，程瑞曦指出，服務業是使用者主動提供資料、費用是使用者與電信公司分攤，服務業只需要承擔儲存及處理成本，反觀製造業的物聯網建置成本都得自己投資。

而在資料整合成本方面，服務業的共通標準主要是利用智慧型手機的通訊標準，早已累積多年的基礎，產品相容性高。反觀製造業的共通標準卻仍未建立，製造業很多舊設備無法跟新設備交換資料。

至於運用於分析的資料品質方面，服務業已累積固定用途的資料庫，資料分類與品質都已確保。反觀製造業，多數業者的資料分類與品質仍有待建立；而在運用於分析的資料量方面，服務業的資料量已有代表性，多數製造業的資料量仍不足以分析。

除此之外，程瑞曦指出，業者仍需要面對建置工業物聯網的重重挑戰。如在感測層方面，不同應用的感測器需求不同，導致感測器種類繁多，系統整合客製化程度高。

在網路層方面，工廠通訊傳輸的選擇，包括佈建成本、環境嚴苛度、安裝期間影響生產的程度、應用所需的彈性等議題都需要考量；在應用層方面，業者要先釐清運用於分析的資料範疇與所需解析度，以具一致性且標準化的方式來蒐集資料，方能易於解釋與降低分析所需之成本。同時，資料不能蒐集的太少，以免沒有將問題納進來，但資料蒐集的太多，又會造成效率低落及成本增加。